文章列表-AI魔法学院

文章列表

【语音识别】OpenAI语音力作Whisper

实现长音频转写 Q：学术数据集大多数由简短话语组成，但真实场景往往需要转写几分钟或几小时的音频，怎么办？

语音转文字 whisper

大模型能力评估体系

据中国科学技术信息研究所的数据，国内具有超过10亿参数规模的模型已达79个，标志着一场规模宏大的“百模大战”。

大模型评估

使用这个工具后，我将 RAG 的准确性和召回率都提高了两倍！

RAG（Retrieval Augmented Generation）是一种检索增强生成技术，它利用大型语言模型来处理用户查询，RAG 技术的主要组成包括数据提取—embedding—创建索引—检索—

RAG 大语言模型

Stable Diffusion

硬核解读Stable Diffusion（系列一）

laion-5b数据集是从网页数据Common Crawl中筛选出来的图像-文本对数据集，它包含5.85B的图像-文本对，其中文本为英文的数据量为2.32B，这就是laion2B-en数据集。

StableDiffusion 文生图

智源：70万预算，从头开发千亿参数大模型，挑战成功！

看到这里也许有的读者会有疑问，其他模型不是也有分成多个参数量的版本吗？

大模型

AI Agent的数字化革命：超越文本，走向自主决策与交互

它具备独立的思考和认知功能、拥有记忆，能进行思考、逻辑推断和自我反思，可以阅读和在线学习，擅长利用适当的工具处理问题，还能策划并根据实际情况调整任务的优先级…… 任务规划：子目标与分解：AI Agent

生成式AI

Github上Star数最多的大模型应用基础服务：Dify 深度解读

实现，另外基于其他第三方库实现了特定格式文件的处理比如对于 pdf 文件，会基于 pypdfium2 进行解析，html 是基于 BeautifulSoup 进行解析

Dify 大模型知识库

使用BELLE项目部署bloomz模型（专业程序员精简版）

中文对话大模型ELLE（BE Large Language Model Engine），基于BLOOM和LLAMA针对中文做了优化，模型调优仅使用由ChatGPT生成的数据，为中文指令提供更好的支持。

belle 训练大模型

让AI帮你读财报：Reportify让你看得清、聊得深

Reportify是一款帮助人们解读公司财报的AI分析工具。

Reportify 读财报

这个数字人开源项目太牛了，非常全面的项目解决方案(含源码)

项目的主要组成部分是Fay控制器和数字人模型，这些可以结合起来创造多种应用场景。

Fay 开源项目数字人

ComfyUI学习笔记2，一文看透Workflow

所谓Workflow工作流，在ComfyUI这里就是它的节点结构及数据流运转过程。

comfyui 文生图

零一万物API开放平台出场！通用Chat多模态通通开放，还有200K超长上下文版本

比如早期体验过的开发者教给模型一些心理学知识后，Yi-VL-Plus就能根据孩子的铅笔画展开一些基本的分析。

零一万物 YI 李开复

最新最全的开源中文大语言模型列表

模型的主要特性有：较大提升LLaMA的中文理解能力，并尽可能减少对原始LLaMA英文能力的损伤；训练过程增加较多的任务型数据，利用ChatGPT生成解析，强化模型理解任务求解逻辑；全量参数更新，追求更好的生成效果

大模型

RAG 修炼手册｜一文讲透 RAG 背后的技术

在自然语言处理中，Embedding 常常用于将文本数据中的单词、句子或文档映射为固定长度的实数向量，使得文本数据能够在计算机中被更好地处理和理解。

RAG Embedding

中学生也能看懂的Sora视频生成原理解读

这些视觉数据在分辨率、宽高比、色彩深度等方面都存在差异。

视频生成 sora

<...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