无人机新规 2026 年 5 月实施!实名登记 + 激活双要求,这些细节关乎每一位飞手~

无人机新规 2026 年 5 月实施!实名登记 + 激活双要求,这些细节关乎每一位飞手~

2026 年 5 月 1 日起,《民用无人驾驶航空器实名登记和激活要求》(GB46761-2025)将正式落地实施,标志着我国民用无人机管理迈入 “实名 + 激活” 双重管控的规范化新阶段。无论是娱乐航拍爱好者,还是农林牧渔、物流运输等行业用户,都需提前掌握新规要点,避免影响飞行活动。

新规明确了适用范围,覆盖中国境内所有从事飞行或相关活动的民用无人机,即便以飞行玩具模型名义生产销售,但实际功能达标者也需遵守。不过,最大飞高不超 30 米、起飞重量小于 0.25kg 的纯飞行玩具,以及军警、海关等部门专用无人机除外,边界划分清晰。

核心变化在于新增 “激活” 要求。无人机所有者需在使用前完成实名登记与激活双重操作,未激活设备将不具备飞行能力。激活流程分为两种方式:方式 1 需通过生产者系统与实名登记系统交互核验,方式 2 则由无人机系统直接对接登记系统,两种路径均实现 “登记 - 核验 - 激活 - 同步” 的闭环管理。

技术要求方面,登记信息需包含所有者身份、产品型号、唯一识别码等关键字段,2024 年起新生产设备需使用唯一产品识别码登记。无人机外包装及系统显著位置需标注 “首次使用前进行实名登记和激活” 提示,手册需明确法律法规、法律责任及操作流程,未按规定执行将面临相应处罚。

值得注意的是,新规设置了过渡期:新生产无人机自实施日起执行,已在用设备自实施日起第 13 个月开始执行。当无人机所有者变更或退出使用时,需先取消激活再办理注销登记,未按规定操作可能面临民事侵权甚至刑事责任风险。

此次新规通过明确流程、细化标准、强化追溯,既保障了低空飞行安全,也为行业健康发展筑牢基础。建议广大飞手提前熟悉登记激活流程,相关企业做好产品合规调整,共同守护安全有序的低空飞行环境。新规实施后,合规飞行将成为常态,唯有主动适应管理要求,才能尽情享受无人机带来的便利与乐趣。

Read more

最完整whisperX入门指南:从安装到实现第一个语音识别功能

最完整whisperX入门指南:从安装到实现第一个语音识别功能 【免费下载链接】whisperXm-bain/whisperX: 是一个用于实现语音识别和语音合成的 JavaScript 库。适合在需要进行语音识别和语音合成的网页中使用。特点是提供了一种简单、易用的 API,支持多种语音识别和语音合成引擎,并且能够自定义语音识别和语音合成的行为。 项目地址: https://gitcode.com/gh_mirrors/wh/whisperX 你还在为语音识别工具安装复杂、识别准确率低、时间戳不精准而烦恼吗?本文将带你从零开始,一步步掌握whisperX的安装配置,并实现你的第一个语音识别功能。读完本文,你将能够:搭建稳定的whisperX运行环境、使用命令行和Python API两种方式进行语音识别、获取精准的单词级时间戳、实现多 speaker 区分标注。 whisperX 简介 whisperX 是一个基于 OpenAI Whisper 的语音识别工具,它在 Whisper 的基础上进行了改进,提供了更精准的单词级时间戳和 speaker 区分功能。

Code Llama 7B模型完整使用指南:提升编程效率的AI助手

Code Llama 7B模型完整使用指南:提升编程效率的AI助手 【免费下载链接】CodeLlama-7b-hf 项目地址: https://ai.gitcode.com/hf_mirrors/ai-gitcode/CodeLlama-7b-hf 在当今快速发展的软件开发领域,人工智能代码生成工具正成为开发者不可或缺的助手。Code Llama 7B模型作为Meta公司推出的专业代码生成AI,能够显著提升编程效率和代码质量。这款基于Llama 2架构的模型专门针对代码理解和生成任务进行了优化,支持多种编程语言,为开发者提供了强大的智能编程支持。 环境准备与快速部署 系统要求检查清单 在开始使用Code Llama 7B之前,请确保你的开发环境满足以下基本要求: * 操作系统:Linux或macOS(Windows用户可通过WSL运行) * 内存容量:建议16GB以上以获得流畅体验 * 存储空间:至少10GB可用空间存放模型文件 * Python版本:Python 3.8或更高版本 依赖安装步骤 首先安装必要的Python包,这些是运行模型的基础: pip

Buzz语音转文字离线免费版安装使用(含Whisper最新模型)

Buzz语音转文字离线免费版安装使用(含Whisper最新模型)

简介: Buzz1.2.0(2024年12月24日更新的,是2025年7月最新版本) Buzz有python编写的, 在您的个人计算机上离线转录和翻译音频。由 OpenAI 的 Whisper 提供支持。 应用场景: 歌曲提取歌词,音频/视频提取文字 软件下载(windows为例): github下载地址: Release v1.2.0 · chidiwilliams/buzzhttps://github.com/chidiwilliams/buzz/releases/tag/v1.2.0 文章最后有百度云盘离线下载地址(含模型) 软件安装: exe文件直接安装即可 软件使用: 当前支持的模型: 如果没有【查看文件位置】 C:\Users\用户\AppData\Local\Buzz\Buzz\

Diffusion Transformer(DiT)——将扩散过程中的U-Net换成ViT:近频繁用于视频生成与机器人动作预测(含清华Prediction with Action详解)

Diffusion Transformer(DiT)——将扩散过程中的U-Net换成ViT:近频繁用于视频生成与机器人动作预测(含清华Prediction with Action详解)

前言 本文最开始属于此文《视频生成Sora的全面解析:从AI绘画、ViT到ViViT、TECO、DiT、VDT、NaViT等》 但考虑到DiT除了广泛应用于视频生成领域中,在机器人动作预测也被运用的越来越多,加之DiT确实是一个比较大的创新,影响力大,故独立成本文 第一部分 Diffusion Transformer(DiT):将扩散过程中的U-Net 换成ViT 1.1 什么是DiT 1.1.1 DiT:在VAE框架之下扩散去噪中的卷积架构换成Transformer架构 在ViT之前,图像领域基本是CNN的天下,包括扩散过程中的噪声估计器所用的U-net也是卷积架构,但随着ViT的横空出世,人们自然而然开始考虑这个噪声估计器可否用Transformer架构来代替 2022年12月,William Peebles(当时在UC Berkeley,Peebles在𝕏上用昵称Bill,在Linkedin上及论文署名时用大名William)、Saining Xie(当时在纽约大学)的两人通过论文《Scalable Diffusion Models with Trans