首页 > 业界 > 关键词  > 云南姓氏,罕见姓,鸟氏族,傈僳族文化最新资讯  > 正文

只因姓氏太罕见 全村集体改姓“鸭”:身份证、银行卡都没法用

2023-04-20 18:00 · 稿源: 快科技

国人姓氏五花八门,有些极为罕见,比如在云南永胜县的一个小村子里,就有个罕见姓:上边一个少了一横的鸟,下边一个甲,读作ni,四声。

据悉,这个姓属于云南丽江一支以鸟为图腾的家族,划分为傈僳族,是鸟儿的意思,村里有100多人都是这个姓。

据说,这个姓氏的人都是鸟氏族的后代。在更老一辈的传说里,那种长得像鹰隼的鸟类,如同天上的星星一般,庇护着这里的一代又一代人。人们崇拜它,纪念它,让它们存活在自己的姓氏之中。

同时,傈僳族讲究氏族文化,崇拜动物植物,崇拜万物神灵。这个姓氏就是这种崇拜的延续,代表着一段浪漫的、神性的过往。

但遗憾的是,国际汉字标准Unicode里边并没有这个字的编码,因此无法在屏幕上直接显示,只能显示上半部分为繁体鸟。

无论是更换二代身份证,还是使用银行卡,或者注册微信等网络账户,这个姓氏都无法使用。

同时,这个姓氏在外面也经常被误读,让整个家族感到很不舒服。

最近,全村人集体商议决定,集体改姓为鸭”,希望能让日常生活更方便一些,也希望能得到更多尊重和认可。

举报

  • 相关推荐
  • 大家在看
  • MrScraper:数据抓取工具,一键获取所需信息。

    MrScraper 是一个全能的网络数据抓取工具,它允许用户无需编程知识即可从各种网站上抓取数据。它通过智能技术自动提取所需信息,支持大规模请求处理,并且具备浏览器自动化功能。用户可以轻松创建抓取器,自定义选择器,并根据需求设置抓取任务。产品背景信息显示,MrScraper 被世界领先公司信赖,拥有强大的企业级性能,能够处理数百万级的数据。

  • Moneystack:人工智能可视化你的财务状况

    Moneystack是一个旨在帮助用户清晰了解当前和未来财务状况的在线工具。它通过简洁直观的界面,让用户能够轻松输入收入和支出数据,从而预测和规划自己的财务未来。该产品由Memberstack团队开发,不仅免费提供给用户,而且注重数据的安全性和隐私保护。

  • Speech to Note:将语音转化为强大的内容

    Speech to Note是一个AI驱动的语音识别工具,能够即时将口语转换为文本。它使用先进的语音转文本技术,将您的语音转换成可以编辑或分享的简洁摘要。该产品由GPT-4技术支持,旨在提升生产力并释放创造力。

  • AutoApply:AI驱动的自动化求职助手

    AutoApply是一个AI驱动的求职平台,通过自动化技术帮助用户快速申请工作,节省时间并提高求职效率。它通过分析用户的简历和求职意向,自动匹配合适的职位,并生成个性化的求职信和简历。此外,AutoApply还提供24小时服务,让用户随时随地都能申请工作。

  • llama-agentic-system:Llama 3.1模型的系统级代理组件

    Llama-agentic-system是一个基于Llama 3.1模型的系统级代理组件,它能够执行多步骤推理和使用内置工具,如搜索引擎或代码解释器。该系统还强调了安全性评估,通过Llama Guard进行输入和输出过滤,以确保在不同使用场景下的安全需求得到满足。

  • SpeechGPT2:全端到端的类人语音对话模型

    SpeechGPT2是由复旦大学计算机科学学院开发的端到端语音对话语言模型,能够感知并表达情感,并根据上下文和人类指令以多种风格提供合适的语音响应。该模型采用超低比特率语音编解码器(750bps),模拟语义和声学信息,并通过多输入多输出语言模型(MIMO-LM)进行初始化。目前,SpeechGPT2还是一个基于轮次的对话系统,正在开发全双工实时版本,并已取得一些有希望的进展。尽管受限于计算和数据资源,SpeechGPT2在语音理解的噪声鲁棒性和语音生成的音质稳定性方面仍有不足,计划未来开源技术报告、代码和模型权重。

  • Meta-Llama-3.1-405B-Instruct:多语言大型语言模型,优化对话场景。

    Meta Llama 3.1是一系列多语言的大型预训练和指令调整的生成模型,包含8B、70B和405B大小的版本。这些模型专为多语言对话用例而优化,并在常见行业基准测试中表现优于许多开源和闭源聊天模型。模型使用优化的transformer架构,并通过监督式微调(SFT)和强化学习与人类反馈(RLHF)进行调整,以符合人类对有用性和安全性的偏好。

  • Meta-Llama-3.1-405B-Instruct-FP8:多语言对话生成模型

    Meta Llama 3.1系列模型是一套预训练和指令调整的多语言大型语言模型(LLMs),包含8B、70B和405B三种规模的模型,专为多语言对话使用案例优化,性能优于许多开源和闭源聊天模型。

