文章列表-AI魔法学院

文章列表

语音、视频转文字神器：开源whisper介绍

Whisper模型的训练过程非常复杂，需要大量的计算资源和时间。

人工智能大模型 wisper

Stable Diffusion

全网最全AI绘画Stable Diffusion关键技术解析

VAE的编码器可以将图像压缩为潜在空间的向量表示，在潜在空间进行扩散过程，再通过解码器恢复图像，这样可以大大提高计算效率。

Stable Diffusion 文生图

FFmpeg之父新作——音频压缩工具 TSAC

如果使用普通的向量量化器，这就需要最终的码本向量个数为N = 2^80，这显然是不切实际的。

TSAC 音频工具

PymuPDF4llm：PDF 提取的革命

PDF 文件作为一种广泛使用的文档格式，包含着大量有价值的信息。

PymuPDF4llm PDF

解读 Openai 给 DALLE3 设的完整系统提示词

如果用户没有要求生成特定数量的图像，默认创建四个提示发送给dalle，这些提示应尽可能多样化。

提示词绘画 DALLE

盘点字节跳动最新的AI应用

#65039;⃣ 今日头条的小悟空（200+AI工具集，海外名称为ChipChop），4️⃣ 大力教育的河马爱学（AI辅助学习工具），5️⃣ 巨量引擎的即创

字节 AI工具

华为盘古画画3.0发布 | PanGu-Draw：业界最大的中文文生图模型，效果YYDS！

然而，它们对大量计算资源和广泛数据收集的依赖仍然是一个瓶颈。

PanGu-Draw 文生图

Deepseek-V2技术报告解读！全网最细！

模型参数量方面达到236B ，同时由于模型小专家混合的特性，模型在推理时的激活参数很少，可以实现高推理速度。

Deepseek-V2 大模型

深度好文，Agent盛行前传

在这篇文章里我将借助引用量较高的论文“Reward is enough”并结合近期使用的MindOS（一款以GPT为大模型底层的agent应用

Agent 大模型

玩一玩ChatGLM3，1660s即可流畅运行！

同时，也出现了大量的配套项目，比如运行库，微调，知识库等...

大模型 ChatGLM

腾讯的 PhotoMaker - 更快更像更可控的 AI Avatar

它主要通过堆叠ID嵌入方式编码任意数量的输入ID图像，以保留ID信息。

PhotoMaker 文生图

从 GPT-4o 到 LiveKit：实时语音交互的开源实现

在人工智能技术日益普及的今天，GPT-4o 的实时语音功能吸引了大量关注。

GPT-4o 语音交互

来自Microsoft Build 2023：大语言模型是如何被训练出来的

信息含量丰富，本文根据这份演讲总结。

大模型

大模型：泛化即智能，压缩即一切！

定义1: 模型的泛化程度与你将不同数据推入足够高容量模型的速度成正比。

泛化大模型

搭建程序员自己的在线工具库 it-tools

虽然有一些开发工具也具有一些常用的格式化功能，有时候，我们可能也需要一些其它轻量级的工具。

开源项目工具类

<...18 19 20 212223 24 25 26 27 ...>

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

© 2023-2024 AI魔法学院

京ICP备20027199号-1