日期: 2025 年 5 月 27 日

Stable Audio Open Small 开源，为手机实现音频生成部署

作者

Stability AI与Arm联合发布了一种名为Stable Audio Open Small的小型文本到音频模型，能够在智能手机上运行并实现约7秒生成11秒立体声音频的效果。该模型基于ARC技术开发，参数量减少至3.41亿，内存使用量降至3.6GB，适合移动设备使用。

Langchain创始人最新分享：如何跨越“原型惊艳”到“生产可靠”的鸿沟

作者

LangChain创始人Harrison Chase在Interrupt大会上发表了主题演讲，指出AI行业面临的痛点是将大模型转化成可靠应用的困难。他提出智能体工程师需要掌握提示工程、工程能力、产品思维和机器学习知识，并分享了LangChain对智能体开发的洞察与策略预判。

字节开源高效解析文档图像的新型多模态模型Dolphin，快速将复杂的文档图像转化为结构化数据。

作者

Dolphin是基于单一视觉语言模型的两阶段文档图像解析模型，采用自然阅读顺序生成元素序列和异构锚点提示进行高效并行解析。支持页面级和元素级解析，性能卓越。