Gemini 2.0发布了，可惜的是关注的人很少
谷歌发布 Gemini 2.0 Flash 大模型，具有生成文本、图像和语音等多模态能力，性能优于前代产品，谷歌 CEO Sundar Pichai 称其为新的代理时代建模，可应用于 Android 手机视觉助手、游戏开发及编程任务等场景。
月度归档： 2024 年 12 月
远程语音卫星Wyoming Satellite
远程语音卫星使用Wyoming协议进行本地唤醒词检测和音频增强，与智能家居系统无缝对接。通过Python脚本配置麦克风并运行卫星服务，支持多种唤醒词，并提供技术交流群和合作机会。
将 Docker 镜像编译成独立运行的二进制文件dockerc
无需 Docker run、pip install 或 npm i，Dockerc 可生成可执行文件供用户直接运行。支持多种操作系统和架构，并通过 Skopeo 加载镜像。
谷歌Gemini再添猛将！GPA 5.0毕业即DeepMind高级科学家，开挂博士给科研新人7点建议
薛复昭博士分享了他在学术生涯中的七点心得，包括工程能力的重要性、与优秀人才合作、专注于重要论文、研究趋势的演变、换位思考以及博士学位的价值。他指出，虽然攻读博士学位有助于科研技能的学习，但不是从事大语言模型研究的必要条件。
Flux模型PuLID换脸工作流
字节的Flux PuLID 0.91版更新，相比前版速度更快。PuLID通过结合Lightning T2I分支和扩散分支，并引入对比对齐损失和精确的身份ID损失来实现高效身份ID定制，保持图像元素一致。优点是速度快、保真度高；缺点是换脸动作单调。
深度：OpenAI收费模式不尽合理
近日，OpenAI首席财务官表示向企业收取每月数千美元订阅费是合理的，但存在多方面问题与争议。OpenAI需要考虑用户价值、市场竞争因素及长期发展需求，探索分层收费、按使用量收费及建立长期合作关系等方式优化收费模式。