- 博客(2378)
- 收藏
- 关注
RSS订阅原创 AMD 开源 Gemma 本地大模型如何上手：gemma-4-12B-it_rai_1.9.0_m_1.0.1_npu 完整概览与新手入门指南
本文带你快速了解 **AMD 开源的 Gemma 本地大模型** `gemma-4-12B-it_rai_1.9.0_m_1.0.1_npu`：它是基于 Gemma 家族的 120 亿参数（12B）指令微调模型，面向 **NPU（神经网络处理单元）本地推理**优化。无需联网、无需复杂配置，跟随本指南即可在几小时内把它跑到自己的机器上。## 一句话看懂这个模型| 命名片段 | 含义 | 对新
2026-11-08 20:59:46
原创 拆解 Kandinsky 6.0 七大核心组件：Transformer、视频VAE、音频Vocoder 架构全解析
Kandinsky 6.0 Pro 是 KandinskyLab 发布的**视频+音频同步扩散生成模型**（Diffusers 格式），5 秒内同时产出带 44.1kHz 声音的视频。本文拆解仓库中 Transformer、视频 VAE、音频 Vocoder 等七大核心组件的架构与协作关系，帮你快速看懂这个多模态生成模型的完整骨架。## 🧩 一、先看全家福：七大组件一览整个仓库就是一个"
2026-11-08 20:55:40
239
原创 一文读懂Qwen3-4B-Instruct_rai_1.9.0_m_1.0.1_npu的命名：rai、m_1.0.1与npu到底代表什么？
面对 **Qwen3-4B-Instruct_rai_1.9.0_m_1.0.1_npu** 这样一长串模型名，新手很容易一头雾水：这是哪个模型？`rai`、`m_1.0.1`、`npu` 又分别代表什么？本文以这个 AMD 官方适配的 Qwen3-4B 指令模型为案例，逐段拆解命名含义，帮你 3 分钟看懂模型版本号的"身份密码"，不再下载错版本。## 这个仓库到底是什么？一句话概括：它是
2026-11-08 20:04:35
2
原创 动手实战:用Qwen2.5-Omni-7B-GGUF打造支持语音与图像理解的本地智能助手
Qwen2.5-Omni-7B-GGUF 是阿里 Qwen2.5-Omni-7B 多模态大模型的 GGUF 量化版本，原生支持**文本、语音、图像输入**，可以完全离线运行在你的个人电脑上。本文带你一步步部署这个本地智能助手，实现语音转写与图像问答，数据全程不出内网。## 📌 什么是 Qwen2.5-Omni-7B-GGUF？多模态大模型通常依赖云端 API，费用高且存在隐私风险。而 *
2026-11-08 18:02:20
315
原创 NebullVM 质量评估实操：量化压缩之后，LLM 输出还能信吗？
NebullVM 是一套 AI 模型性能优化工具集，内置 NebullVM 质量评估能力：在量化、编译之后，它自动拿优化前后的模型输出做逐条对比，用数字告诉你精度掉了多少、延迟变成多少，帮你决定这份优化产物能不能直接上线。[![NebullVM 质量评估示例：优化前后延迟、吞吐与 metric drop 对比](https://raw.gitcode.com/gh_mirrors/ne/neb
2026-11-08 15:38:28
426
原创 一个模型多种声音：piper-voices多说话人语音模型vctk与libritts使用技巧
piper-voices 是 Piper 语音合成系统（TTS）的官方音色模型库，其中 **vctk** 和 **libritts** 是最受欢迎的「多说话人模型」——一个模型文件里装进 109 到 2306 个不同的声音，只需用 `--speaker` 参数切换，就能让同一套模型说出完全不同的人物音色。🎙️ 本文带你快速上手这两类多说话人语音模型。## piper-voices 多说话人模
2026-11-08 13:57:46
218
原创 RVC WebUI 快速上手：10 分钟音频免费完成 AI 变声模型训练
Retrieval-based-Voice-Conversion-WebUI（简称 RVC WebUI）是一套开源的语音音色转换与变声框架，只需 10 分钟左右低底噪音频就能训练出可上手的语音克隆模型，同时支持实时变声与批量转换，适合歌手翻唱创作者、直播主播和视频配音工作者。## 它到底能做什么传统变声器只改变音高和频谱，音色本身几乎不动；RVC 用神经网络建模音色，并通过 top1 检索
