返回首页
一周热榜
我有一些旧的SATB合唱团（女高音、女中音、男高音、男低音）的录音，但音质相当差。我也有每首歌的准确乐谱。
我在寻找能够改善每个声部清晰度和分离度的AI工具/服务（也许还可以减少噪音和杂音）。如果能利用乐谱来指导音质提升，那就更好了。
有没有人尝试过类似的东西，或者能推荐一些现代的方法或模型？
我在X平台上发布了关于Sherp的公告，并附上了一段视频，讲述我创建它的原因，您可以在这里观看 - <a href="https://x.com/skeptrune/status/1994678515825086556?s=20" rel="nofollow">https://x.com/skeptrune/status/1994678515825086556?s=20</a>。
如果您只想阅读幻灯片，您也可以在这里找到 - <a href="https://sherp.skeptrune.com/" rel="nofollow">https://sherp.skeptrune.com/</a>。
我非常重视幻灯片，因为它们是传达想法的有效方式，并且在许多公共演讲场合（如会议或筹款活动）中通常是必需的。
许多演示文稿让人感到无聊，俗称“PowerPoint致死”，我认为用简单的Markdown编写幻灯片是减少这种效果的一个简单方法。在我刚开始为我的初创公司筹集资金时，我在制作演示文稿时遇到了很多困难，从那时起我就对这个问题充满热情。
在追求卓越的过程中，拥有一个榜样通常是有益的，而我在幻灯片方面的榜样是名为Hambini的YouTube创作者。他是这一格式的高手，我设计Sherp的目标是能够制作出他愿意使用的演示文稿。
您可能会想，为什么我不直接使用Slidev或Marp。如果是这样，我想告诉您，它们都是很好的工具，但我发现Slidev过于复杂，因为它需要管理自己的package.json，而Marp在CLI和用户体验方面则显得臃肿。Marp的格式化指令和CSS选择器特别奇怪且难以使用。
Sherp非常简单！只需一个MDX文件、一个CSS文件和一个JS文件，您就可以开始了。只有5个命令，我不会再添加更多。我还认为默认主题很好，涵盖了广泛的使用场景。
[1] <a href="https://www.slideshare.net/slideshow/death-by-powerpoint/85551" rel="nofollow">https://www.slideshare.net/slideshow/death-by-powerpoint/855...</a>
[2] <a href="https://www.youtube.com/hambini" rel="nofollow">https://www.youtube.com/hambini</a>
嗨，HN，
我正在开发一个名为 MemCloud 的小项目——一个用 Rust 编写的分布式内存数据存储。它允许局域网内的多台机器共享内存，像一个共享的、短暂的存储云一样工作。
### 我为什么要构建它
我身边经常有多台设备（Mac + Linux 笔记本 + 家用服务器），大部分时间处于闲置状态。我希望这些机器能够像一个大型 RAM 缓存一样，用于本地开发、机器学习实验和数据处理，而无需安装繁重的系统或配置集群。
因此，我构建了一个轻量级的守护进程，它可以：
- 通过 mDNS 自动发现对等设备
- 提供简单的本地 RPC API
- 在设备之间共享内存
- 支持原始块存储和 Redis 风格的键值接口
- 在 macOS 和 Linux 上离线工作
- 提供 CLI + Rust SDK + JS/TypeScript SDK
### 它能做什么
- 在任何对等设备上存储一个块，并在局域网内从另一个设备加载，延迟小于 10 毫秒
- 在不激增本地 RAM 的情况下卸载大流（日志、数据集）
- 构建小型分布式工作流，而无需运行 Redis/Memcached 集群
- 以简单的方式实验 P2P 内存系统
### 仓库
[https://github.com/vibhanshu2001/memcloud](https://github.com/vibhanshu2001/memcloud)
### 架构（简版）
每个设备运行一个小型 Rust 守护进程（“memnode”）：
- mDNS → 发现对等设备
- 对等管理器 → 处理连接
- 块管理器 → 在本地 RAM 中存储/加载块
- RPC API → CLI/SDK 通信
- 可选的 KV 存储 → set(key, value) / get(key)
SDK 仅与本地守护进程通信，后者将请求路由到正确的对等设备。
### 基准测试（在 M1 Mac 上）
- SET: ~25k ops/sec（1KB 负载）
- GET: ~16k ops/sec
（尚未优化——想知道其他人在他们的机器上能得到什么。）
### 寻求反馈
- 架构与安全性
- 网络设计
- 内存模型与驱逐策略
- 真实世界的使用案例
- 可能我未意识到的潜在问题
这仍然是早期阶段/alpha 版本，绝对不适合生产环境，但我非常希望听到你的想法或建议。
欢迎提问！
[https://memcloud.vercel.app/](https://memcloud.vercel.app/)
— Vibhanshu
你好！我创建了SmokeRand：一个新的跨平台伪随机数生成器测试套件，使用C99编写（MIT许可证）。它结合了TestU01、PractRand和gjrand的理念，支持多线程，包含四个预定义的通用测试电池，约250个PRNG示例，以及针对测试过的PRNG的几种预定义启发式评分。该工具支持两种生成器接口：标准输入/输出或插件。同时，它也方便与TestU01和PractRand进行集成。
SmokeRand的完整测试电池的敏感性似乎与TestU01相当，但它原生支持32位和64位生成器。此外，SmokeRand有时能够发现TestU01和PractRand未能检测到的伪影，例如在128位线性同余生成器的高位、具有巨大滞后的加法滞后斐波那契生成器、以及SplitMix64和DES-CTR输出中缺乏64位重复项。
我最近一直在将我的静态分析工具从JavaScript重构为Go，以提高性能。<p>在实现模块解析后，我决定添加一个新功能：循环依赖检测——这在我所从事的项目中是一项 notoriously 慢的任务。<p>令我惊讶的是，它的性能超出了所有现有工具，速度比最快的替代方案快了12倍！<p>我并没有做什么特别的事情，只是从头开始实现了一切，包括导入解析器和模块解析器。<p>在一个包含6034个源代码文件和518862行代码的项目上运行循环检查只需不到400毫秒，而其他工具至少需要5秒才能执行。
嗨，HN，
我已经交易超过10年，主要专注于量化技术，如均值回归和统计套利（配对交易）。随着时间的推移，我发现许多用于这些策略的工具要么过于昂贵，要么速度太慢，或者根本没有考虑到散户交易者的需求。
因此，我们决定开发QuantLens，这是一个基于网络的工具，旨在为美国股市提供量化洞察。我们的目标是让强大的量化工具对每个人都可用，而不仅仅是机构。
主要功能：
- 配对交易：寻找协整的股票对，并分析价差、z-score、偏离度和相关性。
- 均值回归：识别显著偏离其历史均值的股票。
- 行业分析：通过行业整体趋势和相对表现获取自上而下的视角。
- 简洁快速的用户界面：设计轻量且易于探索。
这仍然是一个正在进行中的项目，我们正在积极开发更多功能。
我们非常希望听到您对以下方面的反馈：
- 概念
- 用户界面/用户体验
- 您认为对严肃交易者有用的功能
您可以在这里试用： [https://quantlens.app](https://quantlens.app)
感谢您的阅读，欢迎随时提问！