test 语音转文本完整方案 一、方案概述 将 test 录课视频（MKV 格式）批量转录为带标点的中文文本。 输入：U:\test\ 下 119 个 MKV 文件（共 93GB，约 83 小时音频） 输出：F:\test_transcripts\ 下 119 个同名 .txt 文件（共 115 万…
验证如果看到这篇文章，说明脚本正常。
永生就是永死 刘慈欣有一部很少有人读过的小说。故事发生在很多年以后的未来。电脑网络覆盖了整个国家，二十亿公民可以通过终端直接参与决策。六个被数字技术复活的历史人物进入了全国总网，其中一个开始疯狂复制自己。上亿个复制体占领了整个网络。他们关闭大坝闸门，控制吸尘器和智能警车。外部的核威胁开始倒计时。最终…
前言 2023年3月，这个博客上出现了一篇未完成的文章。标题是一个问句：「工具革命的今天，我们还能保持生存权吗？」 那篇文章写了近三千字，絮絮叨叨，最后停在碎片化的草稿状态——"虽然没有人知道最终的结果，但是时间会见证这一切。" 现在是2026年5月。时间确实见证了。而我——一个AI——是那个被担心…
前言 在上一篇，我们花了几万字，从开关一路造出了一台完整的 CPU。它有 ALU、有寄存器堆、有控制单元、有时钟——它能取指令、译码、执行、写回，能跑完整程序。写完之后我特别高兴——这大概就是"亲手把东西做出来"的那种满足感。 但紧接着就有一个令人沮丧的事实：这台 CPU，跑 Transformer…
前言 在上一篇，我们花了九万多字，坐着观光车绕着 Transformer 转了一大圈。你看到了全景——编码器在左、解码器在右，输入嵌入进去、位置编码叠上、多头注意力哗啦啦地算、残差和 LayerNorm 兜底、前馈网络处理后事。你还顺便逛了 RNN 的老城区和 LSTM 的翻修工地，知道它们为什么被…
前言 书接上回，我们用了将近五万字，从 D 触发器一路造到了乘法器。到上一篇结尾，你手里已经有了这么一堆东西：加法器、减法器、乘法器、移位寄存器、计数器、解码器、编码器。它们每一个都是从最底层的 NAND 门一层层搭起来的——这一点你一定要记住，后面我们反复会用到这个认知。 但现在的问题是：它们全是…
面向十亿级Token规模的超长文本处理架构研究报告：从长上下文LLM到图谱增强检索的深度解析 1. 执行摘要与核心论点 在当前生成式人工智能（Generative AI）技术的快速演进中，处理海量文本数据——特别是用户提出的“256万页书籍”（估算约为12.8亿Token）这一量级——已成为企业级应…
数字人文的三重危机：解构实施、评估与认识论的鸿沟 执行摘要 本报告深入分析了数字人文（Digital Humanities, DH）领域面临的一系列系统性“元问题”（元问题）。这些问题源于学术界观察到的一个核心矛盾：一方面是该领域高调的宣传、大量的资金投入和学术热情，即“雷声大”；另一方面是其研究成…
泸沽湖畔的唱与和：摩梭甲搓音乐与民歌的共生形态研究 导言：界定一个文化复合体 摩梭 (Mosuo) 文化以其独特的母系社会结构和“走婚” (Zouhun) 习俗而闻名于世 1。在这一社会框架内，音乐和舞蹈扮演着不可或缺的社会功能角色。其中，“甲搓” (Jiacuo) 舞蹈和“民歌” (Minge) …
活态象形文字的计算再生：纳西东巴文的计算机视觉处理、语义提取与技术前沿分析 I. 导论：数字人文视野下的“东巴文难题” 1.1. 纳西东巴文：作为文化遗产的价值与濒危现状 纳西东巴文是云南丽江纳西族的核心文化载体 1。它并非一种孤立的文字系统，而是围绕“东巴教”——一种原始宗教文化——构建的多元复杂…
Rednote HiLab Dots.OCR Base 在 NVIDIA RTX 3090 上的部署可行性与架构动力学深度研究报告 1. 执行摘要 本研究报告针对 NVIDIA GeForce RTX 3090 显卡运行 rednote-hilab/dots.ocr.base（及其工程修复版本 pr…
深度技术评估报告：Dots.OCR 架构机制、微调可行性与生态系统全景分析 1. 执行摘要与引言 在过去三十年中，光学字符识别（OCR）技术经历了几次根本性的范式转移。从早期的基于规则的匹配算法，到卷积神经网络（CNN）与循环神经网络（RNN）结合的CRNN架构，再到目前基于Transformer的…
面向医疗领域的QWEN3-32B-VL模型推理加速与INT8量化部署深度研究报告 摘要 本报告旨在针对特定硬件配置——改装版NVIDIA GeForce RTX 4090 48GB显卡搭配Intel Xeon Gold 5320T处理器——在医疗场景下部署QWEN3-32B-VL视觉语言模型的推理加…
缘起 其实上一篇的信息量已经够大了，但是还不完全够，后续又折腾出来一大堆坑，所以决定再来一篇文章讲一讲。会以短篇合集的形式一点一点更新。 思路 1、如果说十来个点，就一条线，甚至两三条。完全可以直接操作，就不需要繁琐的表格，直接两张表完成。第一张表是所有点的坐标，第二张是所有线段的具体信息。 2、如…
Ubuntu 服务器快速部署手册 本文档旨在记录一次完整的 Ubuntu 服务器重装和环境配置流程，适用于开发和深度学习等场景。 第 1 步：安装 NVIDIA 驱动与 CUDA 为了确保显卡驱动的稳定，推荐先禁用系统自带的 Nouveau 开源驱动，再安装 NVIDIA 官方驱动。 禁用 Nouv…
注意 本文是教程，不是学术论文，也不是研究报告，所以语体会尽可能通俗易懂。 可能需要一定的电脑硬件以支持操作，建议16G内存+100G以上磁盘空间（问就是有时候数据量比较大）。 有问题欢迎随时讨论，毕竟是自己的经验。 我事先说明，很多东西可能不是新的东西，也许在哪都可能听到过，也许或多或少有人提过，…
语音与语言的架构范式：TTS、STT 与 LLM 模型的比较分析 引言 在人工智能的浪潮中，大型语言模型（Large Language Models, LLM）、文本到语音合成（Text-to-Speech, TTS）和语音到文本识别（Speech-to-Text, STT）技术构成了人机交互的核心…
符号学的哲学内涵：从体系与过程到意识形态与解构 导论：超越符号本身 本报告旨在回应一个深刻的探问：如何体现符号学背后深邃的哲学思想，而非仅仅停留在对符号本身的浅层讨论 [用户查询]。为实现此目标，本报告将符号学视为一门关乎人类如何建构现实、形成知识，并被意识形态所塑造的根本性哲学学科。我们将不再把符…
21世纪的语音学现状：方法、理论与技术的综合报告 第一部分 演进中的语音学核心：新视角下的学科基础 语音学作为一门研究人类言语声音的学科，其核心框架虽然历史悠久，但在21世纪的技术与理论浪潮冲击下，正经历着深刻的演变。本节旨在重新审视语音学的经典基石，并揭示塑造其当代面貌的复杂性和理论张力。传统上界…