有没有在用gpt开发ios应用的佬
这个客户端UI各位佬都是怎么解决的，这个UI写的甚至可以说是简陋（还不如AI味呢）。尝试过先用image2生成的图片作为设计图然后让他写，但可能是我拆设计风格的能力还比较差（有没有什么好的办法或者skill能帮忙拆的），同时gpt也不能完全还原图内容，两个加在一起最后的结果就很差了。想问问各位佬是怎么解决的
1 个帖子 - 1 位参与者
阅读完整话题
via LINUX DO - 最新话题 (author: lelele1)
这个客户端UI各位佬都是怎么解决的，这个UI写的甚至可以说是简陋（还不如AI味呢）。尝试过先用image2生成的图片作为设计图然后让他写，但可能是我拆设计风格的能力还比较差（有没有什么好的办法或者skill能帮忙拆的），同时gpt也不能完全还原图内容，两个加在一起最后的结果就很差了。想问问各位佬是怎么解决的
1 个帖子 - 1 位参与者
阅读完整话题
via LINUX DO - 最新话题 (author: lelele1)
免费试用 Google AI Pro 4 个月，还剩7个席位，需要的佬友自取吧
accounts.google.com
登录 - Google 账号
7 个帖子 - 5 位参与者
阅读完整话题
via LINUX DO - 最新话题 (author: carmycar)
accounts.google.com
登录 - Google 账号
7 个帖子 - 5 位参与者
阅读完整话题
via LINUX DO - 最新话题 (author: carmycar)
有入金N26成功的佬嘛？
用fait24信用卡充值，后面弹出一个你的银行卡资金不足，可是我刚充值的23欧元在fiat24卡里啊，在fiat24里面也能看到余额，怎么回事呀？🫥
6 个帖子 - 5 位参与者
阅读完整话题
via LINUX DO - 最新话题 (author: wow)
用fait24信用卡充值，后面弹出一个你的银行卡资金不足，可是我刚充值的23欧元在fiat24卡里啊，在fiat24里面也能看到余额，怎么回事呀？🫥
6 个帖子 - 5 位参与者
阅读完整话题
via LINUX DO - 最新话题 (author: wow)
pixel小号拉家庭组
用小号搞了个pixel的google one一年，然后大号和小号的归属地都是一个地方，但是小号发邀请后，还是显示大号和小号不在一个国家/地区，用的也是该国家的节点，都是美国，就很神奇，有佬知道怎么解决吗
2 个帖子 - 2 位参与者
阅读完整话题
via LINUX DO - 最新话题 (author: ljhxka)
用小号搞了个pixel的google one一年，然后大号和小号的归属地都是一个地方，但是小号发邀请后，还是显示大号和小号不在一个国家/地区，用的也是该国家的节点，都是美国，就很神奇，有佬知道怎么解决吗
2 个帖子 - 2 位参与者
阅读完整话题
via LINUX DO - 最新话题 (author: ljhxka)
linux开发环境选择困难
佬友们，最近有任务说是要开发ros，之前一直是玩单片机的，倒也用过wsl2里面的Ubuntu，但似乎不是原生的Ubuntu。
老东西也有留文档，说是使用virtualbox装个Ubuntu得了。
我现在在想要不要去整个双系统，也正好有100G的盘空出来可以利用利用
还有一个方案是去整个linux开发板，但似乎这个好像不如虚拟机？
有没有佬友懂一点，初学有没有必要去整一个双系统
1 个帖子 - 1 位参与者
阅读完整话题
via LINUX DO - 最新话题 (author: 孤独小偷哐哐喵)
佬友们，最近有任务说是要开发ros，之前一直是玩单片机的，倒也用过wsl2里面的Ubuntu，但似乎不是原生的Ubuntu。
老东西也有留文档，说是使用virtualbox装个Ubuntu得了。
我现在在想要不要去整个双系统，也正好有100G的盘空出来可以利用利用
还有一个方案是去整个linux开发板，但似乎这个好像不如虚拟机？
有没有佬友懂一点，初学有没有必要去整一个双系统
1 个帖子 - 1 位参与者
阅读完整话题
