跳到主要內容
AI 武林

Julia Turc

YouTube ・ 國際 ・ 英文 ・ A 級 ・ 8.1 萬 訂閱 ・ 11 筆內容 ・ 最近更新 2026/10/07

並訪談業界工程師；約一個月一支

最受歡迎

依人氣

  1. 1影片進階EN

    How far are we from "Her"?

    介紹全雙工模型，分析從串接式到端到端語音系統的演進與 trade-off，並探討 Moshi 等實作案例的挑戰。看完能了解當前語音 AI 的技術路線與落地瓶頸。

    28.9 萬次觀看

    ※ 摘要僅根據標題與說明

  3. 3影片進階EN

    Why are Transformers replacing CNNs?

    解釋為何 Transformer 取代 CNN 成為主流，比較兩者原理並說明自注意力機制如何實現卷積操作。觀眾能理解 Transformer 在表達力與多模態任務上的優勢。

    20.8 萬次觀看

    ※ 摘要僅根據標題與說明

  4. 4影片進階EN

    But what exactly are world models?

    解釋世界模型的定義，區分生成式與預測式兩種主流觀點，並介紹其在合成資料、互動環境與自主代理等應用場景。觀眾能了解 NVIDIA Cosmos、V-JEPA 等具體模型與產品如何運作。

    5.2 萬次觀看

    ※ 摘要僅根據標題與說明

  6. 6影片進階EN

    Realtime voice models | Voxtral | ASR & TTS

    解析 Mistral 的 Voxtral 即時語音模型與 TTS，涵蓋 Whisper、WaveNet 等演進歷程及量化技術。觀眾可了解即時語音模型的架構與關鍵概念。

    2 萬次觀看

    ※ 摘要僅根據標題與說明

  7. 7影片進階EN

    Diffusion Transformers (ViT, DiT, MMDiT)

    介紹從 CNN 到 ViT、DiT 及 MMDiT 的架構演進，說明 Transformer 如何取代傳統視覺模型並應用於影像生成。觀眾可了解這些模型的核心概念與技術原理。

    3.6 萬次觀看

    ※ 摘要僅根據標題與說明

  9. 9影片入門EN

    70 years of rebranding intelligence

    回顧 AI 領域 70 年來名稱的多次變遷，從賽柏納特學到深度學習的復甦，解析每次重新命名背後的產業脈動。透過歷史演進，理解 AI 如何避開特定人物與挑戰，並探討川普提出「超級智慧」的含義。

    1.5 萬次觀看

    ※ 摘要僅根據標題與說明

最新內容

依發布時間

  1. 影片入門EN

    70 years of rebranding intelligence

    回顧 AI 領域 70 年來名稱的多次變遷，從賽柏納特學到深度學習的復甦，解析每次重新命名背後的產業脈動。透過歷史演進，理解 AI 如何避開特定人物與挑戰，並探討川普提出「超級智慧」的含義。

    1.5 萬次觀看

    ※ 摘要僅根據標題與說明

  4. 影片進階EN

    How far are we from "Her"?

    介紹全雙工模型，分析從串接式到端到端語音系統的演進與 trade-off，並探討 Moshi 等實作案例的挑戰。看完能了解當前語音 AI 的技術路線與落地瓶頸。

    28.9 萬次觀看

    ※ 摘要僅根據標題與說明

  5. 影片進階EN

    Realtime voice models | Voxtral | ASR & TTS

    解析 Mistral 的 Voxtral 即時語音模型與 TTS，涵蓋 Whisper、WaveNet 等演進歷程及量化技術。觀眾可了解即時語音模型的架構與關鍵概念。

    2 萬次觀看

    ※ 摘要僅根據標題與說明

  7. 影片進階EN

    But what exactly are world models?

    解釋世界模型的定義，區分生成式與預測式兩種主流觀點，並介紹其在合成資料、互動環境與自主代理等應用場景。觀眾能了解 NVIDIA Cosmos、V-JEPA 等具體模型與產品如何運作。

    5.2 萬次觀看

    ※ 摘要僅根據標題與說明

  10. 影片進階EN

    Diffusion Transformers (ViT, DiT, MMDiT)

    介紹從 CNN 到 ViT、DiT 及 MMDiT 的架構演進，說明 Transformer 如何取代傳統視覺模型並應用於影像生成。觀眾可了解這些模型的核心概念與技術原理。

    3.6 萬次觀看

    ※ 摘要僅根據標題與說明

  11. 影片進階EN

    Why are Transformers replacing CNNs?

    解釋為何 Transformer 取代 CNN 成為主流，比較兩者原理並說明自注意力機制如何實現卷積操作。觀眾能理解 Transformer 在表達力與多模態任務上的優勢。

    20.8 萬次觀看

    ※ 摘要僅根據標題與說明