2026-11-08 12:03:46
362
原创 Cap 开源录屏工具：免费无水印、三平台通用、本地模式不限时长
客服用文字描述一个 Bug 时，你在自己机器上复现不出来。一段带口播的录屏，比十张截图更有说服力。Cap 是一款完全免费、无水印的开源录屏工具，Windows、macOS、Linux 三平台都能跑。## 能力边界速览- 全屏、窗口、画中画（屏幕加摄像头）三种录制方式- 内置编辑器：音量调节、片段整理、预设模板- 多麦克风切换、实时静音- 云端模式录完直接生成分享链接- 本地模式不限
2026-11-08 11:41:45
739
原创 Folia 安装部署完整指南：从桌面端到 NAS 的 5 步路线
本文是 Folia 的安装部署教程。Folia 是一款以全屏歌词动画为核心、同时支持在线平台（网易云、QQ 音乐、酷狗、Navidrome）与本地音乐库的播放器。教程覆盖三条部署路线：桌面版安装、Web 版本地运行、Docker 自托管，适合既想在个人电脑上装起来、又打算在服务器或 NAS 上长期运行的读者。## 一、部署前环境自查动手之前先确认三件事，可以避免后续大部分报错：1. *
2026-11-08 10:33:20
234
原创 Folia 下载与安装完整指南：三大平台 10 分钟装好歌词动画播放器
Folia 是一款把歌词渲染成全屏动画的音乐播放器，支持网易云、酷狗、QQ 音乐、Navidrome 以及本地曲库。你按本文操作，从拿到安装包到听上第一首歌，全程大约 10 分钟。## 装前自检：30 秒确认你的系统对应哪一节先用 30 秒确认机器类型，直接跳到对应章节读：| 你的机器 | 怎么确认 | 该读哪一节 || --- | --- | --- || Windows | 设
2026-11-08 10:27:53
60
原创 【亲测可用】大模型安全评估测试题与拦截词清单：上线前如何给AI做一次安全体检
给大模型做安全评估，最怕题目自己想不全、拦截词自己攒不齐。这个仓库里正好有两样：一套可以直接拿去测的大模型安全评估测试题，和一份对应 TC260 的拦截词清单。把它们喂给模型，就能知道它会不会在隐私、偏见、越狱、伦理这几条线上踩雷。## 📦 仓库里有什么打开仓库，你会看到三样东西：- [README.md](https://link.gitcode.com/i/a95eb2bfe6f
2026-11-07 21:59:39
4
原创 DBDelve 三级连接模式详解：SQL 语句分类与门控机制如何拦住危险数据库操作
DBDelve 是一款用 Rust 和 GPUI 编写的轻量级跨平台数据库客户端，它为每个连接提供 Read-only、Read-write、Full 三级访问模式（连接模式），并在每条 SQL 语句执行前先做**语句分类（classify）**、再过**门控（gate）**，从而在读生产库时也能放心地"随便点"。本文带你搞清楚这三级连接模式各自能做什么、语句是如何被分类的、以及危险操作是如何被一
2026-11-07 21:49:35
6
原创 Skullet是什么：告别页面抖动的多框架智能骨架屏库，React/Vue/Svelte一站式支持
skullet 是一款智能骨架屏库（Smart skeleton states），专为 React、Vue、Svelte 和原生 JavaScript 打造：它在数据到达前把真实内容"隐形排版"一遍，按内容的实际占位画出骨架屏，数据加载后原样替换——页面从此告别跳动。🦴[![skullet 智能骨架屏加载效果：按真实内容占位绘制的骨架屏](https://raw.gitcode.com/gh
2026-11-07 19:58:16
69
原创 如何把一款新SFC游戏接进来：smw可复用仿真框架实战指南
smw 是一个 Super Mario World 逆向重实现项目，它的最大亮点是内置了一套**可复用的 SFC 仿真框架**：SNES 硬件层完全通用，游戏层即插即用。仓库里已经用同一套框架接入了 SMW、SMB1、SMBLL 三款游戏。本文就以现成的 SMB1 为例，带你走通"把一款新 SFC 游戏接入 smw 框架"的完整流程：从注册游戏 ID，到帧驱动、音频适配、构建与双跑对拍验证。#