via LINUX DO - 最新话题 (author: 孤独小偷哐哐喵)
公司给了codex的api
但是使用记录、聊天记录在管理这些key的人那里完全可见的 有没有办法隐藏呢感觉没招
5 个帖子 - 5 位参与者
阅读完整话题
via LINUX DO - 最新话题 (author: zzzdonks)
但是使用记录、聊天记录在管理这些key的人那里完全可见的 有没有办法隐藏呢感觉没招
5 个帖子 - 5 位参与者
阅读完整话题
via LINUX DO - 最新话题 (author: zzzdonks)
本地使用cc和cx请教
目前都是自己开号自用为主，租赁了海外伪家宽服务器，在上面部署cpa然后本地直连使用cx。
但是如果现在想同时使用cc是不是这个方案就行不通了会被检测到封号？
一个合理的方案是不是在那台服务器上部署代理，然后本地clash写规则连cx和cc（不懂）
求佬解惑
1 个帖子 - 1 位参与者
阅读完整话题
via LINUX DO - 最新话题 (author: gjx1)
目前都是自己开号自用为主，租赁了海外伪家宽服务器，在上面部署cpa然后本地直连使用cx。
但是如果现在想同时使用cc是不是这个方案就行不通了会被检测到封号？
一个合理的方案是不是在那台服务器上部署代理，然后本地clash写规则连cx和cc（不懂）
求佬解惑
1 个帖子 - 1 位参与者
阅读完整话题
via LINUX DO - 最新话题 (author: gjx1)
所以 Google 收购 Windsurf 的目的是什么？
为了使用 Codex 把 Windsurf 改成 Codex 吗？ 😅
2 个帖子 - 2 位参与者
阅读完整话题
via LINUX DO - 最新话题 (author: uhnmkio)
为了使用 Codex 把 Windsurf 改成 Codex 吗？ 😅
2 个帖子 - 2 位参与者
阅读完整话题
via LINUX DO - 最新话题 (author: uhnmkio)
如何低价保一个海外手机号
各位佬，最近由于codex要接码了，而接码网感觉都用不了，我现在好不容易白嫖个plus，但是codex登陆不了，必须接码，我试了很久没一个成功的。
所以我在想有必要去搞个海外手机号吗，短期来看我可以去接codex的码，但是长期来看好像又没什么用。目前gemini给我推荐了一个gifgaff一个google voice，但是我都没有找到渠道。想知道各位佬的看法。🤔
1 个帖子 - 1 位参与者
阅读完整话题
via LINUX DO - 最新话题 (author: w1at)
各位佬，最近由于codex要接码了，而接码网感觉都用不了，我现在好不容易白嫖个plus，但是codex登陆不了，必须接码，我试了很久没一个成功的。
所以我在想有必要去搞个海外手机号吗，短期来看我可以去接codex的码，但是长期来看好像又没什么用。目前gemini给我推荐了一个gifgaff一个google voice，但是我都没有找到渠道。想知道各位佬的看法。🤔
1 个帖子 - 1 位参与者
阅读完整话题
via LINUX DO - 最新话题 (author: w1at)
矿龙飞店铺被封了
矿龙飞背景：靠卖矿卡和二手显卡起家
今年进军一手全新显卡(但大多为海外版-仅店保)
自5.15日开始(520&618活动)截至今日，抖音显卡销量榜第一，销售额超过5000w元
主要销售近期热门显卡：
5060ti-8g-2198(发抖音积攒100个再减100)，可以说是全网史低中的史低
昨天(5.19日)，21点左右直播突然中断，抖音店铺商品被全部下架，然后官方账号发了这个公告，要召回显卡,而且已经很多人反馈，显卡快递一落地就被召回了
目前知道的消息是，资金被冻结了，如果你也买了他家显卡，并且已经用上了，别退，退了之后抖音给你退不出来钱，本来我当时也是下单了的，但是2天没发货，就退了。收到货的就安心用吧，显卡没那么容易坏，而且还是新卡
1 个帖子 - 1 位参与者
阅读完整话题
via LINUX DO - 最新话题 (author: lynn)
矿龙飞背景：靠卖矿卡和二手显卡起家
今年进军一手全新显卡(但大多为海外版-仅店保)
