地母系审美流行、年入百万的新兴职业“人生教练”爆火，花式《花束般的恋爱》二创狂欢 | 瞰见周报
最近手感不错，写了《花束》二创相关...
如今，恋爱也讲门当户对，先筛选地域、收入和职业再谈感情，“凤凰男”配不上“江浙沪独生女”，同样“拆二代”也不要“外地人”，中国式的爱情离不开社会叙事，即便是离散如原子化的个体背后也有沉重的乡土印记。
我们很难在国内拍出远离身份认同的“轻量化”感情：北上广难有《花束般的恋爱》，但有《装腔启示录》和《爱情神话》……
最近手感不错，写了《花束》二创相关...
如今，恋爱也讲门当户对，先筛选地域、收入和职业再谈感情，“凤凰男”配不上“江浙沪独生女”，同样“拆二代”也不要“外地人”，中国式的爱情离不开社会叙事，即便是离散如原子化的个体背后也有沉重的乡土印记。
我们很难在国内拍出远离身份认同的“轻量化”感情：北上广难有《花束般的恋爱》，但有《装腔启示录》和《爱情神话》……
#程序员
Distil-Whisper：让语音识别的速度提高 5.8 倍，参数减少 51%，准确度保持在 99%。
Whisper 在语音识别方面表现卓著，但是它有一个明显的缺点：训练出来的小模型支持的语言比较少，而大模型推理速度又很慢。如果你有海量的数据需要处理，或者对实时性要求略高，那使用 Whisper 可能会让你比较头疼。
你可以使用工程手段来加速推理，例如将语音分片后并发处理然后合并结果，但这里涉及到本地计算资源瓶颈的问题，以及合并分片时容错处理的问题，工程复杂度比较高。
《Distil-Whisper: Robust Knowledge Distillation via Large-Scale Pseudo Labelling
》，https://arxiv.org/abs/2311.00430，这篇文论提到了一个优化方案，它使用 Whisper 的 Large-v2 model 生成了一系列的 soft targets（也就是概率分布），然后复制 Whisper 网络的第一层和最后一层解码器，最后生成了一个更小、更快效果更好的蒸馏模型 Distil-Whisper。论文数据写的是：速度提高了 5.8 倍，参数减少了 51%，准确度保持在 99%。
这个模型的效果之所以不错，主要还是得益于训练数据的完备，它结合了九个公开可用的语音识别数据集，合并后包含 21170 小时的语音数据，涵盖超过 18260 名说话者和 10 个不同的领域；自从 Whisper 大力出奇迹（它从互联网爬取了 68w 小时的数据，未公开）以后，相信后续语音领域的论文都会配置更庞大的数据集。
Distil-Whisper 目前开源在 Hugging Face 上，模型地址：https://huggingface.co/distil-whisper/distil-large-v2，同时还提供了一个可在线测试的 Demo：https://huggingface.co/spaces/Xenova/distil-whisper-web，这个 Demo 会把模型下载到本地，然后通过 WebGPU 直接在网页上跑起来，测试了下效果，还是挺不错的。
目前仅支持英文，如果想让它支持中文，需要使用同样海量的中文语料数据，重新做一次知识蒸馏，但我觉得即便是这样做，效果也不一定好，因为 Whisper 本身对中文、韩语等支持就不太优秀，这个信息可以从 Whisper 的论文中找到数据支撑。
下面这个视频是 Whisper 和 Distil-Whisper 的对比效果：
Invalid media: video
Distil-Whisper：让语音识别的速度提高 5.8 倍，参数减少 51%，准确度保持在 99%。
Whisper 在语音识别方面表现卓著，但是它有一个明显的缺点：训练出来的小模型支持的语言比较少，而大模型推理速度又很慢。如果你有海量的数据需要处理，或者对实时性要求略高，那使用 Whisper 可能会让你比较头疼。
你可以使用工程手段来加速推理，例如将语音分片后并发处理然后合并结果，但这里涉及到本地计算资源瓶颈的问题，以及合并分片时容错处理的问题，工程复杂度比较高。
