**最新出的一款基於LLM的文件解析模型的輕量級：MonkeyOCR，效能好速度快**

其3B在中文文檔解析任務上平均表現超過了Gemini 2.5 Pro和Qwen2.5-VL-72B

對於多頁文件解析，其處理速度達到每秒0.84頁，超過了MinerU的0.65頁/秒和Qwen2.5-VL-7B的0.12頁/秒

相較於MinerU，MonkeyOCR在九種中英文文件類型上平均表現提升了5.1%，公式辨識提升了15%，表格辨識提升了8.6%

MonkeyOCR採用「結構偵測-內容辨識-關係預測」三元組模式，在簡化傳統分層方法的多工具流程的同時，避免了直接使用多模態模型處理整文檔頁的低效性

支援多種類型中英文文檔，暫不支援照片文檔

github：https://github.com/Yuliang-Liu/MonkeyOCR

Become a free member and never miss an update: https://open.firstory.me/join/cma3mukjr127j01w5h4m56giw
Support this show: https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw
Leave a comment and share your thoughts: https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw/comments

**把Claude Code的AI能力整合到GitHub工作流程中的一款工具：claude-hub，變成GitHub的AI助手，實現自動化開發流程**

在GitHub的issue或PR中@機器人 ，Claude就能自動執行寫入程式碼、檢查程式碼、合併程式碼等開發任務

Claude能自主處理完整的開發流程，包括分析程式碼倉庫，端對端開發，進行程式碼審查，PR的生命週期管理，監控CI/CD管線，自動化程式碼回應

具備智慧任務管理能力，可以持續工作，直到任務全部完成，還可以處理卡殼等待等外部進程，並自動恢復工作

https://github.com/claude-did-this/claude-hub


Become a free member and never miss an update: https://open.firstory.me/join/cma3mukjr127j01w5h4m56giw
Support this show: https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw
Leave a comment and share your thoughts: https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw/comments

**具備細粒度語音編輯能力的一款AI語音修復模型：PlayDiffusion，修改後的語音聽上去可與原語音無縫銜接**

對於做語音播報、或者是有聲讀物，這種需要頻繁修改語音內容的場景來說比較實用

支援精準修改，例如對語音中的單字進行精準修改，把一句話中的“小明”改成“小紅”

其在編輯過程中保留了上下文訊息，使得修改後的語音與原語音間能保持平滑銜接

透過保留說話者的特徵，來確保修改後的語音與原始語音在音色和風格上保持一致

https://github.com/playht/PlayDiffusion


Become a free member and never miss an update: https://open.firstory.me/join/cma3mukjr127j01w5h4m56giw
Support this show: https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw
Leave a comment and share your thoughts: https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw/comments

**很有趣的一個項目，科學研究論文轉換程式碼：Paper2Code**

Paper2Code可以讀取機器學習領域的PDF/LaTeX格式的科學研究論文，然後自動幫你寫出程式碼，且能自我品質評估

假如你想實作一篇論文裡的演算法，但懶得自己寫程式碼，就用它幫你把論文裡的內容寫出程式碼

Paper2Code採用多智能體設計，工作流程分成三個部分，它先閱讀論文，理解演算法的整體結構和流程；然後分析論文中的關鍵細節，例如公式、變數、參數等等；最後根據分析結果，自動產生程式碼

實驗評估，PaperCoder從機器學習論文中產生程式碼的品質高、接近作者實現水平，優於其他基準模型

github：https://github.com/going-doer/Paper2Code

Become a free member and never miss an update: https://open.firstory.me/join/cma3mukjr127j01w5h4m56giw
Support this show: https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw
Leave a comment and share your thoughts: https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw/comments

這些文本介紹了 FLUX.1 Kontext，這是一個即將開源的生成模型套件，被宣稱為「GPT Killer」。ComfyUI 已將其作為官方的 API 節點 推出，主要用於 文字和圖像驅動的編輯與生成。Kontext 模型，包括 Kontext Pro 和 Kontext Max 兩種版本，旨在支援 上下文中的圖像操作，實現從精確物體修改到風格傳輸等多種功能。文章還提供了如何開始使用該模型的說明，並展示了一些 範例輸出，同時也包含了一些關於 付費模型和審核訊息 的用戶討論。

https://blog.comfy.org/p/flux1-kontext-api-node-in-day-1-workflow

加入免費會員，更新資訊不漏接： https://open.firstory.me/join/cma3mukjr127j01w5h4m56giw
小額贊助支持本節目： https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw
留言告訴我你對這一集的想法： https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw/comments

這些資料提供了一份關於人工智慧 (AI) 快速發展及其廣泛影響的綜合概述。內容涵蓋了AI 在各行各業的應用和採用現況，強調了其在軟體工程、產品開發、醫療、法律、客戶服務及金融等領域的顯著成長。此外，資料也探討了AI 基礎設施的建置與相關資本支出，並指出AI 模型效能的提升與成本下降，以及中美兩國在 AI 領域的競爭格局。