自5.15日开始(520&618活动)截至今日，抖音显卡销量榜第一，销售额超过5000w元
主要销售近期热门显卡：
5060ti-8g-2198(发抖音积攒100个再减100)，可以说是全网史低中的史低
昨天(5.19日)，21点左右直播突然中断，抖音店铺商品被全部下架，然后官方账号发了这个公告，要召回显卡,而且已经很多人反馈，显卡快递一落地就被召回了
目前知道的消息是，资金被冻结了，如果你也买了他家显卡，并且已经用上了，别退，退了之后抖音给你退不出来钱，本来我当时也是下单了的，但是2天没发货，就退了。收到货的就安心用吧，显卡没那么容易坏，而且还是新卡
1 个帖子 - 1 位参与者
阅读完整话题
via LINUX DO - 最新话题 (author: lynn)
大四下过了 3 个月了也找不到工作，想请教一下大佬们能不能帮忙看一下
我是专升本上来的，感觉自己水分其实挺严重的，20-21 疫情那段时间开始接触服务器什么的，搭建网站，学着怎么运维，也是小小的开了两个几万人的网盘 qwq，然后到从 23,24 年左右的时候开始接触 AI 编程，然后到现在，感觉现在也只会 Vibe Coding 了，真正手敲代码已经是 21 年左右的时候了，还是刚刚高考完弄的，也在思考要不要踏踏实实学一门语言下来。
然后最近在研究开发 Agent，正在 Vibe Coding 一个，准备在简历加进去，看看能不能有更多出路。
下面是简历咪，麻烦大佬们看看有没有可以需要修改的或者优化的部分，也想请教一下我这样的找什么工作比较适合。
碎碎念，可以不用点开看喵 （点击了解更多详细信息）
1 个帖子 - 1 位参与者
阅读完整话题
via LINUX DO - 最新话题 (author: 是小绵羊咩)
我是专升本上来的，感觉自己水分其实挺严重的，20-21 疫情那段时间开始接触服务器什么的，搭建网站，学着怎么运维，也是小小的开了两个几万人的网盘 qwq，然后到从 23,24 年左右的时候开始接触 AI 编程，然后到现在，感觉现在也只会 Vibe Coding 了，真正手敲代码已经是 21 年左右的时候了，还是刚刚高考完弄的，也在思考要不要踏踏实实学一门语言下来。
然后最近在研究开发 Agent，正在 Vibe Coding 一个，准备在简历加进去，看看能不能有更多出路。
下面是简历咪，麻烦大佬们看看有没有可以需要修改的或者优化的部分，也想请教一下我这样的找什么工作比较适合。
碎碎念，可以不用点开看喵 （点击了解更多详细信息）
1 个帖子 - 1 位参与者
阅读完整话题
via LINUX DO - 最新话题 (author: 是小绵羊咩)
佬友那边彩礼多少呢
今天520，镇上有对刚领证一个月的分了，男的阳痿，女方提的分，彩礼60多w，男方拿回20w，金首饰和其他的，一点没拿回
6 个帖子 - 4 位参与者
阅读完整话题
via LINUX DO - 最新话题 (author: Henrer)
今天520，镇上有对刚领证一个月的分了，男的阳痿，女方提的分，彩礼60多w，男方拿回20w，金首饰和其他的，一点没拿回
6 个帖子 - 4 位参与者
阅读完整话题
via LINUX DO - 最新话题 (author: Henrer)
账号存在风险提示怎么解决
因为这个，抢pipi佬的邀请码的时候，卡死我了，然后进来还要过一边cf，是节点太拉了的原因吗？有没有什么推荐的机场
1 个帖子 - 1 位参与者
阅读完整话题
via LINUX DO - 最新话题 (author: Amiya_desi)
因为这个，抢pipi佬的邀请码的时候，卡死我了，然后进来还要过一边cf，是节点太拉了的原因吗？有没有什么推荐的机场
1 个帖子 - 1 位参与者
阅读完整话题
via LINUX DO - 最新话题 (author: Amiya_desi)
[开源/硬核] 2.4k小时干翻100万小时？我们开源了一个颠覆大规模硬怼的音频分离数据集 Hive
各位佬友，今天给大家分享一个我们团队最近刚中/刚放出来的硬核工作：Hive 一个用于通用声音分离（Universal Sound Separation, USS）的高纯度、语义一致性合成数据集。
