MapleShaw

MapleShaw

0 关注者

4天前

Listenhub 的 FlowSpeech 真的有点东西！ 用口语化的方式来读文章、读小说、读AI生成的文字，这不「小宇宙」就爆发了？😍 播客就应该是口语化的，能跟听友拉近关系的，期待后续的 API，这样 AI 出文稿、标题、shownote，FlowSpeech 出音频，一集播客一气呵成🥳 FlowSpeech 的效果放评论👇

#ListenHub #FlowSpeech #播客 #AI #口语化

相关新闻

placeholder

生姜Iris

3小时前

上周末录的4小时播客 亲密关系的部分被小姐姐火速剪了出来 友情提示前5分钟都是高光 访谈全程从第8分钟开始 自己听的时候疯狂感慨，我也太敢说了吧（捂脸🤦🏻‍♀️） 但是「勇敢的暴露不完美，也是勇气的证明」 希望我的经历，可以帮助到更多的姐妹们 有更多自我觉察和构建主体性的力量

placeholder

卡颂

4小时前

越早意识到下面这点的程序员越有优势： 当 AI 生成代码有问题时，你不应该自己改（或教他改），而是通过： - prompt 层面：更详尽的任务规划 - 工程层面：e2e、单测、强类型语言... - 应用层面：选择合适模型、agent 不断给到更多约束和线索（而不是具体指导），像个循循善诱的智者，完全让 AI 自己领悟、迭代 这样才不会与 AI 发展的趋势发生对抗...

placeholder

10xMyLife

4小时前

AI喜欢用渐变色，这个雷埋得太深了，几十年后可能会出大问题

placeholder

AIGCLINK

5小时前

字节放出了一款具备长期记忆能力的多模态智能体：M3-Agent 可以实时处理视觉和听觉输入，并转化为长期记忆，使其不局限于单一模态的信息 存储情景记忆，还可以从中提取和积累语义记忆 核心是M3-Agent的记忆系统以实体为中心，把与同一实体相关的所有模态信息（比如一个人的面部、声音、相关知识）连起来，形成图谱结构，这就可以使其能更深入一致的理解环境 支持多轮迭代推理，根据需要从长期记忆中检

placeholder

向阳乔木

7小时前

有人说 AI 时代，人应该活的更像人，随性，自然。 但 AI 的做法其实是对人类高水平做法的模仿。 向 AI 学习，其实也是向人类高手对齐。 比如 AI Agent会理解人类意图，拆解任务列清单，挨个执行，最后校验，交付成果。 可能有点死板，但确实是解决问题的最佳SOP。 比如 AI 回复，总有前后引导语，一级标题，二级标题，列点表达。 看起来机械，甚至开始被人讨厌。 但确实是更清晰