#SLAT
共 108 篇相关文章
·14 分钟
ViiTor Translate：懂梗的跨屏实时字幕翻译工具评测
ViiTor Translate 是一款主打语境理解的实时字幕翻译工具，支持iOS、Android和Chrome三端，为追Vtuber、K-pop和动漫的用户提供悬浮字幕体验。本文深度分析其核心功能、目标人群及潜在挑战。
阅读全文 →
·9 分钟
Gemini 3.5 Live Translate：谷歌实时翻译模型深度解析
谷歌发布Gemini 3.5 Live Translate实时翻译音频模型，支持多语言低延迟语音翻译。本文深度解析其技术亮点、应用场景及对AI翻译行业的影响。
阅读全文 →
·8 分钟
自托管ASR模型vs云端API：成本与可靠性全面对比
深入分析自托管ASR开源模型与Google等云端语音识别API的成本差异、可靠性对比及盈亏平衡点计算，提供Whisper、IBM Granite等方案的实用选型建议，帮助团队做出最优技术决策。
阅读全文 →
·12 分钟
NullOrigin开源工具：本地代理清除AI水印与溯源元数据详解
深入解析NullOrigin开源本地代理工具，了解它如何通过本地SLM改写摧毁文本统计水印、剥离C2PA/EXIF图片元数据、扫描Trojan Source代码漏洞，以及其本地优先架构的技术原理与伦理争议。
阅读全文 →
·7 分钟
Transformer是什么？一文读懂所有AI大模型的核心技术
Transformer是GPT-4、Gemini、Claude等所有主流AI大模型的底层技术。本文通俗解读Transformer的注意力机制如何解决旧模型健忘和无法并行两大难题，以及它为何能引发整个生成式AI革命。
阅读全文 →
·15 分钟
VoiceGecko：完全本地运行的开源语音转文字工具
VoiceGecko 是一款开源桌面语音转文字工具，完全本地运行，无需云端处理。支持快捷键触发、即时转录，兼顾隐私保护与低延迟体验，适合开发者、AI用户和内容创作者提升输入效率。
阅读全文 →
·14 分钟
SubtitleGenerator：浏览器内免费AI字幕生成与翻译工具评测
SubtitleGenerator是一款浏览器内运行的AI字幕工具，提供每月60个免费视频额度，支持字幕生成、校对、翻译、样式设计和多格式导出，视频无需上传云端，隐私安全有保障。
阅读全文 →
·13 分钟
POMDP重构低资源机器翻译：孟加拉语翻译Agent设计解析
探讨如何用POMDP框架重新建模低资源机器翻译问题，结合MBR解码与主动消歧机制，解决孟加拉语翻译中的歧义、语码混合与语音噪声等核心难题，提供智能体化翻译系统的完整设计思路。
阅读全文 →
·15 分钟
多语种语音识别中技术术语被音译？四种解决方案详解
当韩语、日语语音识别将GitHub音译为기터부或ギットハブ时，开发者该如何应对？本文深入分析语码转换导致的技术术语音译难题，对比纠错词典、热词偏置、模型微调等四种主流解决方案的优劣与适用场景。
阅读全文 →
·10 分钟
AMD Am29000浏览器复活记：尘封25年的RISC遗产重见天日
一位开发者通过模拟器让1999年为AMD Am29000处理器编写的C编译器和Web浏览器重新运行上网。本文回顾Am29000 RISC处理器的兴衰历史，探讨模拟器技术在数字遗产保护中的关键价值，以及老旧软件工具链的长期可维护性启示。
阅读全文 →
·15 分钟
为AI生成的GPU内核构建合约级验证器：解决LLM代码信任难题
探讨如何通过合约级验证器验证LLM生成的GPU内核代码正确性，解决AI代码生成中的并行竞态、边界越界等信任问题，构建生成-验证-迭代的自动化工作流。
阅读全文 →
·14 分钟
SL2T模型：手语实时转文字的AI突破与无障碍技术新方向
深入解析SL2T手语转文字AI模型的核心技术原理、应用价值与发展前景。了解这款突破性模型如何通过多模态识别将连续手语实时转换为文字，为聋人和听障群体消除数字沟通鸿沟。
阅读全文 →
·8 分钟
HTML in Canvas：Canvas高性能渲染与DOM原生能力兼得的新方案
深入解析HTML in Canvas技术方案，了解如何在Canvas高性能GPU加速渲染的同时保留DOM的无障碍访问、翻译等原生能力。包含Redbus平台的实际应用场景与POC验证进展。
阅读全文 →
·13 分钟
手语转文字AI：SL2T模型如何实现无障碍沟通
深入解析手语转文字AI模型SL2T的技术突破与应用价值，了解它如何将手语动作实时转化为文本，为聋人和听力障碍群体打破沟通壁垒，推动数字无障碍包容性发展。
阅读全文 →
·9 分钟
谷歌SL2T模型：手语实时转文字技术登陆Pixel 11
谷歌发布SL2T手语转文字模型，支持美国手语实时转换为英文文本，深度整合Gboard输入法与Live Transcribe，率先在Pixel 11端侧部署，为聋人及听障用户提供系统级无障碍交互体验。
阅读全文 →
·12 分钟
文本水印技术FreqMark：频域水印如何检测AI生成内容
深入解析FreqMark频域文本水印技术的核心原理，探讨如何通过傅里叶变换在AI生成文本中嵌入隐蔽信号，实现内容溯源与AI文本检测，分析其鲁棒性优势与现实挑战。
阅读全文 →
·13 分钟
ChatGPT桌面版登陆Linux：开发者迎来原生AI编程体验
OpenAI正式推出ChatGPT Linux桌面预览版，支持ChatGPT、ChatGPT Work和Codex三大产品线。Linux开发者可通过原生应用获得AI辅助编程、代码补全、项目集成等能力，告别浏览器切换的低效工作流。
阅读全文 →
·6 分钟
Token Harbor：一个API统一接入GPT、Claude、Gemini等前沿大模型
Token Harbor提供OpenAI兼容的统一API，让开发者一次配置即可调用GPT、Claude、Gemini、DeepSeek、Kimi等多个前沿大模型，支持自由切换模型和按用量付费，大幅降低多模型接入的工程负担。
阅读全文 →