《Distil-Whisper: Robust Knowledge Distillation via Large-Scale Pseudo Labelling
》，https://arxiv.org/abs/2311.00430，这篇文论提到了一个优化方案，它使用 Whisper 的 Large-v2 model 生成了一系列的 soft targets（也就是概率分布），然后复制 Whisper 网络的第一层和最后一层解码器，最后生成了一个更小、更快效果更好的蒸馏模型 Distil-Whisper。论文数据写的是：速度提高了 5.8 倍，参数减少了 51%，准确度保持在 99%。
这个模型的效果之所以不错，主要还是得益于训练数据的完备，它结合了九个公开可用的语音识别数据集，合并后包含 21170 小时的语音数据，涵盖超过 18260 名说话者和 10 个不同的领域；自从 Whisper 大力出奇迹（它从互联网爬取了 68w 小时的数据，未公开）以后，相信后续语音领域的论文都会配置更庞大的数据集。
Distil-Whisper 目前开源在 Hugging Face 上，模型地址：https://huggingface.co/distil-whisper/distil-large-v2，同时还提供了一个可在线测试的 Demo：https://huggingface.co/spaces/Xenova/distil-whisper-web，这个 Demo 会把模型下载到本地，然后通过 WebGPU 直接在网页上跑起来，测试了下效果，还是挺不错的。
目前仅支持英文，如果想让它支持中文，需要使用同样海量的中文语料数据，重新做一次知识蒸馏，但我觉得即便是这样做，效果也不一定好，因为 Whisper 本身对中文、韩语等支持就不太优秀，这个信息可以从 Whisper 的论文中找到数据支撑。
下面这个视频是 Whisper 和 Distil-Whisper 的对比效果：
Invalid media: video
#产品知识库
掌握以下这些设计原则，先不说能不能设计出好的作品，至少审美水平一定是可以提高的！
亲密性
将相关的元素组织在一起，使他们看起来是一个组，而非散乱彼此无关。
视觉有序性
要让读者的视觉路径是有序的，有明确的起点和终点，而非来回横跳，没有起始的。
对齐
让元素之间通过某种方式对齐，形成一条隐形的线，另外，左对齐和右对齐比居中对齐更好用，因为它们能够形成一条更硬的线，看起来效果更明显，一个页面最好只用一只对齐方式。
当然，在整体遵循对齐原则的基础上，可以通过某些元素打破对齐，从而达到刺激眼球的效果，但是既然打破就不会畏畏缩缩，要打破得足够彻底，如果只是稍微偏离一些，就会让人感觉像是错误。
重复
设计的某些方面需要在整个作品中重复。重复元素可能是一种粗字体、一条粗线、某个项目符号、颜色、设计要素、某种格式、空间关系等。读者能看到的任何方面都可以作为重复元素。视觉的重复可以让作品的各部分连接在一起，从而达到风格的统一，而不是彼此孤立。
对比
对比是为页面增加视觉效果的最有效的途径，也是在不同元素之间建立一种有组织的层次结构最有效方法。要记住一个重要规则：要想实现有效的对比，对比就必须强烈。千万不要畏畏缩缩。如果对比不够强烈，就会变成冲突，看起来非常难受，比如白色和浅灰色，让人感觉是失误导致的。
创建中心点
在页面上放一个很大、有趣而且明显的东西。如果能让读者的视线停在这个中心点上，他们往往更有可能阅读其余的文本。
留白
留白比密密麻麻铺满元素更能够吸引眼球驻足。留白也是对比的一种方式，在非常拥挤的页面上突然留下一些白，就能够让这个地方脱颖而出，吸引读者的注意。
掌握以下这些设计原则，先不说能不能设计出好的作品，至少审美水平一定是可以提高的！
亲密性
将相关的元素组织在一起，使他们看起来是一个组，而非散乱彼此无关。
视觉有序性
要让读者的视觉路径是有序的，有明确的起点和终点，而非来回横跳，没有起始的。
对齐
让元素之间通过某种方式对齐，形成一条隐形的线，另外，左对齐和右对齐比居中对齐更好用，因为它们能够形成一条更硬的线，看起来效果更明显，一个页面最好只用一只对齐方式。
