一个完全开源的可以控制家里电脑的AI语音设备O1，介绍视频已翻译。它可以看到你的屏幕内容学习使用你常用的应用，并且你无论在哪都能让它帮你操作电脑完成任务。用户只需按下按钮、讲话，然后系统会思考并回应用户的需求。
这个设备的CAD文件、电路设计、代码完全是开源的，有能力的开发者可以直接制作这个设备。
灵感来自Andrej Karpathy 的 LLM 操作系统，10月份他的LLM科普视频含金量还在上升。O1运行一个代码解释语言模型，并在计算机内核发生特定事件时调用它。
项目地址：https://github.com/OpenInterpreter/01
原创文章，作者：校长，如若转载，请注明出处：https://www.yundongfang.com/Yun291824.html
微信扫一扫不于多少！
支付宝扫一扫礼轻情意重
https://u.jd.com/daBByyr https://u.jd.com/d67YrPi OpenAI o1 可以通过复杂的任务进行推理，并解决比以前的科学、编码和数学模…
阿里开源支持视频理解的多模态 LLM Qwen2-VL 国内现在还没有特别好的多模态闭源模型尤其是支持视频理解的，阿里这就开源了。不过最大的Qwen2-VL 72B 没有开源，只开…
FLUX 的周边生态发展迅速 前段时间由于 SD3 的问题，开源的图片生态发展一度停滞，值得关注的新项目和模型几乎没有。 FLUX 上周发布后这个态势被快速改变了，由于其优秀的图片…
使用Apple设备有其自身的优势，因为您的所有联系人，备忘录，便笺，钱包，照片都会自动同步。但是，在同步iCloud设置时，您可能看不到“语音备忘录”选项。如果您受到此问题的影响，…
Supertone Shift：实时 AI 语音变声器 Supertone Shift是由韩国Supertone公司推出的一款实时语音变换软件，旨在为用户提供高品质和个性化的声音转…
Voicenotes：语音笔记 APP voicenotes 是个 AI 笔记应用以录音为主。 支持 AI 搜索语音笔记、分享以及改改笔记的属性，比如将笔记转成代办。全部都是 AI…
Krea AI 发布 AI 视频生成功能 是可以定义首位帧的，而且每张图片对应的提示词都可以自定义。看起来像是之前发过的基于 ipadapter 的 Animatediff 的工作…
DeepSeek 发布 DeepSeek-V2 模型 DeepSeeK 上周发布了DeepSeek-V2模型，将现在优秀 LLM 的价格战又抬上了一个新的高度，百万 Token 输…
Frame：开源的 AI 眼镜 由一个开源的AI硬件 ，Frame AI 眼镜。 你可以通过语音和 Frame 进行沟通，它的回复会显示在眼镜屏幕上，而且会有小图标表示现在的情绪。…
SecBrain：AI 语音笔记应用 SecBrain 正在开发一款 AI 智能应用，旨在简化创建和管理语音笔记的流程。用户可以录制语音，应用随后自动为其生成对应的图标、标题、摘要…
Friend：开源的语音对话AI 硬件 轻松捕捉对话。只需将其连接到移动设备，无论您走到哪里，都会自动保存会议、聊天和语音备忘录的高质量转录。 获取即时摘要、重点亮点、思维导图、待…
Perplexity-Inspired LLM Answer Engine：开源的 AI 搜索应用 一个开源的类似 Perplexity 的 AI 搜索应用，含构建复杂答案引擎所需…
Reader：jina开源的网页内容爬取工具 将网络信息灌输到大语言模型（LLM）中是实现信息实体化的关键步骤，但这一过程充满挑战。最直接的方法是直接抓取网页内容并提取其 HTML…
RAG Flow：新的RAG开源框架 InfiniFlow开源的项目叫RAG Flow，有下面这些特点： RAGFlow的核心功能是文档的智能解析和管理，支持多种格式，并允许用户使…
Databricks 发布了新的可能是现在最强的开源模型 DBRX 模型架构： 132B参数的MoE模型，一共拥有16个专家，每个Token激活4个专家，意味着有36B的活跃参数，…
Hume 发布第一个可以感知对话者情绪的语音 AI EVI Hume 发布第一个可以感知对话者情绪的语音 AI EVI。而且可以跟任何 LLM 兼容。 EVI有下面的一些特点： 它…
Open AI 发布了语音克隆方案及Sora艺术家测试视频 多模态的任何一环Open AI都想做啊，这个语音克隆的功能也上了，声音和面部以及身体数据是未来内容生产能力爆炸之后，每个…
VoiceCraft：超过XTTS的语音模型 VOICECRAFT模型介绍： VOICECRAFT是一个先进的神经编解码语言模型，专门用于语音编辑和零样本文本到语音（TTS）任务。…
如何创建能够拨打和接听电话的会说话的 AI 助手 在当今快节奏的商业世界中，自动化潜在客户培育流程可以显着提高效率和生产力。通过利用人工智能驱动的语音助手和 Zapier 等无代码…
Microsoft此前宣布弃用Windows Speech Recognition（WSR）和其他几个应用程序。令人惊讶的是，新的语音访问应用程序现在将于 2024 年 9 月取代…
最先进的封闭模型将继续以显著优势胜过最先进的开放模型 当今人工智能讨论中的一个重要话题是围绕开源和闭源人工智能模型的辩论。虽然大多数尖端人工智能模型开发者——如OpenAI、Goo…
Microsoft 将在即将发布的 Windows 11 中结束对 Windows 语音识别功能的支持。借助语音识别，您可以教操作系统理解您的声音并打开应用程序或口述命令，但现在是…
ChatGPT 的语音功能现已面向所有免费用户开放。意味着无需支付任何费用，就能与 ChatGPT 进行自然的对话，体验犹如与真人交流一般的奇妙互动。 在 Google Play …
Runway ：上线文字生成语音功能 尝试了一下英文的效果真的很好，感情很丰富自然。中文还是老问题，有外国人口音，这块可能不能指望外国公司了。这个功能可以选的语音模型非常多，可以都…
阿里开源视频生成模型2VGen-XL 阿里之前11月发布了论文要开源的I2VGen-XL图像生成视频模型，终于发布了具体的代码和模型。演示里面没有人物大幅动作的视频。 I2VGen…