  • MIT MAIA:自动化解释性代理,提升AI模型透明度

    MAIA(Multimodal Automated Interpretability Agent)是由MIT计算机科学与人工智能实验室(CSAIL)开发的一个自动化系统,旨在提高人工智能模型的解释性。它通过视觉-语言模型的支撑,结合一系列实验工具,自动化地执行多种神经网络解释性任务。MAIA能够生成假设、设计实验进行测试,并通过迭代分析来完善其理解,从而提供更深入的AI模型内部运作机制的洞察。

  • Meta-Llama-3.1-405B-FP8:多语言大型语言模型,优化对话和文本生成。

    Meta Llama 3.1是一系列预训练和指令调整的多语言大型语言模型(LLMs),包含8B、70B和405B三种大小的模型,专门针对多语言对话使用案例进行了优化,并在行业基准测试中表现优异。该模型使用优化的transformer架构,并通过监督式微调(SFT)和人类反馈的强化学习(RLHF)进一步与人类偏好对齐,以确保其有用性和安全性。

  • Mermaid AI:快速高效的文本到图表生成工具。

    Mermaid AI是一个由Mermaid JS团队开发的图表生成工具,它通过文本快速生成图表,简化了文档流程,提高了团队间的沟通效率。它支持多种图表类型,包括流程图、序列图、Git图等,并且具有代码驱动的自动化功能,使得设计系统和新成员入职更加高效和易于管理。

  • OmniAI.ai:一站式AI应用部署平台。

    OmniAI是一个提供统一API体验的AI应用构建平台,支持在现有基础设施内运行,支持多种AI模型,如Llama 3、Claude 3、Mistral Large等,适用于自然语言理解、生成任务等复杂需求。

  • Zerox OCR:一种简单直观的PDF OCR工具,使用gpt-4o-mini进行文档转换。

    Zerox OCR是一个基于gpt-4o-mini的PDF文档转换工具,它通过将PDF文件转换为图像,然后利用GPT模型将图像内容转换为Markdown格式,从而实现对文档的高效OCR处理。该工具在价格上具有竞争力,并且能够提供比现有产品更有意义的结果。

  • Bing generative search:Bing的新型生成式搜索体验。

    Bing generative search是微软Bing搜索团队推出的新型搜索体验,它结合了生成式人工智能和大型语言模型(LLMs)的能力,为用户提供定制化和动态的搜索结果。该技术通过理解用户查询,审核数百万信息源,动态匹配内容,并以新的AI生成的布局生成搜索结果,以更有效地满足用户查询的意图。

  • lmms-finetune:统一的代码库,用于微调大型多模态模型

    lmms-finetune是一个统一的代码库,旨在简化大型多模态模型(LMMs)的微调过程。它提供了一个结构化的框架,允许用户轻松集成最新的LMMs并进行微调,支持全微调和lora等策略。代码库设计简单轻量,易于理解和修改,支持包括LLaVA-1.5、Phi-3-Vision、Qwen-VL-Chat、LLaVA-NeXT-Interleave和LLaVA-NeXT-Video等多种模型。

  • Open-Sora Plan v1.2:文本到视频生成领域的先进模型架构

    Open-Sora Plan v1.2是一个开源的视频生成模型,专注于文本到视频的转换任务。它采用3D全注意力架构,优化了视频的视觉表示,并提高了推理效率。该模型在视频生成领域具有创新性,能够更好地捕捉联合空间-时间特征,为视频内容的自动生成提供了新的技术路径。

  • Meta-Llama-3.1-70B-Instruct:70亿参数的大型多语言对话生成模型

    Meta Llama 3.1是Meta公司推出的一种大型语言模型,拥有70亿参数,支持8种语言的文本生成和对话。该模型使用优化的Transformer架构,并通过监督微调(SFT)和人类反馈强化学习(RLHF)进行调优,以符合人类对有用性和安全性的偏好。它旨在为商业和研究用途提供支持,特别是在多语言对话场景下表现出色。

  • Meta-Llama-3.1-8B-Instruct:多语言对话生成模型

    Meta Llama 3.1是一系列预训练和指令调整的多语言大型语言模型(LLMs),支持8种语言,专为对话使用案例优化,并通过监督式微调(SFT)和人类反馈的强化学习(RLHF)来提高安全性和有用性。

  • MaskVAT:视频到音频生成模型,增强同步性

    MaskVAT是一种视频到音频(V2A)生成模型,它利用视频的视觉特征来生成与场景匹配的逼真声音。该模型特别强调声音的起始点与视觉动作的同步性,以避免不自然的同步问题。MaskVAT结合了全频带高质量通用音频编解码器和序列到序列的遮蔽生成模型,能够在保证高音频质量、语义匹配和时间同步性的同时,达到与非编解码器生成音频模型相媲美的竞争力。

  • SV4D:生成多视角视频的模型

    Stable Video 4D (SV4D) 是基于 Stable Video Diffusion (SVD) 和 Stable Video 3D (SV3D) 的生成模型,它接受单一视角的视频并生成该对象的多个新视角视频(4D 图像矩阵)。该模型训练生成 40 帧(5 个视频帧 x 8 个摄像机视角)在 576x576 分辨率下,给定 5 个相同大小的参考帧。通过运行 SV3D 生成轨道视频,然后使用轨道视频作为 SV4D 的参考视图,并输入视频作为参考帧,进行 4D 采样。该模型还通过使用生成的第一帧作为锚点,然后密集采样(插值)剩余帧来生成更长的新视角视频。

今日大家都在搜的词:

热文

  • 3 天
  • 7天