文章列表-AI魔法学院

文章列表

京东开源普通话数字人JoyHallo，一口流利标准普通话还会讲英语

在音频驱动的视频生成领域，制作普通话视频面临着许多挑战。

JoyHallo 数字人开源模型

聊天大模型的输出速度应该是多少？单张显卡最多可以支持多少个人同时聊天？来自贾扬清最新的讨论~

本文来自DataLeanerAI的博客： https://www.datalearner.com/blog/1051696951947094 适合人类阅读的大模型输出速度

大模型

AI国力战争：GPU是明线，HBM是暗线

在这一场国家级、企业巨头之间的竞争中，站在最前排的就是大模型和大模型的算力发动机GPU。

GPU HBM 大模型

元象首个多模态大模型 XVERSE-V 开源，刷新权威大模型榜单，支持任意宽高比输入

人类获取的信息83%来自视觉，图文多模态大模型能感知更丰富和精确的真实世界信息，构建更全面的认知智能，从而向AGI（通用人工智能）迈出更大步伐。

XVERSE-V 多模态大模型

必读！RAG好用的3种Router

都有自己的强项。

RAG Router

精通百种语言的翻译AI来了！Meta推出，免费、开源！

你是否曾经遇到过这样的困境：想要和外国朋友聊天，却发现自己的英语水平不够？

大语言模型

被高估的Pika，被低估的多模态AI

例如，在医疗领域可以通过结合图像、录音和病历文本，提供更准确的诊断和治疗方案；在交通领域，结合图像和传感器数据，带来更智能、更安全的自动驾驶体验；在教育领域，将文本、声音、视频相结合，呈现更具互动性的教育内容

大模型多模态

基于 Kimi Chat 的 AI 渐进式阅读法

社交媒体推荐的文章、RSS 订阅的文章、主动搜索到的文章… 因为有大量的信息要处理，我的 read it later 文章也越来越多。

Kimi Chat 阅读

AI Agent行业深度：框架拆解、应用方向、应用领域及相关公司深度梳理

4、应用两大方向：自动化（自主智能体）、拟人化（智能体模拟）结合目前学术界和产业界基于LLM开发的AI AGENT应用情况，能够将AI AGENT划分为两大类：自主智能体，力图实现复杂流程自动化

AI Agent 大模型人工智能

交友神器！AI二维码终极教程，3步做出你的专属艺术二维码！

如果你喜欢美食，那你的二维码可以是各种好吃的如果你喜欢二次元，还可以把自己的二维码换成各种动漫美女那今天这篇文章将会分为生成二维码、SD基础参数、ControlNet设置三个步骤你只要跟着一步一步操作

文生图

Stable Diffusion

Stable Diffusion 抽卡必备神器！Agent Scheduler

今天分享的插件就是时间大师 Agent Scheduler，有了这个插件，我们就可以将每次出图作为一个任务放在队列中，插件可以自动的执行队列中所有的任务，不需要我们一个一个的等待了。

Agent Scheduler Stable Diffusion

whisper-live：OpenAI Whisper模型的近实时实现

它可用于转录来自麦克风的实时音频输入和预先录制的音频文件。

OpenAI Whisper 大模型

超越Animate Anyone! 南加大&字节提出MagicPose，不需任何微调就可生成逼真的人类视频

南加州大学&字节提出MagicPose，一种新颖有效的方法，提供逼真的人类视频生成，实现生动的运动和面部表情传输，以及不需要任何微调的一致的野外零镜头生成。

MagicPose 视频

让ChatGPT帮我写SQL

推荐一个Github上Start超过3.4K，可将自然语言转化为SQL语句的开源项目。

SQL

8个常用中文OCR数据集，附下载链接

下载链接：https://opendatalab.com/MSRA-TD500 MSRA-TD500由华中科技大学于 2012 年在 CVPR 发布，是一个用于测试和评估多方向、多语言文字检测算法的自然图像数据集

OCR

<...7 8 9 101112 13 14 15 16 ...>

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