Yapit 将 PDF 和网页转换为音频，采用视觉大语言模型（vision-LLM）管道处理数学公式和复杂布局，而不是将其混淆。我之所以构建这个工具，是因为我在线阅读大量论文和内容，但通常在两段后就会走神。边听边跟随能够让我保持专注，并降低了实际开始的门槛。
我尝试过的每一个文本转语音（TTS）工具在处理复杂格式时都会出现问题。包含数学公式、引用、图表参考和句子中间的页码的论文，结果要么是混乱的输出，要么就是听到原始的 LaTeX 代码。
Yapit 将所有内容转换为 Markdown 格式作为通用格式。对于网页，defuddle（[https://github.com/kepano/defuddle](https://github.com/kepano/defuddle)）负责提取并去除网页上的杂乱信息，以干净、一致的格式呈现主要文章内容。对于 PDF，视觉大语言模型会将每一页重写为带有注释标签的 Markdown，注释标签将可视内容与朗读内容分开。数学公式以视觉形式呈现，但会用替代文本进行朗读。像 “[13]” 或 “(Schmidhuber, 1970)” 这样的引用会静默显示。页码和标题则完全被移除。
提取和音频都通过内容哈希进行缓存，因此相同的内容不会被处理或合成两次。
自托管可以与任何兼容 OpenAI 的 TTS 服务器（如 vLLM-Omni 等）和任何兼容 OpenAI 的视觉模型进行 PDF 提取：
```
git clone --depth 1 https://github.com/yapit-tts/yapit.git && cd yapit
cp .env.selfhost.example .env.selfhost
make self-host
```
Kokoro TTS 也可以通过桌面上的 WebGPU 在浏览器中运行。
可以在 “Attention Is All You Need” 上试用（所有语音已缓存，无需账户）： [https://yapit.md/listen/3bde213b-3a5a-465f-9198-be65430b699e#3-model-architecture](https://yapit.md/listen/3bde213b-3a5a-465f-9198-be65430b699e#3-model-architecture)
或者粘贴任何 URL：
[https://yapit.md/https://arxiv.org/abs/1810.04805](https://yapit.md/https://arxiv.org/abs/1810.04805)
[https://yapit.md/https://x.com/karpathy/status/2039805659525644595](https://yapit.md/https://x.com/karpathy/status/2039805659525644595)
GitHub: [https://github.com/yapit-tts/yapit](https://github.com/yapit-tts/yapit)（AGPL-3）
返回首页
最新
大家好，我很好奇人们或系统（计算机）是如何检测文本是否由大型语言模型（LLM）生成的。我的问题主要是想知道是否有某种API或类似的工具可以用来检测文本是否是由LLM写的。谢谢！！！
改进了社会和情感系统，同时使道德指南针的功能更为完善，增加了可读性的注释，并修复了larkos（神经网络）中的一些错误。链接：https://github.com/Okerew/larkos
此外，我忘记了道德指南针的工作原理，因此在其中添加了一些注释，并对其进行了小幅改进。
我不确定这是否发生在所有外发邮件上，还是仅仅是其中一些。upwork.com的SPF策略规定，mail.clinchtalent.com及所有由spf.mandrillapp.com列出的IP地址被允许代表upwork.com发送邮件。
然而，至少一些（如果不是全部）由Upwork市场生成并发送的系统邮件是通过MailGun发送的，而它们的IP地址在upwork.com的SPF策略中缺失。此外，upwork.com的DMARC策略设置为“严格”，这意味着如果SPF检查失败，所有符合RFC标准的SMTP服务器都应该拒绝该邮件。
我提交了一个支持工单，并清楚地解释了情况。支持人员承认他没有接受过相关培训，对我解释中的过于技术性的部分（包括截图和日志）并不理解，因此我自然请求将问题升级给更有资格的人处理。
可以预料，我的请求被忽视了，我们的对话反复进行。我试图解释这种DNS错误配置对Upwork公司的安全性和邮件送达性的影响，但我的话再次被忽视。
另一位支持人员介入（可能是换班了），我们又回到了第一步——这种情况比与AI聊天要好，但显然如果不合格的员工拒绝将问题转交给更有资格的同事，情况也不会好到哪里去。
我可以理解工程师们不想被琐事打扰。但当第一线支持人员不理解我在说什么，而我们交换了十几条消息时，一个中级工程师早就能在第一步解决问题——所有后果首先会影响公司，然后再影响其客户。
嗨，HN，我是一个非常基础的人工智能用户（我使用的是带有默认设置的VSCode聊天，没有使用任何MCP来构思计划），但最近我遇到了一些构建上下文的MCP/工具，它们可以为你的代码库构建知识图谱。
这非常有趣，因为我同时在处理相当大的代码库，想到我的代理不需要一次又一次地重新索引和重新读取我的所有文件，这让我感到很吸引。
我的问题是，你们使用什么方法来索引这些内容并将其连接到你的代理上？
我的研究让我找到了以下几个工具，但我对如何衡量它们的优劣感到非常困惑。
1. https://github.com/abhigyanpatwari/GitNexus - 似乎是最受欢迎的
2. https://github.com/DeusData/codebase-memory-mcp - 也很有趣/新颖
3. https://github.com/JaredStewart/coderlm - 基于tree-sitter的方法看起来非常不错。
我很想知道那些积极使用前沿模型和方法的人是如何在这个领域中导航的。