2026-11-07 18:26:25
388
原创 从零搭建自己的AI图表MCP服务：mcp-mermaid源码阅读与本地开发完全指南
mcp-mermaid 是一个基于 MCP 协议（Model Context Protocol）的 **AI 图表生成服务**：把 mermaid 文本语法交给大模型，就能动态生成流程图、时序图、甘特图等图表。只需一次 `git clone` 加三步命令，你也能在本地从零搭建出属于自己的 AI 图表 MCP 服务，并读懂它的每一行核心源码。## 一、mcp-mermaid 是什么？AI 图表
2026-11-07 16:26:56
176
原创 4 步跑通 DeepSeek-V4-Flash-DSpark：本地部署最简路径
你只需要 4 张 48G 显存的卡和 30 分钟一条命令链，就能完成 DeepSeek-V4-Flash-DSpark 本地部署：284B 参数的 MoE 模型，支持 1M 上下文，内置 DSpark 投机解码模块，从权重转换到第一次对话。## 能力速览：参数、上下文与 DSpark 一张表先看清几个硬指标，判断它值不值得占你的磁盘和时间：| 指标 | 数值 || :--- | :-
2026-11-07 14:03:32
416
原创 三条命令，在浏览器里运行 GPT-2：Transformer Explainer 完整上手指南
Transformer Explainer 是一个 Transformer 可视化工具：它把真实的 GPT-2 模型加载进你的浏览器，把「输入一句话、预测下一个词」的完整计算过程拆成四段可交互的动画。如果你学 Transformer 时经常被公式绕晕，这个工具能帮你先建立直观认识——每个组件吃什么、吐什么、注意力权重如何流动，全部看得见。下面按「先跑起来，再逐层看懂」的顺序来讲。## 🚀 环
2026-11-07 12:57:30
999
原创 Nashi 的测试与 UI 审计：如何用自动化脚本验证 macOS 与 Windows 功能对齐
Nashi 是一款跨平台开源文件工具，内置 46 种输入格式与 27 个本地处理工具，提供 macOS（Swift/SwiftUI）与 Windows（C#/WPF）两套原生实现。同一套功能要在两个系统上行为一致，靠人工逐个拖文件测试显然不现实。本文带你拆解 Nashi 如何用隔离 UI 审计、自动化脚本与冒烟测试，把"双端功能对齐"变成一条命令的事。🧪## 为什么跨平台工具特别需要自动化验
2026-11-07 12:32:54
126
原创 Driver Store Explorer 实操指南：完整清理 Windows 旧驱动并释放 C 盘空间
Driver Store Explorer（RAPR）是一款免费的 Windows 驱动存储管理工具，它把系统里所有第三方驱动包摊开成一张清单，供你比对、导出和删除。解决的是装过又卸过的设备留下的旧驱动包长期占据 C 盘、却无处可查的痛点。适合想给 C 盘瘦身、或要维护系统镜像部署的 Windows 用户来读。## 60 秒上手：一条命令装好环境要求：Windows 7 及以上、.NET
2026-11-07 12:03:21
443
原创 群晖第三方硬盘“未验证“一次配好：Synology HDD db 从 SSH 到开机自启
打开 Storage Manager，那块第三方硬盘旁边挂着一个灰色的"未验证"标记——群晖的兼容列表里没有它的型号。Synology HDD db 是一个把 NAS 里已装硬盘写进群晖兼容硬盘数据库的脚本。它会为每块盘补上型号和固件记录，用 `-n` 挡住自动同步覆盖，还能顺手开启内存警告、WDDA 等可选开关。## 它改什么，不改什么群晖内部维护着两份数据库文件：一份是认证硬盘列表，一
2026-11-07 10:12:41
542
原创 BrowserSkill 三步接入真实浏览器：让 AI Agent 用上你的登录态
BrowserSkill 是一套浏览器自动化桥接层：一个本地 daemon、一个浏览器扩展、一个 `bsk` CLI，让任何能开 shell 的 AI Agent 直接驱动你已登录的 Chrome 或 Edge。任务在独立的 Agent Window 里跑，全程可见，你随时可以接管。适合本地跑 Cursor、Codex、Claude Code 这类 Agent 的开发者。## 第一次跑通前