一句话总结这个工作的含金量：用它训练的模型，仅用 ~0.2% 的数据量，在零样本（Zero-shot）通用声音分离任务上，硬刚并平替了 Meta 等大厂用 100 万小时数据堆出来的音频大模型（如 SAM-Audio）。
● 项目主页 & 试听 Demo: https://cslikai.cn/Hive/
● ArXiv 论文: https://arxiv.org/abs/2601.22599
----------------------
为什么要做这个？
玩过 AI 音频分离（比如把一段视频里的环境音、狗叫、下雨声单独剥离出来）的佬友应该知道，目前主流的做法和 LLM 一样：大力出奇迹。把网上的油管视频、各种野外录音（In-the-wild）打包几个 T 直接喂给模型。
但这里面有一个巨大的上下文欺骗（Co-occurrence Bias）：
----------------------
我们是怎么做的？（自动化洗数据流水线）
我们设计了一套完全自动化的数据清洗和高保真合成管线（Pipeline），直接对 12 个主流开源音频数据集进行了“降维打击式”的清洗：
1. 标签重构 (Ontology Pruning)：基于 AudioSet 的 474 个类目，精简合并掉模糊的、纯环境描述的标签，提炼出 283 个真正物理可分离的声音类目。
2. 多模态清洗 (Polyphony Detection)：直接调用 Qwen3-Omni 等多模态大模型进行 Zero-shot 声音排他性审计，把含有杂音、多声源重叠的脏片段全部卡掉，只留绝对纯净的单声源（Single-event）。
3. 超分辨率标准化 (Super-Resolution)：利用 Apollo 模型，把各种参差不齐的低采样率音频全部无损重构放大到全局 44.1 kHz。
4. 语义一致性混合 (Semantic Mixing)：用大模型生成声音共存逻辑矩阵。绝对不干“让一条深海鱼在赛车场里叫”这种反逻辑的乱混，确保合成出来的多声源 Mixture 完全符合现实物理场景。
最终，我们整出了 2,442 小时的高纯度原始音频，并合成出了包含 2 到 5 种并发声音的 19.6M 个混合片段（总计 ~22.4k 小时数据集）。
----------------------
我们把经典的判别式模型（AudioSep）和生成式模型（FlowSep）放在 Hive 上从头训练，然后去硬怼那些巨型大模型，结果非常震撼：
● 数据效率狂飙 500 倍：在三方盲测集（USS-Bench、MUSDB18-HQ 音乐分离）上，Hive 训练的模型指标不仅远超原版 AudioSep（14k小时训练），甚至在感知质量（FAD）和语义贴合度上打平或超越了用 1,000,000（100万）小时训练的 8B 参数地表最强模型 SAM-Audio。
● 打破“作弊码”：在密集的 5 种声音混杂极端场景下，Hive 模型依然有极强的鲁棒性，不会因为没有环境暗示就两眼一抹黑。
● 更低的部署成本：生成式模型虽然好，但推理动辄几万 MACs 还要吃 32G 显存。有了 Hive 的高质量监督信号，用极小的判别式网络（比如 200M 参数量级）就能跑出高品质音频，部署到软路由、Edge 设备或边缘 CPU 上实时跑完全成为了可能。
----------------------
开源
代码、论文和数据集已经全线放出来了。
如果你是对 语音增强、智能音频剪辑、游戏音效提取、AR/VR 听觉渲染 感兴趣的技术佬，或者单纯想看热闹、听听分离对比效果的，欢迎去我们的 Demo 页面 踩踩。
欢迎各位佬友盖楼调戏、Star、提 Issue！有关于音频大模型、数据清洗管线、多模态音频打标技术的问题，随时在帖子里拍我，知无不言！
1 个帖子 - 1 位参与者
阅读完整话题
via LINUX DO - 最新话题 (author: Kai Li (李凯))
各位佬友，今天给大家分享一个我们团队最近刚中/刚放出来的硬核工作：Hive 一个用于通用声音分离（Universal Sound Separation, USS）的高纯度、语义一致性合成数据集。
