Posts

传统聊天式AI在教育中主要通过文本交互完成答疑，但这种方式的表现力有限，尤其在 STEM（科学、技术、工程、数学） 学科中，缺乏图形演示、公式推导与逻辑操作的支撑。 ChatTutor 的设计初衷正是弥补这一空白： > “为AI教师配备电子白板和交互工具，使其具备‘视觉教学’能力。”

StepFun AI （阶跃科技）发布 Step-Audio-EditX 语音开源模型，这是世界上第一个 LLM 级别的音频编辑模型。 它不仅能合成语音，还能编辑声音的情绪、语气、风格，让生成的语音更自然、更有表现力。 - 一个 基于大语言模型（LLM）架构 的音频模型； - 30亿参

Inworld TTS 是一款面向实时语音交互与数字角色开发的高端语音AI系统，集成： - Text-to-Speech（TTS）语音合成 - Voice Cloning（声音克隆） - 多语言与情感语音控制 - 实时流式生成（Streaming） - 非语言表达（no

notebooklm-skill 是一个为 Claude Code开发的插件（Skill），用于让 Claude Code 能直接与 Google NotebookLM 通信。 它让 Claude Code（AI 编程助手） 可以直接查你在 Google NotebookLM 上上传的文档，比如

SoulX-Podcast 是由 Soul AI Lab（Soul应用背后的AI实验室） 开发的 高保真播客生成推理框架，旨在从文本直接生成长篇、多说话人、对话式语音内容。 SoulX-Podcast ： > 实现了高真实度、长时段、多说话人、多语种（中英双语 + 多方言）播客式语音生成，

Smart ComfyUI Gallery 是一款专为 ComfyUI 用户打造的智能文件管理与可视化工具 能以优雅、快速、移动友好的方式管理你用 ComfyUI 生成的所有图片和视频，并自动关联每个文件的生成“工作流（workflow）”。 ComfyUI 用户经常遇到以下问题：

AI2（Allen Institute for AI） 发布的新一代光学字符识别模型 —— olmOCR 2。 它是一个将 PDF 文件、扫描文档和历史资料 转换为可编辑文本的 AI 模型，重点是处理传统 OCR 系统难以应对的 复杂文档结构和手写体识别问题。 olmOCR 2 在识别文档时，内

美国生命科学公司 Tahoe Bio 发布了一款新的人工智能模型：Tahoe-x1（简称 Tx1）。 它是一个拥有 30亿参数（3B） 的大型基础模型（foundation model）， 目标是让 AI 能够理解 基因、细胞和药物之间的关系。 简单来说，Tahoe-x1 想要让 AI “学

DeepSeek 团队提出了一种新型 OCR（图像识字）文档理解系统：DeepSeek-OCR，它不仅能识别图片中的文字，还探索了一个大胆的想法： 👉 把长文本“压缩”成图片，让AI更高效地记忆和处理信息。 DeepSeek 团队称这种技术为： > “上下文光学压缩（Context Opt

研究背景：AI 正进入癌症基因学的核心环节 癌症的本质是一种 基因调控失衡 导致的疾病。 当细胞的 DNA 损伤修复系统或分裂控制基因被突变破坏时， 细胞可能无限制分裂、逃避免疫系统、甚至入侵身体其他组织。 每种癌症都拥有独特的 基因突变组合（mutational signature），