我们今天继续看一些有趣的事情，看看Deep Research的进展及后续演进以及故事自动分析及配音的大模型应用尝试。

专题化，体系化，会有更多深度思考。大家一起加油。

一、Deep Research的进展及后续演进

来看产业进展，OpenAI今天发布Deep Research(https://openai.com/index/introducing-deep-research/)，一个Agent，目标是为在金融、科学、政策和工程等领域从事密集型知识工作的人设计，这类工作需要全面、精确且可靠的调研。对于那些在购买通常需要仔细研究的商品（如汽车、家电和家具）时需要高度个性化建议的精明消费者来说，它同样很有用。每个输出都经过完整记录，附有清晰的引用和对其思考过程的总结，方便用户参考和验证信息。尤其擅长寻找那些需要浏览众多网站才能获得的非直观、小众信息。

在实现思路上，如其官方介绍，Deep Research通过端到端强化学习在多个领域的复杂浏览和推理任务中进行训练。通过这种训练，学会了规划并执行多步骤的轨迹，以找到其所需的数据，并在必要时进行回溯和对实时信息做出反应。此外，该模型能够浏览用户上传的文件，使用Python工具绘制并迭代图形，将其生成的图形和网站上的图像嵌入到其回答中，并引用其来源中的具体句子或段落。

也就是说，在具体使用上，只需给出提示，会通过查找、分析并综合数百个在线来源，生成一份综合报告，由即将推出的OpenAI o3模型的一个版本提供支持，该版本经过优化，专门用于网页浏览和数据分析。它利用推理能力搜索、解释和分析互联网上的大量文本、图像和PDF文件，并根据遇到的信息灵活调整。

但是，Deep Research完成工作可能需要5到30分钟，它会花时间深入网络进行研究。

当然，报告其实在真实场景下是富文本，包括图像、引用、段落等信息，所以，其后续还将在这些报告中添加嵌入图像、数据可视化和其他分析输出，以提供更多的清晰度和上下文。

有趣的是，Jina AI也快速了一个Deep Research的开源实现版：node-DeepResearch(https://github.com/jina-ai/node-DeepResearch)，该项目使用gemini进行llm操作，brave用于搜索，jina reader用于阅读网页。实现的原理很简单，就是在一个循环中进行搜索、阅读和推理，直到找到答案。

从技术流程的角度来看，其实现流程如下；

具象化的看，其示例中所述，

Query: “who is the biggest? cohere, jina ai, voyage?”，一共包括13steps。

当然，这个其实又是ResearchAgent，所以也会有一些看起来很类似的工作（放到科研领域）： 1、《ResearchAgent: Iterative Research Idea Generation over Scientific Literature with Large Language Models》，https://arxiv.org/abs/2404.07738 ；

2、《PaSa: An LLM Agent for Comprehensive Academic Paper Search》，https://arxiv.org/pdf/2501.10120v1，https://github.com/bytedance/pasa，https://pasa-agent.ai，https://huggingface.co/papers/2501.10120；

3、《ResearchAgent: Iterative Research Idea Generation over Scientific Literature with Large Language Models》，https://arxiv.org/pdf/2404.07738.pdf

但仔细一看，又像是AI搜索，例如秘塔搜索。所以，核心还是其中workflow的设计，理解意图，搜索医疗，总结大纲，生成内容，润色内容等。

二、故事自动分析及配音的大模型应用尝试

在这里，我们介绍社区成员的一个工作，假期写了一个自动分析故事并加上情感的配音的WebUI，能够通过简单的点击和选择，就完成一个故事的讲述，现在已经开源，地址在：https://github.com/c4fun/tell-stories-webui。

来看其具体实现原理，使用Deepseek自动分析剧本，分派演员、台词和情感；使用CosyVoice2来进行配音。也能自行调整台词和情感，自己克隆声音（3s-10s极速克隆）并保存为演员，最终自动生成整个故事的语音和字幕。

如何学习AI大模型 ？

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。【保证100%免费】🆓

CSDN粉丝独家福利

这份完整版的 AI 大模型学习资料已经上传CSDN，朋友们如果需要可以扫描下方二维码&点击下方CSDN官方认证链接免费领取 【保证100%免费】

读者福利： 👉👉CSDN大礼包：《最新AI大模型学习资源包》免费分享 👈👈

（👆👆👆安全链接，放心点击）

对于0基础小白入门：

如果你是零基础小白，想快速入门大模型是可以考虑的。

一方面是学习时间相对较短，学习内容更全面更集中。
二方面是可以根据这些资料规划好学习计划和方向。

👉1.大模型入门学习思维导图👈

要学习一门新的技术，作为新手一定要先学习成长路线图，方向不对，努力白费。

对于从来没有接触过AI大模型的同学，我们帮你准备了详细的学习成长路线图&学习规划。可以说是最科学最系统的学习路线，大家跟着这个大的方向学习准没问题。（全套教程文末领取哈）

👉2.AGI大模型配套视频👈

很多朋友都不喜欢晦涩的文字，我也为大家准备了视频教程，每个章节都是当前板块的精华浓缩。

👉3.大模型实际应用报告合集👈

这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。（全套教程文末领取哈）

👉4.大模型落地应用案例PPT👈

光学理论是没用的，要学会跟着一起做，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。（全套教程文末领取哈）

👉5.大模型经典学习电子书👈

随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。（全套教程文末领取哈）

👉6.大模型面试题&答案👈

截至目前大模型已经超过200个，在大模型纵横的时代，不仅大模型技术越来越卷，就连大模型相关的岗位和面试也开始越来越卷了。为了让大家更容易上车大模型算法赛道，我总结了大模型常考的面试题。（全套教程文末领取哈）

👉学会后的收获：👈
• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习

CSDN粉丝独家福利

这份完整版的 AI 大模型学习资料已经上传CSDN，朋友们如果需要可以扫描下方二维码&点击下方CSDN官方认证链接免费领取 【保证100%免费】

读者福利： 👉👉CSDN大礼包：《最新AI大模型学习资源包》免费分享 👈👈

（👆👆👆安全链接，放心点击）