微软开源创新框架:可将DeepSeek，变成AI Agent
微软在官网发布了视觉Agent解析框架OmniParser最新版本V2.0，可将DeepSeek-R1、GPT-4o、Qwen-2.5VL等模型，变成可在计算机使用的AIAgent。与V1版本相比，V2在检测较小的可交互UI元素时准确率更高、推理速度更快，延迟降低了60%。当任务是“点击设置按钮”时，OmniParser不仅提供了设置按钮的边界框和ID提供了其功能描述，颗显著提高了模型的准确性和鲁棒性。
Voice Agent 开源框架 TEN，让你的 AI Agent 能听能说！
搭建VoiceAgent就像是把大象装进冰箱，看上去只有三步很简单:1）选择LLM/STT/TTS大模型2）接入WebRTC或WebSockets进行实时传输3）调整参数封装但在实际使用过程中，却困难重重:“😫回声太大、噪音太多”、“人声太杂听不清👂”“人工智能如智障，说话都不能打断🤐”“延迟太高反应慢🐢”、“又有新模型了又要重新接😞”“三段式看着简单实现的工程太难💻”“多模态数据�
闽公网安备 35020302000061号