AI報報報

<p>這些資料提供了一份關於人工智慧 (AI) 快速發展及其廣泛影響的綜合概述。內容涵蓋了AI 在各行各業的應用和採用現況，強調了其在軟體工程、產品開發、醫療、法律、客戶服務及金融等領域的顯著成長。此外，資料也探討了AI 基礎設施的建置與相關資本支出，並指出AI 模型效能的提升與成本下降，以及中美兩國在 AI 領域的競爭格局。 <br /> <br />加入免費會員，更新資訊不漏接：...

<p>**可從表格、圖片、圖表等複雜文件中提取結構化資料的Python庫：agentic-doc** <br /> <br />支援100+頁PDF長文件的處理，自動進行分割與並行處理 <br /> <br />自動重試和分頁，處理並發、超時和速率限制 <br /> <br />可以解析任意長度PDF、單一影像或指向這些文件的URL <br /> <br />可以把擷取的內容以邊界框的形式視覺化，支援批量解析 <br /> <br...

<p>**新出來的一種生物學推理模型：BioReason，第一個將 DNA基礎模型與LLM深度結合的模型，疾病路徑預測（例如判斷某個基因變異導致什麼疾病）準確率達到了97%** <br /> <br />變異效應預測準確率達80-88%。其比僅用DNA或LLM的模型相比，性能提升超過15% <br /> <br />它把DNA 基礎模型與LLM結合，來用於生物推理，透過監督微調+GRPO強化學習來進行訓練 <br /> <br...

<p>**微軟Bing凌晨開發了一個視頻生成工具出來：Bing Video Creator，Sora提供技術支持，免費使用！ ** <br /> <br />目前生成影片時間長為5秒，格式為9:16，未來將支援16:9 <br /> <br />最多可以同時排隊生成三個視頻，創作內容保存90天 <br /> <br />生成速度有快速和標準兩種模式，最初有10次快速產生機會，用完後可消耗100微軟獎勵積分繼續使用，或用速度標準 <br...

<p>**一款設計師的遊標：觀看，設計師可以用拖曳/點擊視覺化的方式建立前端介面，不用寫程式碼也可開發前端應用** <br /> <br />可以直接在瀏覽器裡拖曳、調整元素來設計網站介面，即時預覽效果，並且內建了AI功能，每一步操作都會自動轉換成程式碼 <br /> <br />設計和程式碼團體綁定，在瀏覽器裡修改設計，程式碼會自動更新；在程式碼裡修改，設計基因即時更新 <br /> <br...

<p>**一款增強版的Markdown工具：Quarkdown，它在Markdown基礎上增加了許多功能，可以用來產生書籍、簡報** <br /> <br />可以排版組件頁的書籍格式，包含章節、頁碼等，可插入圖表、數學公式等 <br /> <br />支援“函數”和“變數”，可以定義函數來擴展功能 <br /> <br />支援即時預覽，內容有修改會自動更新 <br /> <br...

<p>**ElevenLabs大更新，發布了對話式AI 2.0，增加了多語言對話切換、RAG、多模態、批量通話的能力** <br /> <br />自動辨識您使用的語言，並用相同的語言回答，需要手動切換 <br /> <br />能夠存取使用外部知識庫來回答問題 <br /> <br />可以同時處理文字和語音 <br /> <br />大量通話功能，可以同時撥打多通電話，對於需要快速聯繫多個場景的比較實用 <br /> <br...

<p>加入免費會員，更新資訊不漏接： https://open.firstory.me/join/cma3mukjr127j01w5h4m56giw <br />小額贊助支持本節目： https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw <br />留言告訴我你對這一集的想法：...

<p>**一款日語學習AI工具：japanese-analyzer，可以進行日文句子深度解析，拆解句法結構、標註詞性、呈現發音與釋義** <br /> <br />原聲TTS朗讀，還原純正日文發音 <br />一鍵輸出詞性、假名、羅馬音與文法成分，提供精準中文釋義 <br />支持OCR，雙語對照 <br /> <br />github：https://github.com/cokice/japanese-analyzer <br...

<p>**智能體卷瘋了，來一款全端通用AI Agent：Lemon AI，具備自主性和工具調用能力，可從需求到成果交付全流程自動化** <br /> <br />無需人工幹預，給它提供任務目標，它能自動找出完成任務所需的步驟以及工具，支援透過頁面端即時查看任務執行狀態 <br /> <br />Lemon AI整合了自然語言處理、程式碼產生、網頁瀏覽、API呼叫、系統命令執行、應用程式操作等多種能力 <br /> <br...

<p>https://chat.deepseek.com/ <br /> <br />加入免費會員，更新資訊不漏接： https://open.firstory.me/join/cma3mukjr127j01w5h4m56giw <br />小額贊助支持本節目： https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw <br />留言告訴我你對這一集的想法：...

<p>**騰訊剛剛開源了HunyuanVideo-Avatar，根據音頻生成動畫視頻，它能根據語音匹配豐富的表情，讓你的數位人具備「生命力」** <br /> <br />給一張人物的圖片，再給一段音頻，它能讓這張圖片裡的人物動起來，從效果看，嘴型、表情、動作都和語音高度同步！ <br /> <br />並且支持多個人物同時對話，這可以用來做對話、訪談類的內容了 <br /> <br...

<p>**AI在育兒領域的應用：一個AI保姆專案：ai-baby-monitor，讓家長不必時刻緊盯著嬰兒，可以安心的做其他事情，也可以延伸到老人看護場景** <br /> <br />ai-baby-monitor是一個基於本地視頻和LLM的AI嬰兒監視器，可作為家長的“第二雙眼睛”，及時發現嬰兒的危險行為或潛在危險情況，提醒大人及時幹預 <br /> <br />可以提前設定一些安全規則，如果違反了規則，它就會發出蜂鳴聲警報...

<p>**完成一個公司名稱，進行一些公司的研究，取得格式化的公司資料！ ** <br /> <br />hyperbrowserai搞一個公司研究員工具，一個無介面命令列工具 <br /> <br />搞公司研究/市場分析的可做資訊收集工具 <br /> <br />github：https://github.com/hyperbrowserai/examples/tree/main/company-researcher <br />...

<p>**微軟開源的：NLWeb，讓網站從點按鈕、填表格的方式升級為用聊天的方式互動！ ** <br /> <br />NLWeb是讓網站實現對話式介面的協議，並且支援MCP，也就是說NLWeb也可以和其他AI工具無縫對接 <br /> <br />它基於Schema org等語意層，提供了開放式協定和開源工具，用來建構AI網路的基礎層，類似當年HTML對文件共享的作用一樣 <br /> <br...