暂无搜索历史
两年前接入 AI 能力的标准姿势是「找一个能力、接一个供应商」:翻译接一家、识别接一家、合成再接一家。跑了一年之后,多数团队手里是三套 SDK、三种鉴权、三套错...
把图像生成能力接进业务系统,第一个撞上的问题不是画质,是时间:一次请求从十几秒到几十秒不等,而同步调用链路上到处是超时——网关 30 秒掐连接,客户端 SDK ...
文档系统跑一段时间后,存储账单的曲线通常比业务量曲线陡——PDF 是惯犯。同样内容的文件,大小差一个数量级是常态,因为体积由三个工程决策决定:字体怎么嵌、图怎么...
批量 OCR 系统上线后,质量运营的核心问题只有一个:哪些结果可以直接用,哪些必须过人。识别引擎给出的逐字符置信度是唯一可量化的「把握信号」,但很多团队的用法是...
百万字级的翻译交付,全量人工质检不现实,抽样是唯一可运营的方案。但抽样的质量决定结论的可信度——抽得不好,要么漏掉系统性风险,要么质检成本失控。四个决策点:
转写服务的流量画像很特别:不是平的,是脉冲。早高峰会议室集中开工、晚间网课集中上传,脉冲之间几乎没流量。这种画像下的并发设计和平稳流量的 Web 服务完全不同。
在线表格是协作办公的高频场景,多人同时编辑一张表,背后的工程设计直接决定协作体验。两大命门:冲突处理与权限设计。
服务端生成 PDF(报表导出、合同出稿、账单推送)是典型的「看起来一天做完,实际维护两年」的需求。三类工程问题决定了这个模块的稳定性。
扫描件批量识别的调度,难的不是「调接口」,是几十万次调用里必然出现的长尾和失败。一次几万页的项目跑下来,调度设计的每个决策都会被放大验证。这篇拆四个关键设计。
百页级文档的机器翻译,工程难点不在翻译本身,在「一致性」:一个词在第 3 章和第 47 章必须是同一个译法,一个缩写从首次出现起就得固定下来。把整篇文档一次性交...
语音转写解决「说了什么」,说话人分离(diarization)解决「谁说的」。会议纪要、访谈整理、客服质检这三类场景里,后者才是决定稿子能不能直接用的那一步——...
把一本英文手册翻译成中文后「还能照着操作」,和翻译成「一堆流了序的段落」,用户体验是两个世界。整本翻译的可用性大头其实在版面工程上。这篇拆一下保排版翻译在三个关...
文档 OCR 的整体识别率这些年提升很快,但表格依然是翻车重灾区——单元格文字认出来了,行列关系却乱了,导出的 CSV 对不上账。这篇文章讲表格还原这件事的工程...
语音识别的通用模型对日常对话的准确率已经很高,但业务落地的第一周就会被同一个问题撞一下:专有名词。产品代号、内部系统名、客户公司名、人名——这些词在训练语料里出...
把语音转文字能力接进业务系统,大多数工程师踩的第一个坑是拿同步接口的思维去调长音频转写:上传一个 90 分钟的会议录音,等接口返回,30 秒超时,任务失败。本文...
行,直到你需要第二个供应商、或者第一次供应商故障。SDK 直连的问题在规模化后才暴露:调用点分散、无统一监控、换供应商等于重写。
推理成本优化系列。前面的篇目讲了单个能力的账,这篇讲架构层的省钱术:多模型路由——让每个请求去它「够用的最便宜模型」,而不是全部涌向旗舰。这套实践帮我们在不降体...
「机器翻译靠不住,重要文档还是得人工」——这句话在 2026 年还成立吗?我们把一份真实的技术文档项目分成两路并行(纯人工 vs 机器翻译+人工校对),跑了三个...
AI 配音(TTS)的商用这两年来得很快:知识视频、有声书、企业宣传、智能外呼,全都用上了合成语音。但「配音多少钱」这个问题,市面上的答案乱得离谱——有按字符计...
智能客服的落地率远低于预期,问题多数不在「答不准」,在「路由乱」——用户的请求没被送到对的处理单元。这篇拆意图路由的设计:一个三层分诊架构,核心是把置信度当流量...
暂未填写公司和职称
暂未填写技能专长
暂未填写学校和专业
暂未填写个人网址
暂未填写所在城市