更多动态
，忽略 Soniox 可能让你错失低成本的高精方案 这是一家主打“无监督学习”的 AI 语音公司，核心价值是解决通用模型在专业术语、强口音及嘈杂环境下的“听不清”问题。 它的 Omnio 模型原理类似于人类“磨耳朵”自学，而非传统模型靠海量人工标注（刷题），这让它在特定垂直领域适应性极强。 🔹 抗噪与长文本： 在医疗、法律等对准确率要求极高的场景，其官方数据显示 WER（词错误率）表现优于部分大厂方案，主要体现在对专业名词的捕捉上。 🔹 实时流式处理： 支持超低延迟的 Real-time API，适合做实时翻译或 AI 语音助理，不像某些模型只能处理离线文件。 🔹 合规护城河： 原生支持 HIPAA 与 GDPR，这对想切入 B2B（如诊疗记录工具）的独立开发者来说，省去了大量合规成本。 若你的应用涉及高频专业词汇，建议先用其 Python SDK 跑一个 MVP，重点对比“噪音环境下的识别率”。通用场景 Whisper 够用，但在垂直赛道，Soniox 可能是更好的替代。 🔗 https://soniox.com/benchmarks #AI工作流 #语音识别 #开发者工具 #Soniox #API集成
Google NotebookLM 正式上线 Slide Decks，把“资料整理→大纲梳理→生成PPT”压缩进 10 秒，彻底重构你的工作流。 🔹 解决核心痛点：零幻觉 它不像普通 LLM 那样天马行空，而是严格基于你上传的 PDF/Docs/URL 进行 RAG（检索增强生成）。简单说，就是把 AI 关进你的知识库里“开卷考试”，确保输出的每一页 PPT 都严谨可溯源，特别适合科研、财报或技术文档。 🔹 视觉不再是短板 这次集成了 Google 最新的 Nano Banana Pro 图像模型。实测发现，它生成的配图和 Infographics（信息图表）能精准还原数据逻辑，审美在线，不再是那种通用的“占位符”图片。 🔗 官网直达： notebooklm.google #AI工作流 #生产力工具 #NotebookLM #高效办公 #知识管理
1.6T 总参、激活约 48B，原生多模态，主推长程智能体，全程国产算力训练。 图像量化成多级离散 token，Visual Coding 与 3D 受益。 大规模长程 RL，把失败轨迹转成可验证训练任务。 W4A4 推理，prefill 吞吐提升 43%。 官方自测介于 Claude-Opus-4.8 与 Opus-5 之间。
它不堆参数，堆"层数"。32 层解码器，中间 4–27 层同权重跑两遍 → 前向 56 层计算，只存 9B。 自测 BIRD-Dev 71.38、AutomationBench 13.72，超 Qwen3.5-27B；Terminal Bench依旧落后。
