文章列表-AI魔法学院

文章列表

李彦宏偏爱小模型｜AI光年

大语言模型对企业、机构、高校的实际价值是什么？

李彦宏小模型

通俗解读大模型微调(Fine Tuning)

今天这篇文章，我们抛开复杂的技术细节，用最通俗、直观的语言，为大家揭开大模型微调技术的神秘面纱。

大模型微调

一文彻底搞懂多模态 - 多模态推理

多模态推理多模态推理涉及至少两种不同的感知模态，最常见的是视觉和语言。

多模态推理大模型

人脸识别的开源的项目有哪些？

它支持多种编程语言，包括Python、C++、Java等。

人脸识别开源项目

GPT-4o实时语音方案提供商Livekit开源voice agent：轻松处理音视频流

该框架包括用于常见工作流程的插件，例如语音活动检测和语音转文本。

voice agent 开源音视频

数字人：从科幻走向现实的技术革命

创建数字人需要多方面的技术支持，包括计算机图形学、动作捕捉、语音合成以及人工智能算法等。

数字人语音

图片生成速度最高提升10倍！可以做到“实时”生成！清华推出LCM/LCM-LoRA！

近年来，随着SD和Midjourney的火热，文本到图像生成（Text-to-Image Generation）的研究取得了令人瞩目的进展，让我们能够用自然语言指导AI创造出各种各样的图像。

LCM/LCM-LoRA 文生图

TTS它又来了！OpenVoice：一款借鉴于TTS实现的强大的AI语音克隆工具！

而 OpenVoice 作为一款强大的多语言即时语音克隆AI工具，可以为用户提供高效、个性化的语音克隆服务，是一款值得推荐的项目。

tts 文本转语音

Langchain的一些问题和替代选择

Langchain因其简化大型语言模型(llm)的交互方面的到关注。

大模型

构建开源多模态RAG系统

在这个新的冒险中，我们将深入研究使用开源大型语言多模态（LLMM）构建检索增强型生成（RAG）系统的过程。

RAG 大模型

Westlake - Omni：西湖心辰推出的全球首个开源的中文情感端 - 端语音交互大模型

在语音情感理解中，注意力机制可以关注语音信号中的情感特征，如语调、语速、重音等，从而准确地判断情感类别。

Westlake -Omni 语音

数字人起飞！字节Loopy对口型功能在即梦上线可根据语境匹配表情和情绪

不同于以往的对口型只是张张嘴，Loopy可以让对口型视频中的角色在说话或唱歌时，还自动带上该语境下相应的语气，情绪和表情。

Loopy 视频

中文常用停用词表下载

比如“的”、“了”、“在”这些词，它们就像是我们语言中的“小透明”。

训练停用词

Github上Star数最多的大模型应用基础服务：Dify 深度解读

Dify 简介 Dify 是一个 LLMOps 服务, 涵盖了大语言模型（如GPT系列）开发、部署、维护和优化的一整套实践和流程。

Dify 大模型知识库

全球学术界知名学者教授信息大盘点（全）

本文是学术大佬资料整理得合集（共计86位），他们都是自然语言处理（NLP）方面得权威专家。

AI大佬知名学者

<...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