工具速递｜opencv 4.x：经典 CV 库依然在 Trending
今日 +65 stars。4.x 全面支持 Transformer 模型导出，可直接调用 Hugging Face 上的 CV 模型。
论文解读｜arXiv 2606.07356 DirectAudioEdit：训练免费的音频编辑
研究者首次实现训练免费 + inversion 免费的音频编辑。FAD 降 15.9%，编辑速度提升 64.5%。
论文解读｜arXiv 2606.07240：IWSLT 2026 跨语言语音克隆 KIT 方案
研究者用 FishAudio-S2-Pro + 语言标签 prompt + RL 微调，在 IWSLT 2026 跨语言语音克隆上拿到 SOTA。
工具速递｜opencv 4.x：经典 CV 库依然在 Trending，今日 +65 stars
老牌 OpenCV 依然活跃。4.x 全面支持 Transformer 模型导出，可直接调用 Hugging Face 上的 CV 模型。
论文解读｜MMAE：2000 样本多任务音频编辑基准，揭示当前模型「几乎全不及格」
arXiv 2606.07229（2026-06-05）：涵盖 7 种音频模态、6 级复杂度、2 种粒度、8 种操作类型的 2000 样本评测。当前 SOTA 模型 Exact Match 普遍 <5%，复杂任务 0%。
论文解读｜M3Exam：首个「真实多模态记忆」基准，跨模态接地是 LLM 长期短板
arXiv 2606.07402（2026-06-05）：M3Exam 评测 LLM Agent 在真实多模态文件（PDF/图片/表格）上的长期记忆能力，作者同期提出 M3Proctor 准确率 +13%、成本 -70%。
论文解读｜TEVI：用稀疏自编码器做文本条件视觉表征编辑
arXiv 2606.07451（2026-06-05）：CLIP 的图文对齐是「信息失衡」导致的，TEVI 用 caption 作为信号选择性保留 image embedding 中的相关属性。