搜索
声音理解能力新SOTA，小米全量开源了模型。 MiDashengLM-7B，基于Xiaomi Dasheng作为音频编码器和Qwen2.5-Omni-7B Thinker作为自回归解码器，通过创新的通用音频描述训练策略，实现了对语音、环境声音和音乐的统一理解。
过去因为技术门槛而止步的需求，开始通过 AI 变成现实。
两个月前，我在文章里第一次提到 Vibe Coding 这个新名词的时候，还在犹豫要不要加几句解释，怕大多数人看不明白。没想到这么快，至少在 AI 圈里，Vibe Coding 已经成了人人都懂的新概念。
就在刚刚，Meta 宣布，清华校友赵晟佳（Shengjia Zhao）将正式担任其超级智能实验室（ MSL）首席科学家。
ShellAgent 2.0， 没有选择卷复杂华丽的前端页面，而是闷头把后台交互卷到极致。 也就是说，我们写生成应用提示语的难度降到了有嘴就会的级别。
今天带来 Myshell ShellAgent 2.0 的测试和介绍。 发现 Myshell 上了一个 ShellAgent 2.0 的能力，只需要提示词就能生成一个 Agent 应用。他们这个有意思的点是，没有复杂的前端页面都会在一个 Chatbot 里构建类似的交互，这就摆脱了构建前端的复杂流程降低了错误率，Agent 只需要管理工具之间的交互就可以。
Vibe Coding 2.0来临，中文就是最热门编程语言！全新ShellAgent横空出世，无需敲代码，几句话即可搞定一个APP。人手一个爆款Agent时代，即将到来。
MyShell 自从进入 ShellAgent 的框架阶段，由于深度融合了 ComfyUI 生态，图像视频流的 Agent 迎来了井喷式的爆发。上个月据说上新了 150+个，竞争确实有点激烈了。但其实图像视频流的能力并不代表 ShellAgent 所能做的全部可能性，仍然有大量值得探索的场景等待创作者去尝试。
大家好，我是袋鼠帝 还记得前两天Google IO大会上他们发布的最新视频模型Veo3吗 它可以根据提示自动添加环境音效、背景噪声、音乐和对话，并与画面完美同步 而且生成的视频相当炸裂，已经让我有点分不清虚幻与现实了 比如这位推特大神（Hashem Al-Ghaili）用Veo3制作的视频，相当🐂🍺
不知道还有多少人记得那场发布会。