一句话总结这个工作的含金量：用它训练的模型，仅用 ~0.2% 的数据量，在零样本（Zero-shot）通用声音分离任务上，硬刚并平替了 Meta 等大厂用 100 万小时数据堆出来的音频大模型（如 SAM-Audio）。
● 项目主页 & 试听 Demo: https://cslikai.cn/Hive/
● ArXiv 论文: https://arxiv.org/abs/2601.22599
----------------------
为什么要做这个？
玩过 AI 音频分离（比如把一段视频里的环境音、狗叫、下雨声单独剥离出来）的佬友应该知道，目前主流的做法和 LLM 一样：大力出奇迹。把网上的油管视频、各种野外录音（In-the-wild）打包几个 T 直接喂给模型。
但这里面有一个巨大的上下文欺骗（Co-occurrence Bias）：
比如下雨的音频里通常自带风声或雷声。模型没那么聪明，它会误以为“风声”也是“雨声”的一部分。当你让它单独分离“雨声”时，它就把风声也当作雨声给一起吐出来了，分离不干净。既然大厂喜欢用百万小时的脏数据“力大砖飞”，那我们就决定走另一条路：把数据纯度做到极致。
----------------------
我们是怎么做的？（自动化洗数据流水线）
我们设计了一套完全自动化的数据清洗和高保真合成管线（Pipeline），直接对 12 个主流开源音频数据集进行了“降维打击式”的清洗：
1. 标签重构 (Ontology Pruning)：基于 AudioSet 的 474 个类目，精简合并掉模糊的、纯环境描述的标签，提炼出 283 个真正物理可分离的声音类目。
2. 多模态清洗 (Polyphony Detection)：直接调用 Qwen3-Omni 等多模态大模型进行 Zero-shot 声音排他性审计，把含有杂音、多声源重叠的脏片段全部卡掉，只留绝对纯净的单声源（Single-event）。
3. 超分辨率标准化 (Super-Resolution)：利用 Apollo 模型，把各种参差不齐的低采样率音频全部无损重构放大到全局 44.1 kHz。
4. 语义一致性混合 (Semantic Mixing)：用大模型生成声音共存逻辑矩阵。绝对不干“让一条深海鱼在赛车场里叫”这种反逻辑的乱混，确保合成出来的多声源 Mixture 完全符合现实物理场景。
最终，我们整出了 2,442 小时的高纯度原始音频，并合成出了包含 2 到 5 种并发声音的 19.6M 个混合片段（总计 ~22.4k 小时数据集）。
----------------------
我们把经典的判别式模型（AudioSep）和生成式模型（FlowSep）放在 Hive 上从头训练，然后去硬怼那些巨型大模型，结果非常震撼：
● 数据效率狂飙 500 倍：在三方盲测集（USS-Bench、MUSDB18-HQ 音乐分离）上，Hive 训练的模型指标不仅远超原版 AudioSep（14k小时训练），甚至在感知质量（FAD）和语义贴合度上打平或超越了用 1,000,000（100万）小时训练的 8B 参数地表最强模型 SAM-Audio。
● 打破“作弊码”：在密集的 5 种声音混杂极端场景下，Hive 模型依然有极强的鲁棒性，不会因为没有环境暗示就两眼一抹黑。
● 更低的部署成本：生成式模型虽然好，但推理动辄几万 MACs 还要吃 32G 显存。有了 Hive 的高质量监督信号，用极小的判别式网络（比如 200M 参数量级）就能跑出高品质音频，部署到软路由、Edge 设备或边缘 CPU 上实时跑完全成为了可能。
----------------------
开源
代码、论文和数据集已经全线放出来了。
如果你是对 语音增强、智能音频剪辑、游戏音效提取、AR/VR 听觉渲染 感兴趣的技术佬，或者单纯想看热闹、听听分离对比效果的，欢迎去我们的 Demo 页面 踩踩。
欢迎各位佬友盖楼调戏、Star、提 Issue！有关于音频大模型、数据清洗管线、多模态音频打标技术的问题，随时在帖子里拍我，知无不言！
1 个帖子 - 1 位参与者
阅读完整话题
via LINUX DO - 最新话题 (author: Kai Li (李凯))