开源 ASR 新选择:Fun-ASR 与 Whisper 对比评测
对比了开源语音识别工具 Fun-ASR 与 Whisper。Fun-ASR 由钉钉联合通义实验室推出,针对中文场景优化,支持本地私有化部署。文章分析了其模型架构(轻量级 Transformer)、VAD 语音活动检测、伪流式识别及批量处理能力。相比 Whisper,Fun-ASR 在中文识别精度、ITN 文本规整及企业级任务调度上更具优势,适合对数据隐私和中…
博客作者
道法自然
347
已发布文章
9.2K
博客获赞
364K
博客浏览
第 4 页
对比了开源语音识别工具 Fun-ASR 与 Whisper。Fun-ASR 由钉钉联合通义实验室推出,针对中文场景优化,支持本地私有化部署。文章分析了其模型架构(轻量级 Transformer)、VAD 语音活动检测、伪流式识别及批量处理能力。相比 Whisper,Fun-ASR 在中文识别精度、ITN 文本规整及企业级任务调度上更具优势,适合对数据隐私和中…
如何在 OpenClaw 中配置本地 llama.cpp 作为后端。通过添加自定义 provider,需确保 models.json 文件路径及内容与 config 目录下的 provider 配置一致,避免重复 provider 名称。若遇到模型状态异常或对话返回不正确,应检查配置文件的一致性。
介绍宇树机器人 G1 的导航仿真流程。内容包括克隆导航栈源码、安装系统依赖、编译修复错误。重点讲解如何将点云地图(PCD)转换为栅格地图(PGM),并使用 KolourPaint 编辑地图。随后修改全局和局部代价地图参数,将基座坐标系调整为 base_link 以适配轮式导航。最后通过启动 ROS 核心、RViz 仿真及回放 rosbag 验证机器人运动,并…
阿里开源模型 Qwen-Image-2512 的技术亮点,包括画质细节升级、语义理解增强及风格控制优化。文章详细讲解了如何通过 ComfyUI 可视化界面进行部署,涵盖环境准备、镜像启动、工作流加载及图片生成步骤。此外,还分享了节点扩展、提示词优化及参数调整等进阶技巧,帮助开发者低成本体验前沿 AI 绘画技术。

基于 Dify 平台构建 AI 工作流的实践方法,旨在实现自动化日报生成并去除 AI 生成痕迹。主要步骤包括创建 Dify 工作流应用、配置输入字段、串联两个 LLM 节点分别负责内容生成与润色、设置结束节点以及运行测试。该方案展示了如何通过工作流整合模型能力,解决复杂任务中的多步骤处理需求。

Ψ0 是一种人形全身视觉语言动作(VLA)模型。它利用约 800 小时人类第一视角视频和 30 小时真实机器人数据,采用两阶段训练范式:先在大规模人类视频上预训练 VLM 主干以学习任务语义和视觉表征,随后在真实机器人数据上后训练基于流的 MM-DiT 动作专家以实现精确关节控制。模型结合 AMO 强化学习策略进行下肢跟踪,并引入训练时实时分块(RTC)技术…

介绍本地 AI 智能体框架 OpenClaw 的安装与配置流程。通过 npm 全局安装后,使用 onboard 命令初始化向导,选择 Moonshot AI 作为大模型并填入 API Key。连接 Telegram Bot 实现通讯渠道,安装基础插件后启动网关服务。支持 daemon 后台运行模式及 dashboard 可视化控制。提供核心命令解析及文件管理…
利用 LLama-Factory 框架可大幅降低大模型微调门槛,支持多种主流架构及量化方案。通过准备高质量对话数据、配置 LoRA 或 QLoRA 策略,用户能在消费级显卡上训练出具备特定性格的 AI 角色。结合可视化监控与权重合并部署,实现从实验到上线的全流程闭环,解决传统微调中环境复杂、成本高昂及黑箱操作等痛点。

Stable Diffusion WebUI 整合包的部署与使用方法。涵盖系统环境要求(Windows、显卡配置)、文件结构解析、启动方式及常用功能(txt2img、img2img、ControlNet)的操作说明。同时提供了模型存放路径、插件管理及常见故障排查建议,适合希望快速体验 AI 绘图且避免复杂环境配置的用户参考。

