文章列表-AI魔法学院

文章列表

OpenAI视频模型Sora的推理生成成本多高？

GPT-4 的训练数据约为 13T - 20T 之间，我们假设为 20T 数据则 GPT-4 训练所需的 FLOPs = 6 * 400B * 20T = 4.8 * 10^25 目前最大的模型训练计算量预估在

Sora 推理算力

如何避免大语言模型绕过知识库乱答的情况？LlamaIndex 原理与应用简介

它提供了一系列工具来简化流程，包括可以与各种现有数据源和格式(如 api、pdf、文档和 SQL)集成的数据连接器。

大语言模型

一文彻底搞懂多模态 - 多模态推理

· VQA是一个典型的多模态问题，融合了计算机视觉（CV）与自然语言处理（NLP）的技术，计算机需要同时学会理解图像和文字

多模态推理大模型

PhotoMaker：腾讯最新开源，根据照片生成该人物各种风格图片，项目可落地！

该工具不仅能根据文本描述生成逼真的人类照片，还具备“堆叠ID嵌入”功能，这一功能可以利用多张照片作为身份ID，获取人物特征，从而创造出新的、个性化的人物图像。

PhotoMaker 文生图

万字长文，大语言模型如何宣告心理学的死亡？

可以说，心理学家将人类心理看成“黑箱”，只能通过实验室或者自然刺激来解释行为数据的差异，进而推测心理状态。

大语音模型

ChatGPT论文润色进阶指令

GPT-4.0在使用体验上相较于GPT-3.5有显著提升，特别是在逻辑推理方面。

ChatGPT 写作

基于 OpenAI Whisper 模型的实时语音转文字工具

今天给大家分享一款专注于音频处理和创作的开源软件【WhisperLive】什么是 WhisperLive？

WhisperLive 音频开源软件

Stable Diffusion

Stable Diffusion生成图片参数查看与抹除

这篇文章就来专门分享如何查看和抹除图片的参数。

文生图 Stable Diffusion

国产“小钢炮”MiniCPM3-4B：小参数，大能量！

，特别是长文本处理时性能更为稳定。

MiniCPM3-4B 大模型

一文搞懂贝叶斯定理有什么用

但是在现实世界中，除了抛硬币、掷骰子、玩老虎机等少数符合理想数学模型的场景，频率学派才能发挥作用。

贝叶斯定理

AI虚拟主播数字人技术实现Wav2Lip

AI蒙娜丽莎虚拟数字人-虚拟主播本文目录第一部分：深度伪造技术概述第二部分：Wav2lip技术概述第三部分：使用Wav2Lip进行AI主播虚拟人的深度实践第四部分：效果评测第五部分

数字人视频

一文带你看懂OpenAI-Sora生成视频的原理

Sora模型处理视频数据的过程，就可以用拼积木的游戏来形象地比喻。

视频生成 sora

AI Agent / 智能体观察笔记（下）

第四步：具备记忆能力自我迭代AI可以从经验中学习，目前比较常见的作法是把用户历史数据放到向量数据库中，在和用户互动过程中使用历史数据让AI理解上下文从而优化决策。

大模型

AIGC系列之一-一文理解什么是Embedding嵌入技术

Embedding模型是一种在机器学习和自然语言处理中广泛应用的技术，它旨在将高维度的数据（如文字、图片、视频等）映射到低维度的空间。

AIGC Embedding 嵌入技术

什么是极限、导数、微分与积分（通俗易懂）

从天体的运行到手机屏幕上的图像渲染，微积分的影响无处不在。

数学微积分科学

<...6 7 8 91011 12 13 14 15 ...>

汇聚AI资讯，网罗AI文档，详解AI工具！

关于我们用户协议隐私条款商务合作：skillupvip

© 2023-2025 AI魔法学院

京ICP备20027199号-1