文章列表-AI魔法学院

文章列表

“实时”语音翻译！AI语音具有“情绪”！最强开源AI大模型来了

你想把一段语音转成文字，或者把一段文字转成语音，但是你不知道怎么操作！

大模型开源模型语音

两个案例教你如何用BRTR原则优化Prompt

优化流程：从模糊到精准 BRTR 原则优化 Prompt 的过程可以分为四个步骤：添加背景（Background）、明确角色（Role）、具体任务（Task）和明确要求（Request）。

BRTR Prompt 写作

实时语音克隆

项目简介这份内容介绍了实时语音克隆的技术实现，作者通过将说话者验证技术转移到多说话人文本到语音合成（SV2TTS）来实现语音克隆。

语音克隆

十大开源语音识别项目

它在大量多样化的音频数据集上进行训练，作为一个多任务模型，可以执行多语言语音识别、语音翻译和口语识别。

语音识别开源项目

语音克隆又又又又又升级了

之前在前面的文章中有介绍，克隆你的声音，只需要你三秒的录音，声音克隆又进化了！

Meta 语音生成

语音、视频转文字神器：开源whisper介绍

OpenAI的Whisper是一种基于深度学习的语音识别模型，它是一种通用的语音识别模型，可以用于语音识别、语音翻译和语言识别等任务。

人工智能大模型 wisper

检索增强生成(RAG)有什么好的优化方案？

RAG优化分为两个方向：RAG基础功能优化、RAG架构优化。

RAG 检索增强

检索增强生成(RAG)有什么好的优化方案

RAG优化分为两个方向：RAG基础功能优化、RAG架构优化。

RAG 检索增强生成

Wunjo AI: 合成和克隆英语/俄语/中文语音,实时语音识别,深度换脸和唇动合成,通过文本提示更改视频,分割和修饰

主要特征语音合成：轻松将文本转换为类似人类的语音。

AI语音克隆实时语音识别

OpenAI大动作：Whisper large-v3重塑语音识别技术

这款最新的自动语音识别模型不仅在多语言识别方面取得了显著进步，而且还将很快在OpenAI的API中得到支持。

Whisper 语音识别

大模型外挂知识库优化-大模型辅助向量召回

但是很多时候，用户的问题是十分口语化的，描述的也比较模糊，这样会影响向量召回的质量，进而影响模型回答效果。

大模型

栩栩如生,音色克隆,Bert-vits2文字转语音打造鬼畜视频实践

语音素材和模型首先我们需要渣渣辉和刘青云的原版音频素材，原版《扫毒》素材可以参考：https://www.bilibili.com/video/BV1R64y1F7SQ/。

Bert-vits 语音

技术布道 | Prompt评估与优化，让魔法打败魔法，通过大模型获得更优质的Prompt进而获得更优质的内容

我们可以让大模型来帮着优化Prompt，今天我们选择在百度千帆大模型平台对Prompt进行评估和优化。

prompt 大模型

开源语音大语言模型来了！阿里基于Qwen-Chat提出Qwen-Audio!

这种变化源于任务目标、语言、注释粒度和文本结构（结构化或非结构化）的差异。

大模型语音

万字长文-大语言模型指令调优综述

o (2)利用近端策略优化方法优化 step-1 模型。

大语言模型

<123 4 5 6 7 8 9 10 ...>

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