解决了 VS Code Remote 连接 WSL 时 GitHub Copilot 因代理设置导致无法使用的问题。分析了 WSL 与宿主机网络通信差异,指出默认继承宿主机代理(127.0.0.1)会导致连接失败。提供了获取宿主机 IP 的方法,并给出了一个 Shell 脚本用于自动配置 WSL 环境下的代理变量,确保 Copilot 及 Git 等工具能正…
分享了 AI 绘画关键词推荐网站的性能优化实战。针对传统关键词匹配延迟高、推荐不精准及资源消耗大的问题,采用 BERT 向量化结合 FAISS 索引方案替代 TF-IDF,并引入 Redis 缓存与布隆过滤器。通过模型量化、分批加载及一致性哈希分布式部署,将查询响应时间降低 60%,QPS 提升至 120,有效解决了大规模语义搜索下的性能瓶颈。
SWC 是一个用 Rust 编写的 JavaScript/TypeScript 编译器工具链,目标是替代 Babel 并实现 10~20 倍的性能提升。它提供 TS 转译、JSX 处理、代码压缩等核心能力。在现代前端构建体系中,SWC 处于代码转换层,利用 Rust 的多线程和原生执行优势,显著解决大型项目编译慢的问题。相比 Babel,SWC 更适合高性能…

腿式机器人 IMU 融合与机体状态估计的综合实战方案。主要内容包括 IMU 数据的传播与补偿机制、静态初始对准过程以及扩展卡尔曼滤波(EKF)的核心算法实现。通过 Python 代码展示了惯性导航机械模型、误差补偿、姿态初始化及 EKF 预测更新反馈机制,实现了机器人位姿、速度及 IMU 偏差的实时估计与误差补偿,为高精度运动导航和状态监控提供全链路功能支持…

介绍如何在 VS Code 中通过 Overleaf Workshop 插件连接 Overleaf 账号,利用浏览器开发者工具获取 Cookie 进行身份验证,从而实现本地 AI 工具(如 Copilot)对 Overleaf 项目中的 LaTeX 文档进行辅助编写与编译。该方法解决了原生 Overleaf AI 工具体验不佳的问题,提升了科研文档撰写效率。

OpenClaw 是一个开源 AI 助手框架,支持接入多种大模型及消息平台。环境准备(Node.js)、模型配置(GitHub Copilot、Qwen、本地 llama.cpp)、钉钉机器人接入流程、常见问题排查以及日常使用技巧。通过本指南可完成从安装到本地模型部署的完整搭建。

Magic API 是一款基于 Java 的低代码 API 开发平台,支持可视化界面与脚本编写(JavaScript/Groovy),可快速构建 RESTful API。其核心概念、架构设计、数据源配置及脚本功能,并通过用户管理、订单处理等案例展示了实际应用场景。同时涵盖了性能优化、安全实践、Spring Boot 集成及扩展机制,旨在帮助开发者高效利用该平…
Android WebView 在部分机型(如华为)上 Chromium 内核版本过低,导致 H.265 硬解等现代 Web 能力不可用。介绍使用 WebViewUpgrade 开源库实现免安装升级 WebView 内核的方案。核心原理是运行时 Hook 系统服务,将 App 内 APK 作为 WebView 实现。需在 Application.onCrea…
总结了 FPGA 工程中常见的 10 个疑难问题及排查方法,涵盖复位接法错误、亚稳态/CDC 未处理、组合逻辑毛刺、缺少时序约束、管脚分配错误、意外生成锁存器、时钟设计违规、仿真与上板不一致、电源硬件干扰以及状态机跑飞。文章提供了针对每个问题的具体原因分析和实操排查步骤,并给出了推荐的万能排查顺序,帮助工程师快速定位非确定性故障,提升工程稳定性。

探讨了 AIGC(人工智能生成内容)及其背后的深度学习技术。文章从引言入手,介绍了 AIGC 的发展背景,强调了深度学习在其中的核心作用。内容旨在揭示 AIGC 的原理与实践,展示科技与创新的结合。
OpenClaw 智能代理框架与飞书机器人的集成方法。涵盖环境搭建、飞书应用权限配置、插件安装及核心功能(消息发送、文档操作、多维表格)的使用。通过示例代码展示了如何实现自动化办公流程,并提供了安全实践与问题排查建议,帮助开发者将 AI 能力接入企业协作平台。