当然，在整体遵循对齐原则的基础上，可以通过某些元素打破对齐，从而达到刺激眼球的效果，但是既然打破就不会畏畏缩缩，要打破得足够彻底，如果只是稍微偏离一些，就会让人感觉像是错误。
重复
设计的某些方面需要在整个作品中重复。重复元素可能是一种粗字体、一条粗线、某个项目符号、颜色、设计要素、某种格式、空间关系等。读者能看到的任何方面都可以作为重复元素。视觉的重复可以让作品的各部分连接在一起，从而达到风格的统一，而不是彼此孤立。
对比
对比是为页面增加视觉效果的最有效的途径，也是在不同元素之间建立一种有组织的层次结构最有效方法。要记住一个重要规则：要想实现有效的对比，对比就必须强烈。千万不要畏畏缩缩。如果对比不够强烈，就会变成冲突，看起来非常难受，比如白色和浅灰色，让人感觉是失误导致的。
创建中心点
在页面上放一个很大、有趣而且明显的东西。如果能让读者的视线停在这个中心点上，他们往往更有可能阅读其余的文本。
留白
留白比密密麻麻铺满元素更能够吸引眼球驻足。留白也是对比的一种方式，在非常拥挤的页面上突然留下一些白，就能够让这个地方脱颖而出，吸引读者的注意。
👍3❤1
#产品知识库
最近再次开始沉迷多邻国，他们真的挺有意思
1.通知发送策略
根据 CEO 在 TED 的演讲分享，有几个亮点：
1）连续签到的展示
有超过100万的日活用户连续签到天数在365天以上，连续签到最久的是日本人
2）通知发送时机：
- 如果连续 7 天忽视通知，第 7 天会发一个通知告知之后不会再发送，第 7 天反而会有更多的用户打开
- 通知的最佳发送时间是在上一次使用后的 24 小时。因为前一天有空，今天同样的时间也大概率有空
另外，还有个有意思的点是连胜 30 天会解锁隐藏图标。对于这里，个人觉得最大的作用是，当你在 30 天之后，某天没有如期打卡，通知里的应用图标是橙色的，会更显眼更 emergency 的感觉
2.情绪的传递设计 - 小组件 “你完全不学是吗”
通过文案+组件人物的状态传递情绪，安装小组件的学习者中有一半至少维持了六个月的连续学习记录
他们写的一个设计思路挺有意思的：https://blog.duolingo.com/widget-feature/
3.分级排行榜
学习意愿↑-》每天打卡↑-》进入高等级分组排行榜-》分组互卷
更会每天打卡，因为排行榜前 7 位才能到下一个等级。越到后面越卷
促进卷的手段也很明确：
每个单元结束，经验+80，远高于日常小单元。并且还能获得 15min 经验值 double的 buff。这个使用时长又上来了
ps：他们有web 版是我没想到的，EDM 的链接是跳转到web
最近再次开始沉迷多邻国，他们真的挺有意思
1.通知发送策略
根据 CEO 在 TED 的演讲分享，有几个亮点：
1）连续签到的展示
有超过100万的日活用户连续签到天数在365天以上，连续签到最久的是日本人
2）通知发送时机：
- 如果连续 7 天忽视通知，第 7 天会发一个通知告知之后不会再发送，第 7 天反而会有更多的用户打开
- 通知的最佳发送时间是在上一次使用后的 24 小时。因为前一天有空，今天同样的时间也大概率有空
另外，还有个有意思的点是连胜 30 天会解锁隐藏图标。对于这里，个人觉得最大的作用是，当你在 30 天之后，某天没有如期打卡，通知里的应用图标是橙色的，会更显眼更 emergency 的感觉
2.情绪的传递设计 - 小组件 “你完全不学是吗”
通过文案+组件人物的状态传递情绪，安装小组件的学习者中有一半至少维持了六个月的连续学习记录
他们写的一个设计思路挺有意思的：https://blog.duolingo.com/widget-feature/
3.分级排行榜
学习意愿↑-》每天打卡↑-》进入高等级分组排行榜-》分组互卷
更会每天打卡，因为排行榜前 7 位才能到下一个等级。越到后面越卷
促进卷的手段也很明确：
每个单元结束，经验+80，远高于日常小单元。并且还能获得 15min 经验值 double的 buff。这个使用时长又上来了
ps：他们有web 版是我没想到的，EDM 的链接是跳转到web
👍9