AI報報報

**最新出的一款基於LLM的文件解析模型的輕量級：MonkeyOCR，效能好速度快** 其3B在中文文檔解析任務上平均表現超過了Gemini 2.5 Pro和Qwen2.5-VL-72B 對於多頁文件解析，其處理速度達到每秒0.84頁，超過了MinerU的0.65頁/秒和Qwen2.5-VL-7B的0.12頁/秒 相較於MinerU，MonkeyOCR在九種中英文文件類型上平均表現提升了5.1%，公式辨識提升了15%，表格辨識提升了8.6% MonkeyOCR採用「結構偵測-內容辨識-關係預測」三元組模式，在簡化傳...

🎧聽武術教練巴士說：「她會重複問問題、一直弄丟健保卡，後來進展到會開始走失。」👉   https://fstry.pse.is/9b9rjz   照顧人生無法預期何時來！「先來一杯 我們再聊」聆聽照顧者、陪你預備長照未來！點擊連結，讓我們有機會不在照顧困境掙扎。  —— 以上為 Firstory Podcast 廣告 —— **把Claude Code的AI能力整合到GitHub工作流程中的一款工具：claude-hub，變成GitHub的AI助手，實現自動化開發流程** 在GitHub的...

🎧聽作家葉揚說：「長照最辛苦是看不到終點，每天反覆煎熬，但其實，都會有終點的……」👉 https://fstry.pse.is/9b9sqf      照顧人生無法預期何時來！「先來一杯 我們再聊」聆聽照顧者、陪你預備長照未來！點擊連結，讓我們有機會不在照顧困境掙扎。 —— 以上為 Firstory Podcast 廣告 —— **具備細粒度語音編輯能力的一款AI語音修復模型：PlayDiffusion，修改後的語音聽上去可與原語音無縫銜接** 對於做語音播報、或...

🎧聽藝人苗可麗說：「到底什麼是人生無常，直到經歷過才知道……」  👉 https://fstry.pse.is/9b9tsr     照顧人生無法預期何時來！「先來一杯 我們再聊」節目聆聽照顧者、陪你預備長照未來！點擊連結，讓我們有機會不在照顧困境掙扎。 —— 以上為 Firstory Podcast 廣告 —— **很有趣的一個項目，科學研究論文轉換程式碼：Paper2Code** Paper2Code可以讀取機器學習領域的PDF/LaTeX格式的科學研究論文，然後自動幫你寫...

🎧聽演員李運慶說：「幫爸爸換藥，發炎反覆近一年，我跟哥哥都想這會持續到什麼時候呢？」👉 https://fstry.pse.is/9b9ujy     照顧人生無法預期何時來！「先來一杯 我們再聊」聆聽照顧者、陪你預備長照未來！點擊連結，讓我們有機會不在照顧困境掙扎。 —— 以上為 Firstory Podcast 廣告 —— 這些文本介紹了 FLUX.1 Kontext，這是一個即將開源的生成模型套件，被宣稱為「GPT Killer」。ComfyUI 已將其作為官方...

🎧聽宅女小紅說：「我媽喜歡打麻將，但照顧爸爸期間，她變得不敢出門，我覺得她很累。」👉 https://fstry.pse.is/9b9wbg     照顧人生無法預期何時來！「先來一杯 我們再聊」聆聽照顧者、陪你預備長照未來！點擊連結，讓我們有機會不在照顧困境掙扎。  —— 以上為 Firstory Podcast 廣告 —— 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...

🎧聽民歌之母陶曉清說：「我把他手機搶過來刪訊息，他氣到不行，覺得生命被掌控了。」👉 https://fstry.pse.is/9b9xd3      照顧人生無法預期何時來！「先來一杯 我們再聊」聆聽照顧者、陪你預備長照未來！點擊連結，讓我們有機會不在照顧困境掙扎。 —— 以上為 Firstory Podcast 廣告 —— **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** 支援100+頁PDF長文件的處理，自動進行分割與並...

**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%** 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% 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 它不僅能預測，還能解釋原因，它會逐步推理，這個就能讓科學家清楚看到基因變異是如何導致疾病的，而不是只...

**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！ ** 目前生成影片時間長為5秒，格式為9:16，未來將支援16:9 最多可以同時排隊生成三個視頻，創作內容保存90天 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 加入免費會員，更新資訊不漏接： https://open.firstory.me/join/cma3mukjr127j01w5h4m56giw 小額贊助支持本節...

**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** 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 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 也可以點選瀏覽器裡的任何元素，直接定位到程式碼 目前可以從文字、圖片匯入創建應用 支援無縫整合...

