文章列表-AI魔法学院

文章列表

阿里巴巴语音实验室发布开源语音处理框架ClearerVoice-Studio，支持语音增强、分离、目标说话人提取

.02 技术亮点：多模型协作，创新驱动性能突破 ClearerVoice-Studio 的核心优势在于其精心设计的模型体系，针对不同的语音处理任务量身打造了多款创新模型

ClearerVoice-Studio 语音

AI开源 - LangChain UI 之 Flowise

一、Flowise 简介 Flowise 是一个为 LangChain 设计的用户界面(UI)，使得使用 LangChain 变得更加容易（低代码模式）。

大模型

腾讯悄悄开源混元版「Sora」，这就是开源领域的No.1。

上个月5号，他们宣布开源大语言模型混元Large和3D大模型Hunyuan3D-1.0。

sora 视频生成

RAG从入门到精通-RAG简介

前言 RAG（Retrieval Augmented Generation,检索增强生成）是一个将大规模语言模型(LLM)与来自外部知识源的检索相结合的框架,以改进问答能力的工程框架。

rag 大模型

体验完阿里的EMO模型，我emo了

一、唠嗑近日，阿里宣布通义千问研发的AI模型—EMO模型正式上线通义千问App，并开放给所有用户免费使用。

EMO 文生图

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

从零开始用LangChain、Pinecone和LLMs搭建你自己的文档问答系统

一、简介今天我们将深入探讨使用LangChain和Pinecone创建基于文档的问答系统的过程，利用最新的大文本语言模型（LLMs），如OpenAI GPT-4和ChatGPT。

知识库 langchain

无限逼近真人效果的“超真实人像大模型”，或许它才是你一直在寻找的真爱！

“ 虽然网络上面的文本生成图片的扩散大模型已经铺天盖地，但是使用过的朋友应该都知道它们大多数的实际应用效果并不尽人意！

大模型文生图

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

详解 Diffusion (扩散) 模型

扩散模型是跨不同深度学习领域使用的生成模型。

Diffusion 开源模型

QWen1.5: 卓越模型之路

对 Qwen Base 和 Chat 模型在一系列基础及扩展能力上进行了详尽评估，包括如语言理解、代码、推理等在内的基础能力，多语言能力，人类偏好对齐能力，智能体能力，检索增强生成能力（RAG）等，对比对象也增加了热门的

Qwen1.5 开源模型

开源免费离线语音识别神器whisper如何安装

whisper介绍 Open AI在2022年9月21日开源了号称其英文语音辨识能力已达到人类水准的Whisper神经网络，且它亦支持其它98种语言的自动语音辨识。

wisper 翻译免费

请收好这12种Prompt编写模式，让不可靠的模型生成可交付的可靠结果

“ 不管是ChatGPT、Claude、Bard、Llama、文心一言、盘古、通义、星火还是ChatGLM这些大语言模型不总是可靠，总会出现幻觉，答非所问甚至胡编乱造。

prompt

大模型能自己优化Prompt了，曾经那么火的提示工程要死了吗？

简而言之，提示工程就是寻找一种编辑查询（query）的方式，使得大型语言模型（LLM）或 AI 绘画或视频生成器能得到最佳结果或者让用户能绕过这些模型的安保措施。

prompt 大模型提示

Stable Diffusion

Stable diffusion 有哪些不错的模型

-4、sd-v1-5、sd-v2（简写成SD1.5、SD2.0）之类的大模型，这些都是Stable-Diffusion自带的大模型，分别是1.4、1.5和2.0版本。

文生图

<...21 22 23 242526 27 28 29 30 ...>

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