文章列表-AI魔法学院

文章列表

一文彻底搞懂多模态 - 多模态推理

这两种模态的信息可以是图片和文本、视频和语音等。

多模态推理大模型

美的数字化转型10年，方洪波的反思。作为领导者的高瞻远瞩与宽广胸襟！

那么在过去十年当中，这个数字化的转型推动，我们现在整体上会了，但一开始我们并不知道这是数字化转型。

工作

学术党狂喜，Meta推出OCR神器，PDF、数学公式都能转

然而，存储在 PDF 等文件中的信息很难转成其他格式，尤其对数学公式更是显得无能为力，因为转换过程中很大程度上会丢失信息。

大模型

生成式AI与大语言模型的区别

生成式人工智能可以被定义为专注于创建具有生成原创内容能力的模型，例如图像、音乐或文本。

生成式AI 大语言模型区别

Comfyui工作流管理插件，再也不用保存本地了！

“ Features 1.一键安装模型,如果工作流的模型在本地没有的话，会自动从 Huggingface 和 Civitai 下载缺失的模型

Comfyui 工作流插件

郭德纲讲英语相声详细教程

“Sign in”,出现登录界面后切换到Sign Up，按照指引注册完成之后，就可以开始生成视频了上传需要翻译的视频点击页面左侧的“Video Translate”选项系统将自动跳转到上传操作页面

数字人音视频

如何看待大型语言模型的Prompt

word2vec并不是为生成文本采样而设计的。

prompt 大语言模型

OCR终结了？旷视提出可以文档级OCR的多模态大模型框架Vary，支持中英文，已开源！

想将一份文档图片转换成 Markdown 格式？

OCR 手写文字识别

一款构建AI数字人项目开源了！自动实现音视频同步！

本周GitHub项目圈选: 主要包含音视频同步、多代理框架、3D对象模型、适用于开发者的演示文档构建工具、网页程序打包、自构建CRUD应用等热点项目。

AI数字人音视频同步

一本Python爬虫的书，凭什么能畅销10W册

这主要归因于 Python 简洁明了的语法以及丰富的库资源，使得开发网络爬虫工具和脚本变得相对简便。

爬虫 python

OpenAI视频模型Sora的推理生成成本多高？

如果 Sora 是先训练一个 32k/64k 的模型，最后再 Continue Training 1M 的模型，则 Sora 的训练成本跟之前预估的接近。

Sora 推理算力

打造音乐传奇：Suno推出音乐生成模型Suno V3，让每个人都能成为作曲家

Suno V3的诞生，不仅技术上有所突破，商业模式更是大胆转型。

suno 歌曲音乐

AI绘画：InstantID 一键运行包和在线Colab脚本！

然后，通过文末提供的方式获取压缩包。

InstantID 文生图

如何使用 Megatron-LM 训练语言模型

在 PyTorch 中训练大语言模型不仅仅是写一个训练循环这么简单。

开源模型

本地运行140亿参数，阿里千问玩起来！Qwen+Win11+3060

预训练数据类型多样，覆盖广泛，包括大量网络文本、专业书籍、代码等。

大模型

<...8 9 10 111213 14 15 16 17 ...>

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