加入免費會員，更新資訊不漏接： https://open.firstory.me/join/cma3mukjr127j01w5h4m56giw
小額贊助支持本節目： https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw
留言告訴我你對這一集的想法： https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw/comments

**可從表格、圖片、圖表等複雜文件中提取結構化資料的Python庫：agentic-doc**

支援100+頁PDF長文件的處理，自動進行分割與並行處理

自動重試和分頁，處理並發、超時和速率限制

可以解析任意長度PDF、單一影像或指向這些文件的URL

可以把擷取的內容以邊界框的形式視覺化，支援批量解析

github：https://github.com/landing-ai/agentic-doc


加入免費會員，更新資訊不漏接： https://open.firstory.me/join/cma3mukjr127j01w5h4m56giw
小額贊助支持本節目： https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw
留言告訴我你對這一集的想法： https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw/comments

**新出來的一種生物學推理模型：BioReason，第一個將 DNA基礎模型與LLM深度結合的模型，疾病路徑預測（例如判斷某個基因變異導致什麼疾病）準確率達到了97%**

變異效應預測準確率達80-88%。其比僅用DNA或LLM的模型相比，性能提升超過15%

它把DNA 基礎模型與LLM結合，來用於生物推理，透過監督微調+GRPO強化學習來進行訓練

它不僅能預測，還能解釋原因，它會逐步推理，這個就能讓科學家清楚看到基因變異是如何導致疾病的，而不是只知道結果不知道過程

BioReason的出現讓基因組AI變得可解釋、可操作，從分析基因變異到研發新藥，這或許會改變生物學研究方式

github：https://github.com/bowang-lab/BioReason
專案頁：https://bowang-lab.github.io/BioReason/

加入免費會員，更新資訊不漏接： https://open.firstory.me/join/cma3mukjr127j01w5h4m56giw
小額贊助支持本節目： https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw
留言告訴我你對這一集的想法： https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw/comments

**微軟Bing凌晨開發了一個視頻生成工具出來：Bing Video Creator，Sora提供技術支持，免費使用！ **

目前生成影片時間長為5秒，格式為9:16，未來將支援16:9

最多可以同時排隊生成三個視頻，創作內容保存90天

生成速度有快速和標準兩種模式，最初有10次快速產生機會，用完後可消耗100微軟獎勵積分繼續使用，或用速度標準


加入免費會員，更新資訊不漏接： https://open.firstory.me/join/cma3mukjr127j01w5h4m56giw
小額贊助支持本節目： https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw
留言告訴我你對這一集的想法： https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw/comments

**一款設計師的遊標：觀看，設計師可以用拖曳/點擊視覺化的方式建立前端介面，不用寫程式碼也可開發前端應用**

可以直接在瀏覽器裡拖曳、調整元素來設計網站介面，即時預覽效果，並且內建了AI功能，每一步操作都會自動轉換成程式碼

設計和程式碼團體綁定，在瀏覽器裡修改設計，程式碼會自動更新；在程式碼裡修改，設計基因即時更新

也可以點選瀏覽器裡的任何元素，直接定位到程式碼

目前可以從文字、圖片匯入創建應用

支援無縫整合到現有的 React + TailwindCSS 專案中

github：https://github.com/onlook-dev/onlook

加入免費會員，更新資訊不漏接： https://open.firstory.me/join/cma3mukjr127j01w5h4m56giw
小額贊助支持本節目： https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw
留言告訴我你對這一集的想法： https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw/comments

**一款增強版的Markdown工具：Quarkdown，它在Markdown基礎上增加了許多功能，可以用來產生書籍、簡報**

可以排版組件頁的書籍格式，包含章節、頁碼等，可插入圖表、數學公式等

支援“函數”和“變數”，可以定義函數來擴展功能

支援即時預覽，內容有修改會自動更新

github：https://github.com/iamgio/quarkdown

加入免費會員，更新資訊不漏接： https://open.firstory.me/join/cma3mukjr127j01w5h4m56giw
小額贊助支持本節目： https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw
留言告訴我你對這一集的想法： https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw/comments

**ElevenLabs大更新，發布了對話式AI 2.0，增加了多語言對話切換、RAG、多模態、批量通話的能力**

自動辨識您使用的語言，並用相同的語言回答，需要手動切換

能夠存取使用外部知識庫來回答問題

可以同時處理文字和語音

大量通話功能，可以同時撥打多通電話，對於需要快速聯繫多個場景的比較實用

部落格：https://elevenlabs.io/blog/conversational-ai-2-0

加入免費會員，更新資訊不漏接： https://open.firstory.me/join/cma3mukjr127j01w5h4m56giw
小額贊助支持本節目： https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw
留言告訴我你對這一集的想法： https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw/comments

加入免費會員，更新資訊不漏接： https://open.firstory.me/join/cma3mukjr127j01w5h4m56giw
小額贊助支持本節目： https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw
留言告訴我你對這一集的想法： https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw/comments