2026-11-07 09:45:41
152
原创 把微软 0.5B 语音模型放进 CPU 后：杂音和延迟，究竟从哪一步开始冒出来的？
最近一段时间，不少人在折腾微软开源的 VibeVoice。它的“实时版”VibeVoice-Realtime-0.5B 只有 5 亿参数，官方说法是开口延迟约 200 毫秒，还能一边接收文字一边说话，听起来像给电脑装上了“嘴”。于是，很多人的第一次尝试，是把模型下载到一台没有显卡的普通电脑上，然后敲下一行命令：用 CPU 跑。结果也很一致：声音确实出来了，但它会“沙沙”作响，像收音机没调准
2026-11-06 22:11:11
7
原创 3 步把 MacBook 刘海变成音乐控制中心：BoringNotch 快速上手指南
下午三点，音乐正放到副歌，你被一段代码卡住。手边想切下一首，却得先找到播放器窗口，从十几个标签和面板后面翻出来。这几十秒，一天要重复几十次。BoringNotch 是个开源的 macOS 小工具，它把屏幕顶部的凹口（刘海区）变成一块音乐控制中心：悬停就能控制播放，日历和文件收纳也挂在同一块区域。省掉的正是"找窗口"这一步。## 30 秒看懂 BoringNotch它接管凹口这块区域：鼠
2026-11-06 20:36:45
404
原创 如何把“阻塞等待“改写成“事件“：事件驱动架构设计实践
如果你写过链式 `await` 页面加载、再 `await` 下载完成、中间还要穿插超时和重试的代码，就会发现主逻辑很快被一堆横切逻辑淹没。**事件驱动架构**（Event-Driven Architecture, EDA）解决的就是这类问题。本文不罗列概念，而是以开源项目 openbrowser（一个 AI 浏览器代理）里的 [事件总线](https://link.gitcode.com/i/f
2026-11-06 16:57:37
212
原创 一个仓库搞定 17 个品牌的黑苹果 EFI：如何在自己的电脑上快速装好 macOS？
Hackintosh 是一个长期维护的黑苹果 EFI 与安装教程合集，收录了 17 个品牌、数百款笔记本与台式机机型的实测 EFI 配置和安装教程链接，并附带一套开箱即用的硬件检测、网卡诊断、驱动维护脚本，适合想在非苹果硬件上安装 macOS 的用户。## 为什么会卡在「找不到能用的 EFI」第一次装黑苹果的人，大多不是卡的技术，而是卡"找材料"。举个例子：你有一台 ThinkPad T4
2026-11-06 16:36:21
393
原创 8GB 显存跑通 AI 视频生成：WAN2.2-14B-Rapid-AllInOne 部署与调优指南
手里有一张静态产品图，希望它动起来、换几个角度做展示——这类需求过去通常要靠实拍或建模渲染。WAN2.2-14B-Rapid-AllInOne 项目把文本生成视频（T2V）、图片生成视频（I2V）、首帧到尾帧过渡（First-to-Last Frame）三种能力合并进同一个 FP8 精度的 checkpoint，配合 4 步采样就能出片，8GB 显存的显卡也能运行。下面按"能力边界 → 部署出片
2026-11-06 15:53:41
241
原创 认识ANOLISA Agent Memory：如何给AI Agent装上跨会话持久记忆，告别反复沟通
**ANOLISA Agent Memory** 是 ANOLISA（Agentic Nexus Operating Layer & Interface System Architecture，面向 AI Agent 的系统软件栈）内置的记忆组件。它为 AI Agent 提供**跨会话持久记忆**：Agent 像操作文件系统一样读写记忆，系统自动捕获对话要点、在下一轮对话前召回相关上下文，让你不必
2026-11-06 15:41:56
195
原创 Python 自动抢票脚本实战：大麦网盯票到下单免手动点
Automatic_ticket_purchase 是一个面向大麦网的 Python 自动抢票脚本，登录、盯票、提交订单三步全部走接口完成，省掉手动刷页面和反复点击按钮的环节。它适合想看懂接口调用链路、抢冷门非选座场次的个人使用；热门演出大多已迁到手机端，这套 PC 端链路对它们基本失效，不适合指望。[
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人