Keep on to blur preview images; turn off to show them clearly
推荐下 Dice UI 的 Data Table 组件，真的非常赞 MkSaaS之前用的是 Shadcn UI 的 Data Table 组件，也不错， 但如果你需要更强的筛选、排序等功能，更推荐 Dice UI 的， 它支持设置多个筛选条件、多个排序条件等，界面也更好看 视频演示的是MkSaaS模板内置的利用table实现用户管理功能
🚀 The best AI SaaS boilerplate - https://t.co/VyNtTs0jSX 🔥 The best directory boilerplate with AI - https://t.co/wEvJ1Dd8aR 🎉 https://t.co/zubXJCoY92 & https://t.co/tfQf8T7gGF & https://t.co/TqRkfQj41f
RT @JiwonKwak6: Some of us in Korea celebrate alternative Pepero days. So happy droëwors day everyone
Photographer & software engineer, prev @Ghost. Loves building w/ Nodejs, React, Ruby/Rails, Python - making shipping fun! DM for collabs. ❤️ @JiwonKwak6
RT @calcsam: icymi we wrote a new agents book: patterns for building ai agents it has everything you need to take your agents from prototy…
helping software engineers fix their health through wellness coaching & community
谋智基金会推出全新的火狐浏览器吉祥物 #Firefox Kit，从 11 月 11 日开始 Kit 将逐渐出现在火狐浏览器中。需要注意的是 Kit 并不会替代当前火狐浏览器原型狐狸标识，因为这并不是火狐浏览器的新 LOGO。
查看全文：https://t.co/y6wB153iG5
Meta Omnilingual ASR：1600+ 语言通用语音识别模型 Meta AI 最新发布了一项重磅成果—— Omnilingual ASR 模型系列，标志着语音转文本技术向真正“全球通用”迈进了一大步。该系列模型支持超过 1600 种语言的转录，其中包括 500 种此前从未被 AI 转录过的低资源语言。简单来说，这就像为世界各地的口语建立了一个“翻译桥梁”，让偏远社区的方言也能轻松转化为可搜索、可分析的文本，从而缩小数字鸿沟。Meta 的目标不仅是技术突破，更是构建一个社区驱动的生态，用户只需提供少量音频-文本样本，就能为新语言“注入”支持。 为什么这很重要？从痛点看起 传统 ASR 系统往往局限于英语等高资源语言，因为它们依赖海量标注数据和人工元数据。这种“精英主义”导致全球约 7000 种语言中的大多数，尤其是低资源或口语化方言（如非洲或太平洋岛屿的本土语），完全被排除在外。结果呢？这些语言的说话者无法享受语音搜索、实时字幕或内容分析等便利，数字时代进一步加剧了文化不平等。Omnilingual ASR 直击这一痛点，通过自监督学习和高效架构，实现了大规模扩展，而非简单堆砌数据。 技术核心：高效、多样化的“智能引擎” Omnilingual ASR 的创新在于其双重架构设计，灵感来源于 Meta 的 wav2vec 2.0 框架，但规模化到 7B 参数级别（从低功耗的 300M 参数模型到高精度的 7B 参数版本）。核心流程是这样的： · 语音编码器：一个 7B 参数的 wav2vec 2.0 变体，从原始未转录音频中提取“语义表示”——这些表示捕捉了跨语言的通用语音模式，就像一个多语种的“听觉大脑”。 · 双解码器系统：第一个是经典的 CTC（连接时序分类）解码器，用于标准转录；第二个是受 LLM 启发的 Transformer 解码器，称为 LLM-ASR。这部分最亮眼，它支持“上下文学习”——用户只需几对音频-文本样本，就能让模型适应新语言，无需海量训练数据、专业设备或专家干预。当然，零样本性能还不如全训模型，但这种“即插即用”方式极大降低了扩展门槛。 此外，Meta 开源了 Omnilingual wav2vec 2.0 基础模型，可用于其他语音任务如情感分析或翻译。整个系统基于 fairseq2 框架，许可宽松，便于开发者二次利用。值得一提的是，该模型还发布了 Omnilingual ASR 语料库，包含 350 种欠服务语言的转录音频，通过全球伙伴协作 curation 而成。 实测表现：数据说话 在基准测试中，7B 参数的 LLM-ASR 模型在 1600+ 语言上达到了最先进水平：78% 的语言字符错误率（CER）低于 10%（CER 越低，转录越准确）。这远超现有基线，尤其在低资源语言上表现出色。例如，它能处理从印地语到稀有非洲语的多样输入，而无需特定语言微调。Meta 强调，这些结果基于严格评估，证明了模型的鲁棒性——即使面对噪声或方言变体，也保持较高准确率。 更广影响：不止是技术，更是赋能 Omnilingual ASR 的意义超出实验室。它能赋能教育（如多语种字幕）、医疗（如远程诊断转录）和文化保存（如数字化口述历史），让全球 70 亿人中的边缘群体“发声”。Meta 呼吁社区参与：通过开源工具，用户可轻松贡献新语言样本，推动模型迭代。这不仅是 Meta 的贡献，更是 AI 向包容性演进的范例。未来，他们计划进一步优化零样本能力，并扩展到更多下游应用，如实时翻译或无障碍通信。
邵猛，中年失业程序员 😂 专注 - Context Engineering, AI Agents. 分享 - AI papers, apps and OSS. ex Microsoft MVP 合作 - 私信/邮箱：shaomeng@outlook.com 📢 公众号/小红书: AI 启蒙小伙伴
In Amsterdam tonight? Don’t miss the AI Tinkerers Meetup (Nov 11)! @lauragift_ will be demoing Dynamic Routing with AI Gateway - showing how to make your AI agents smarter and faster. https://t.co/toDvySTdXo
Have questions, or building something cool with Cloudflare's Developer products? We're here to help. For help with your account please try @CloudflareHelp