3
7 月
Claude Code 的隐写水印:AI 出口管制从政策进入了代码层
Claude Code 被发现在请求中嵌入隐写标记识别中国用户,HN 1480分登顶。AI 出口管制从政策层进入代码层,引发开发者信任与隐私的激烈争论。
29
6 月
AI推理加速三国杀:DSpark、DiffusionGemma、JetSpec,谁能定义下一代推理引擎?
29
6 月
千问输入法 macOS 版实测:语音输入 300 字/分钟,AI 帮你润色
6 月底,阿里千问输入法推出了 macOS 版本。核心卖点:语音输入最快 300 字/分钟,内置 AI 自动润色功能。不是「即将上线」,是现在已经可以在 Mac App Store 下载。
我在一台 M3 MacBook Pro 上用了三天。以下是真实体验。
语音输入:一开口就是 300 字/分钟?
我用最自然的中文语速朗读了一段技术博客作为测试。计时结果是:1 分钟朗读了约 290 个中文字符,输入法几乎零延迟地全部转录正确。口头语助词(「那个」、「就是」)会被自动过滤。偶尔出现的同音错字(「蒸馏」→「正经流」)可以通过重新朗读该句自动修正。
语音输入在中文场景下的最大痛点是准确率——行业平均水平在 90-95% 之间,意味着每 100 个字有 5-10 个需要手动修正。千问的三天测试下来,日常对话场景的准确率在 97% 左右,中等语速(每分钟200-250字)时几乎没有错字。技术文段中英文混排时的准确率会降到 93% 左右——英文专业术语有时被识别为发音相近的中文。
AI 润色:从口语到书面语的一键翻译
语音转文字后,AI 润色是最实用的功能。它不只是修正语法——它会重新组织句子结构,把口语化的表达变成书面文字。我对一段口头叙述做了测试,AI 润色后的文本除了修正口语化表达外,还自动补充了段落结构,使整体逻辑更清晰。不过需要注意的是,AI 润色可能会改变原文的强调重点——重要的观点建议自己手动微调。
跟 macOS 原生输入法比
macOS Sequoia 原生中文输入法已经很成熟了,日常打字选词准确率约 90%,但缺乏语音和...
28
6 月
VoxCPM:开源多语言语音合成引擎,30种语言+声音克隆+Apache-2.0商用许可
VoxCPM 是 OpenBMB 团队开发的开源端到端文本转语音系统,基于免分词的扩散自回归架构,最新版 VoxCPM2 拥有 2B 参数,训练数据超 200 万小时,支持 30 种语言和中文方言。
核心功能
🌍 30 种语言+中文方言:覆盖中英日韩法德西俄等,四川话、粤语、吴语、东北话等方言
🎨 Voice Design 声音设计:用文字描述想要的音色——性别、年龄、语气、情感、语速,无需参考音频
🎛️ 可控声音克隆:3 秒参考音频即可克隆,可文本指令控制说话风格
🎙️ Ultimate Cloning 极致克隆:提供参考音频+文本,还原声纹节奏情感每个细节
🔊 48kHz 高清输出:内置超分辨率,无需额外升频器
⚡ 实时流式推理:RTX 4090 上 RTF 低至 0.3,vLLM-Omni 加速至 0.13
📜 Apache-2.0 商用许可:代码和权重完全开源,自由商用
安装与快速使用
pip install voxcpm
要求 Python ≥ 3.10(<3.13)、PyTorch ≥...
28
6 月
Umi-OCR:免费开源的离线 OCR 识别工具,截图即识别,无需联网
Umi-OCR 是一款免费、开源、离线的文字识别桌面软件。无需联网、无需安装、解压即用。支持截图识别、批量图片识别、PDF 文档识别、二维码生成/扫描,内置多国语言识别库,适用于 Windows 7+ 和 Linux x64。
核心功能
📸 截图 OCR:快捷键唤起截图 → 自动识别文字 → 直接复制或编辑
📚 批量 OCR:一次性导入几百张图片,支持多种格式
📄 PDF 识别:直接识别 PDF 文档中的文字内容
🚫 忽略区域:排除水印、页眉页脚区域,识别更精准
📝 排版解析:自动识别多栏/单栏排版,支持竖排文字
🔣 公式识别:支持数学公式 OCR 识别
📱 二维码:扫描和生成二维码
🌐 多语言界面:自动跟随系统语言,支持中英日等
安装与使用
推荐下载:蓝奏云(国内推荐免注册不限速)、Scoop(scoop install extras/umi-ocr)、GitHub Releases 下载 .7z 解压即用。截图识别快捷键唤起,批量识别可导出 txt/jsonl/md/csv,支持忽略区域编辑器排除水印。
常见问题
Q: 为什么不用在线 OCR? 离线 OCR 无需上传文件,适合合同、证件等隐私敏感文档。
Q: 支持竖排文字吗?...



