文章列表-AI魔法学院

文章列表

最强国产开源多模态大模型MiniCPM-V：可识别图片、视频，还可在端侧部署

MiniCPM-V是面向图文理解的端侧多模态大模型系列。该系列模型接受图像和文本输入，并提供高质量的文本输出。

minicpm 面壁

大模型训练为什么用A100不用4090

事实上，H100/A100 和 4090 最大的区别就在通信和内存上，算力差距不大。

大模型

「语音转换新速度」— 探秘Whisper JAX的70倍速提升

在AI的众多分支中，语音识别技术的突破性进展尤为引人瞩目。

Whisper 语音识别

微信向量检索分析一体化数仓探索：OLAP For Embedding

我们发现社区中“向量搜索”的兴趣显著增加;具体来说，大家感兴趣了解的是：何时需要专门向量数据库，何时不需要？

OLAP For Embedding 一体化数仓

大规模中文开源数据集发布！2TB、几十亿条可商用的中文数据集书生·万卷 1.0开源~中文大模型能力可能要更上一层楼了！

但是当前领先的预训练模型使用的数据集细节往往不公开，开源数据的匮乏制约着研究社区的进一步发展。

大模型

免训练！单图秒级别生成AI写真，人像生成进入无需训练的单阶段时代

介绍作为 AI 人像写真开源项目的佼佼者，FaceChain 凭借其丰富多样的风格模版和卓越的人像保真度，深受社区的喜爱并已在商业应用中得到了广泛的应用。

FaceChain FACT 文生图

告别抑郁：10个ChatGPT提示词技巧打造你的心理健康顾问，摆脱90%的心理疾病

1.控制抑郁症状提示：“对于感受到抑郁症状的个体，你能否提供一系列认知行为疗法的自助策略，帮助我识别和调整负面思维模式？”

心理健康提示词

F5-TTS：上海交大开源超逼真声音克隆TTS，告别ElevenLabs，以后就用它了！实测真的很牛

只是别被缅北拿去就好。

F5-TTS 音频克隆

书生·万卷：难得的中文开源数据集

全球最大的AI开源社区Huggingface上，已经有5万多的开源数据集了，其中涉及中文的数据集只有区区可怜的151个。

大模型

腾讯开源的数字人MuseTalk到底行不行？

MuseTaIk特别适用于256x256像素的面部区域，且支持中文、英文和日文等多种语言输入。

MuseTalk 数字人音频

OCR的终极解法——传统算法VS多模态大模型

在命名实体识别中，算法会分析文本，并将每个单词或短语标记为预定义的类别之一。

OCR 大模型文字识别

产品经理必会的3大流程：业务流程、功能流程、页面流程（附案例）

作为产品经理，你真的能区分业务流程图、功能流程图和页面流程图吗？

产品经理流程

ReplaceAnything：阿里最新项目！重绘图片里的任何元素，商用价值极高！用最简单的部署创造最大的价值！

摘要 ReplaceAnything是阿里团队即将开源的项目，针对图像里的人物替换、服装替换、背景替换等方面做了极大的优化，使用户上传图片可以指定部分区域生成新内容，并且做到了严格保留遮挡区域，这对AIGC

ReplaceAnything 文生图

GGUF格式详解

为什么会有这样的大模型文件，与它一同出现对比的是GGML格式文件，二者的区别是啥？

GGUF 大模型

中本聪的Web3之路

为此，他设计了一种基于密码学和工作量证明的区块链技术，将交易打包成区块，并通过网络节点之间的共识机制来达成交易顺序和安全。

token 比特币加密货币

<1 2 345 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