建立的艱難部分不再是寫代碼。 代碼很簡單。 沒有人能通過寫更多的代碼或更快地完成來獲勝。如果你想贏，你需要更好的思考。 有很多初創公司專注於使用 AI 來寫更多的代碼。我認為他們錯過了重點。 我們需要一個思維轉變。 我們需要能幫助我們更快思考、做出更好決策並專注於正確問題的工具。 我希望你查看 @atoms_dev，因為他們正是這樣做的。 他們不專注於代碼，而是幫助你建立正確的結構： 1. 從深入研究市場洞察開始 2. 將其轉化為執行計劃 3. 建立前端和後端 4. 幫助進行部署、SEO、增長和分析 更重要的是，他們專注於你需要在線構建和銷售軟件的核心組件： • 認證流程 • Stripe 付款 • 基礎設施 他們的目標不是成為另一個自動完成功能的工具或幫助你編寫軟件的副駕駛。 他們的目標是成為一個 "氛圍商業團隊"，幫助你從零開始建立一個業務。 這裡有一個鏈接供你查看： 感謝團隊幫助我在平台上入門並與我合作撰寫這篇文章。

想像一部電影，觀眾可以控制劇情（場景即時生成）。 或者一則廣告，根據觀看者的不同而改變。 我們距離那樣的未來還有很多年，但我想相信這就是我們的方向。

我願意為這個觀點而奮鬥： 最佳的語音模型是那些在關鍵實體上具有最佳準確性的模型，而不是那些優化字詞錯誤率（WER）的模型。 大多數語音轉文字提供者都優化字詞錯誤率，但在生產應用中，字詞錯誤率並不是那麼相關。 如果你錯過了客戶的名字、他們的電話號碼或他們剛剛逐字拼寫的街道地址，那麼正確識別95%的單詞是毫無用處的。 Gladia團隊進行了一個非常酷的基準測試： • 1,000多個呼叫中心對話 • 大量背景噪音 • 專注於提取名字、電話號碼、地址、地點等。 Gladia模型的表現超過了其他所有最先進的模型，最高達到17%！ 這正是使用這些模型的公司所關心的數據。如果你搞錯了這一點，所有後續的流程都會崩潰。 還有幾件值得一提的事情： • 部分響應的延遲：< 150毫秒 • 支援100多種語言 • 動態語言檢測 • 整體字詞錯誤率為5.97% 對於任何使用語音模型的人來說，這絕對值得檢查： 感謝Gladia團隊與我合作撰寫這篇文章。