文章列表-AI魔法学院

文章列表

pdf2htmlEX：效果相当好的一个PDF转HTML程序，和原始PDF几乎一模一样。

其背后是利用的Chrome Headless，让Chrome渲染PDF，再导出成HTML，甚至图片都转成了 base64 字符，所以一个网页就可以包含完整的文本、字体和图片等内容这是我的

PDF转换

腾讯开源混元AI绘画大模型

最近大厂的大模型竞争激烈，百度的文心一言主打闭源和付费路线，阿里的通义千问主打开源免费路线，而腾讯的混元大模型，则不温不火。

腾讯混元文生图

【万字长文-进阶教程】一文带你从入门到精通ChatTTS, 手把手教你固定音色、设置语速、添加停顿词、口头语、笑声！！

torch.randn(dim, device=std.device) * std + mean 可以看出最终返回的音色向量，是通过将随机生成的正态分布值缩放和偏移得到的

chattts tts 文生语音

玩转大模型必备：milvus向量数据库私有化安装部署及使用介绍

1.安装目前官方提供单机模式、集群模式、离线模式三种安装方式，目前milvus都是基于docker 容器方式按照，其中单机模式使用docker-compose方式，集群模式主要是依托K8S实现的。

向量数据库

OCR是什么以及推荐几款开源中文OCR识别软件

光学字符识别（Optical Character Recognition, OCR）是指对文本资料的图像文件进行分析识别处理，获取文字及版面信息的过程。

OCR

大模型实践总结

对于以Transformer、MOE结构为代表的大模型来说，传统的单机单卡训练模式肯定不能满足上千（万）亿级参数的模型训练，这时候我们就需要解决内存墙和通信墙等一系列问题，在单机多卡或者多机多卡进行模型训练

大模型训练

阿里通义实验室薄列峰：从兵马俑跳“科目三”到照片唱歌，四大框架让AI生成的人物活起来丨GenAICon 2024

对此，薄列峰认为，文生视频模型与世界模型的机制存在差异，视频是一个观察者角色，并不能真正改变世界，文字与物理世界描述之间也具有不对应关系。

通义文生视频

大模型时代，数据为王，在哪里寻找开源数据集？

经过调研整理，下面列出目前可以寻找开源大模型数据集网站清单，一网打尽，请您按需使用。

开源数据训练

大模型训练为什么用A100不用4090

因此，每个参数需要存 4 字节的 32 位版本（正向传播时用 16 位版本，优化时用 32 位版本，这叫做 mixed-precision），还需要存 4 字节的 momentum 和 4 字节的 variance

大模型

Stable Diffusion

这篇深入浅出帖助你早日实现Stable diffusion自由

当你在浏览器里打开了这个webUI以后，就可以利用它开始作画了。

AI图片

世界顶级七大管理工具：SWOT、PDCA、6W2H、SMART、WBS、时间管理、二八原则、波特五力分析

大师级的管理专家绝不是徒有虚名的，他们总会打开一个新的管理视角让你发现你的盲点和误区，提供给你一种崭新的项目管理工具，掌握了这七大项目管理工具，对你的工作将有大幅度的帮助，你会感到自己进入了一个新的境界

管理工具

Stable Diffusion

Stable Diffusion API

Stable Diffusion Web UI 通过 API 和交互式 UI 打开了许多这些功能。

文生图 SD

OmniVision - 968M：小巧精悍的视觉语言模型，释放多模态边缘计算强大潜能

在当今数字化与智能化浪潮汹涌的时代，人工智能技术不断取得突破性进展，多模态模型作为其中的前沿领域，正日益成为研究和应用的热点。

OmniVision -968M 多模态模型

再也不怕合照缺人，Anydoor为图片编辑开了一道「任意门」

来自香港大学、阿里巴巴和蚂蚁集团的新成果 Anydoor 为图片编辑打开了一扇「任意门」。

Anydoor 文生图

中国大模型融资暗战：罗曼蒂克的快速消亡

在持续了一年多的中国大模型鏖战中，由杨植麟创办的月之暗面，尽管是一个是常被提起的名字，但其实在融资上并不占有先机。

大模型暗战

<...9 10 11 121314 15 16 17 18 ...>

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