**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** 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 支援“函數”和“變數”，可以定義函數來擴展功能 支援即時預覽，內容有修改會自動更新 github： https://github.com/iamgio/quarkdown 加入免費會員，更新資訊不漏接： https://open.firstory.me/join/cma3mukjr127j01w5h4m56giw 小額贊助支持本節目： http...

**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** 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 能夠存取使用外部知識庫來回答問題 可以同時處理文字和語音 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 部落格： https://elevenlabs.io/blog/conversational-ai-2-0 加入免費會員，更新資訊不漏接： https://open.firstory.me/join/cma3muk...

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

**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** 原聲TTS朗讀，還原純正日文發音 一鍵輸出詞性、假名、羅馬音與文法成分，提供精準中文釋義 支持OCR，雙語對照 github： https://github.com/cokice/japanese-analyzer 加入免費會員，更新資訊不漏接： https://open.firstory.me/join/cma3mukjr127j01w5h4m56giw 小額贊助支持本節目： https://open.firstory.me/use...

**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** 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 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 可執行市場調查、金融分析、數據分析、程式碼程式設計、生活規劃等領域的複雜任務 github： ht...

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

**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」** 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！ 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 支援多種風格，真人照片、動漫、3D角色、卡通等等 做電商直播、創意短片、個人化老師、AI播報員都可以，數位人捲起來了 github...

**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** 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 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 基於Qwen2.5 VL模型，所有數據均在本地處理，支援同時監控多個房間 github：...

**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！ ** hyperbrowserai搞一個公司研究員工具，一個無介面命令列工具 搞公司研究/市場分析的可做資訊收集工具 github： https://github.com/hyperbrowserai/examples/tree/main/company-researcher 加入免費會員，更新資訊不漏接： https://open.firstory.me/join/cma3mukjr127j01w5h4m56giw 小額贊助支持本節目： https://open.firstory.me/user/cma3mukjr127j01w5h4m...

**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！ ** 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 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 支援Windows、MacOS、Linux等作業系統，也相容於Qdrant、Snowflake等多種函式庫、​​大模型 並提供了程式碼範例和工具，可以快速為網...

**一個用語言互動的無人機控制研究計畫：UAV-Flow，透過語言指令實現無人機的精確控制，直接說話就能飛** UAV-Flow是第一個專注於精細動作控制的系統，過去的研究主要集中在遠距離導航控制 UAV-Flow主要專注於語言引導的精細動作控制，無人機根據語言指示可執行更複雜、更精準的近距離動作 例如，用說話的方式，讓它繞樹飛行，在車的左側降落等，更適合一般人使用 其用「模仿學習」的方法來訓練無人機，就是說讓無人機「模仿」經驗...

**一套LLM幻覺檢測工具：uqlm，給了多種評測方式來檢測AI輸出幻覺，可以根據不同的場景選擇合適的方法** 1.黑盒評分器，透過多次產生並比較相同提示的回復來評估一致性。就反覆問同一個問題，如果每次回答的核心意思不一致或差異很大，表示它可能在瞎編 2.白盒評分器，利用token機率估計不確定性。看看LLM對自己答案中每個部分的自信程度，如果它對某個字或句子很不確定，就表示這部分內容可能有問題 3.專家評審法 (LLM 作為評審評...

**Google基於Gemma 3的多模態醫療模型：MedGemma，可根據醫學影像和病歷描述產生診斷報告** 它在胸部X光片、皮膚病圖像、眼科圖像、病理切片等大量醫療數據上進行了預訓練和微調 可以看圖說話，給一張X光片，讓它用文字描述圖像內容；讓它回答關於醫學的問題；或給它一些醫學影像和相關病歷信息，讓它產生一份診斷報告 兩個版本， 4B 多模態版，支援圖像和文字 27B 純文字版 性能都優於其基礎模型 應用場景可以用於醫學影像分類；...

**Manus類agent卷瘋了，又出來一款ii-agent開源框架，擅長建構跨多個領域工作流程的agent，能獨立執行複雜任務已成為Agent標配** 其技能涵蓋研究與核查、內容產生、資料分析視覺化、軟體開發、工作流程自動化、問題解決6個面向 可以用它來做筆記、寫文章、做研究、分析資料、寫程式碼、建立網站、自動化工作流程、故障排除等等，基本上日常工作涵蓋的差不多了 ii-agent整合了搜尋引擎、程式碼編輯器、命令列終端機等工具，使得它可...

https://claude.ai/new 加入免費會員，更新資訊不漏接： https://open.firstory.me/join/cma3mukjr127j01w5h4m56giw 小額贊助支持本節目： https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw 留言告訴我你對這一集的想法： https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw/comments Powered by Firstory Hosting