**一款日語學習AI工具：japanese-analyzer，可以進行日文句子深度解析，拆解句法結構、標註詞性、呈現發音與釋義**

原聲TTS朗讀，還原純正日文發音
一鍵輸出詞性、假名、羅馬音與文法成分，提供精準中文釋義
支持OCR，雙語對照

github：https://github.com/cokice/japanese-analyzer

加入免費會員，更新資訊不漏接： https://open.firstory.me/join/cma3mukjr127j01w5h4m56giw
小額贊助支持本節目： https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw
留言告訴我你對這一集的想法： https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw/comments

**智能體卷瘋了，來一款全端通用AI Agent：Lemon AI，具備自主性和工具調用能力，可從需求到成果交付全流程自動化**

無需人工幹預，給它提供任務目標，它能自動找出完成任務所需的步驟以及工具，支援透過頁面端即時查看任務執行狀態

Lemon AI整合了自然語言處理、程式碼產生、網頁瀏覽、API呼叫、系統命令執行、應用程式操作等多種能力

可執行市場調查、金融分析、數據分析、程式碼程式設計、生活規劃等領域的複雜任務

github：https://github.com/hexdocom/lemonai

加入免費會員，更新資訊不漏接： https://open.firstory.me/join/cma3mukjr127j01w5h4m56giw
小額贊助支持本節目： https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw
留言告訴我你對這一集的想法： https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw/comments

https://chat.deepseek.com/

加入免費會員，更新資訊不漏接： https://open.firstory.me/join/cma3mukjr127j01w5h4m56giw
小額贊助支持本節目： https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw
留言告訴我你對這一集的想法： https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw/comments

**騰訊剛剛開源了HunyuanVideo-Avatar，根據音頻生成動畫視頻，它能根據語音匹配豐富的表情，讓你的數位人具備「生命力」**

給一張人物的圖片，再給一段音頻，它能讓這張圖片裡的人物動起來，從效果看，嘴型、表情、動作都和語音高度同步！

並且支持多個人物同時對話，這可以用來做對話、訪談類的內容了

支援多種風格，真人照片、動漫、3D角色、卡通等等

做電商直播、創意短片、個人化老師、AI播報員都可以，數位人捲起來了

github：https://github.com/Tencent-Hunyuan/HunyuanVideo-Avatar

加入免費會員，更新資訊不漏接： https://open.firstory.me/join/cma3mukjr127j01w5h4m56giw
小額贊助支持本節目： https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw
留言告訴我你對這一集的想法： https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw/comments

**AI在育兒領域的應用：一個AI保姆專案：ai-baby-monitor，讓家長不必時刻緊盯著嬰兒，可以安心的做其他事情，也可以延伸到老人看護場景**

ai-baby-monitor是一個基於本地視頻和LLM的AI嬰兒監視器，可作為家長的“第二雙眼睛”，及時發現嬰兒的危險行為或潛在危險情況，提醒大人及時幹預

可以提前設定一些安全規則，如果違反了規則，它就會發出蜂鳴聲警報

基於Qwen2.5 VL模型，所有數據均在本地處理，支援同時監控多個房間

github：https://github.com/zeenolife/ai-baby-monitor

加入免費會員，更新資訊不漏接： https://open.firstory.me/join/cma3mukjr127j01w5h4m56giw
小額贊助支持本節目： https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw
留言告訴我你對這一集的想法： https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw/comments

**完成一個公司名稱，進行一些公司的研究，取得格式化的公司資料！ **

hyperbrowserai搞一個公司研究員工具，一個無介面命令列工具

搞公司研究/市場分析的可做資訊收集工具

github：https://github.com/hyperbrowserai/examples/tree/main/company-researcher

加入免費會員，更新資訊不漏接： https://open.firstory.me/join/cma3mukjr127j01w5h4m56giw
小額贊助支持本節目： https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw
留言告訴我你對這一集的想法： https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw/comments

**微軟開源的：NLWeb，讓網站從點按鈕、填表格的方式升級為用聊天的方式互動！ **

NLWeb是讓網站實現對話式介面的協議，並且支援MCP，也就是說NLWeb也可以和其他AI工具無縫對接

它基於Schema org等語意層，提供了開放式協定和開源工具，用來建構AI網路的基礎層，類似當年HTML對文件共享的作用一樣

支援Windows、MacOS、Linux等作業系統，也相容於Qdrant、Snowflake等多種函式庫、​​大模型

並提供了程式碼範例和工具，可以快速為網站添加自然語言互動功能

github：https://github.com/microsoft/NLWeb

加入免費會員，更新資訊不漏接： https://open.firstory.me/join/cma3mukjr127j01w5h4m56giw
小額贊助支持本節目： https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw
留言告訴我你對這一集的想法： https://open.firstory.me/user/cma3mukjr127j01w5h4m56giw/comments