文章列表-AI魔法学院

文章列表

GLM-4-Voice 9B——实时多语言语音对话 AI——几分钟内即可在本地安装

它们在交互性方面可能会遇到困难，或者存在延迟问题。

GLM-4-Voice 9B 语音安装

前半年，我看到的有趣的 AI 产品

另外一方面，互联网搜索、手机上的触屏交互，已经能解决 80% 的头部高频需求场景了.....4、所以，AI 搜索很可能只是一个过渡态的产品，包括秘塔搜索，也还在不断进化之中。

AI工具

教你用StableDiffusion设计AI数字人

就像以前人们想不到，原来要跑大老远去买东西，现在动动手指就能完成。

文生图

OpenAI Sora视频生成模型技术报告中英全文+总结+影响分析

Sora能够生成具有动态相机运动的视频。

sora openai 视频生成

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

与依赖连续音频流的传统语音识别系统不同，我们使用语音活动检测（VAD）来检测语音的存在，并且仅在检测到语音时才发送音频数据以耳语。

OpenAI Whisper 大模型

微软研究团队：Sora核心技术及未来机会研究报告-中英对照版

此外，Sora 能够制作包含细致动作和互动的长视频序列，突破了以往模型在视频长度和视觉表现上的限制。

sora 论文

一键部署本地私人专属知识库，开源免费！可接入GPT-4、Llama 3、Gemma、Kimi等几十种大模型，零代码集成。

我们用浏览器打开下面的网址， · http://127.0.0.1:8080 就可以启动了

知识库MaxKB 开源

2024年傅盛开年AI大课演讲内容PPT

傅盛先生是中国知名企业家之一，现任猎豹移动有限公司董事长及首席执行官，并同时担任猎户星空有限公司董事长。

猎豹 AI 演讲

人手一个编程助手！北大最强代码大模型CodeShell-7B开源，性能霸榜，IDE插件全开源

在开发过程中，CodeShell代码助手插件提供了两种模式，即专注模式和交互模式，两种模式相互协同，共同提升开发效率。

开源模型 AI编程

数字人：从科幻走向现实的技术革命

这些技术共同为数字人提供了逼真的外貌、流畅的动作以及智能化的交互能力。

数字人语音

2024，智谱如何更快？

-4，一直无人赶超 2023年春节后，辞旧迎新，一波关注AI的投资人偶然间使用了ChatGPT（GPT-3.5），被震惊，一传十、十传百，在投资圈带起了一波ChatGPT热潮，随着时间不断发酵，遂带动了整个中文互联网

GPT-4 大语言模型

Asimov的预言与《Reflexion》的Prompt启示：机器人心理学家的新纪元

大型语言模型（LLMs）越来越多地被用于与外部环境（如游戏、编译器、APIs）互动作为目标驱动的代理。

大模型

8个常用中文OCR数据集，附下载链接

扫一扫识别文字、拍照翻译、拍照搜题、车牌自动识别……这些随处可见的功能，给我们的工作和生活带来了极大的便利，其背后都离不开OCR技术的支持。随着深度学习技术的发展，智能OCR算法与应用也越来越丰富，对相关数据的需求也增加。许多小伙伴反馈中文OCR数据集不好找，今天我们贴心地帮大家整理了8个常用的中文OCR数据集资源，记得收藏。

OCR

国产AI，逃过一劫

一整年过去，觉醒与狂飙、躁动与退场在时刻上演。

ChatGPT 大模型

<...13 14 15 161718 19 20 21 22 ...>

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