文章列表-AI魔法学院

文章列表

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

此外，我们还将语音识别与基于字级时间戳预测（SRWT）的任务结合起来进行训练，这在以前的多任务学习研究中通常被忽视。

大模型语音

掌握这10个AI 工具用1小时完成别人1周的工作

掌握这10个AI 工具，你用一小时就能完成99％的人一周还多的工作量！

AI 工具

大模型应用实践：用LLaMA 2.0, FAISS and LangChain实现基于自由知识问答

在过去的几周里，我一直在试用几个大型语言模型(LLMs)并使用互联网上的各种方法探索它们的潜力，但现在是时候分享我到目前为止所学到的东西了！

开源模型

从声纹模型到语音合成：音频处理 AI 技术前沿 | 开源专题 No.45

· 可以实现高效率、低延迟的实时语音变化； · 跨平台兼容性强，适用于 Windows、Mac(M1)、Linux 等系统； espnet/espnet[3] Stars:

AudioCraft 音频

会“追问”的Agent，大模型知识库另类实践

在实际的生产环境中，此类知识库应用可能遇到两类问题：知识型和政策型（图1）。

大模型

OCR是什么以及推荐几款开源中文OCR识别软件

后期处理：根据特定的语言上下文的关系，对识别结果进行校正。

OCR

解读wav2lip：探究语音驱动唇部动作的技术原理！

本文将深入介绍一下wav2lip的技术原理和细节，了解它是如何实现语音驱动唇部运动的！

wav2lip 语音

网易有道强力开源中英双语语音克隆

其中的音素（phonemes）可以这样得到： python frontend.py data/my_text.txt > data/my_text_for_tts.txt. 5.

语音开源

Windrecorder：连续记录屏幕内容，通过OCR技术识别记录内容

它的所有能力（录制、识别处理、存储回溯等）完全运行在本地，无需联网，不上传任何数据，只做应该做的事。

Windrecorder 录屏

【开源项目】Flow Matching 语音合成

CFM是一种新技术，已被证明可以改进扩散模型，Meta的Voicebox模型将CFM引入语音合成领域，下面是voicebox的一个工作流程图 Matcha-TTS是第一个开源conditional

音视频 Flow Matching

4K star！录屏好帮手，超酷的实时按键显示工具

今天我就帮你找到了一个好用的工具，它开源免费效果还超酷，帮你完成实时可视化键盘按键的效果，它就是：Keyviz。

Keyviz 录频

各个语种互相翻译：Meta推出NLLB-200 AI模型，可实现200种语言互译

同时，这也是他们元宇宙计划的一部分。

翻译大模型

有道开源的国产语音库EmotiVoice爆火了！具有情绪控制功能的语音合成引擎！

但是近期，网易有道AI算法团队也开源了一款国产TTS语音合成引擎EmotiVoice，刚上线仅一周时间就暴涨4200颗星，问鼎当周GitHub trending流行榜第一。

EmotiVoice 语音库

测评了8个国产AI大模型，差点崩溃……

从自然语言处理到语音识别，从情感分析到知识问答，大模型的应用已经渗透到我们生活的方方面面。

大模型测评

Llama 3突然来袭！开源社区再次沸腾：GPT-4级别模型可以自由访问的时代到来

AI写作助手创企HyperWriteAI的CEO见此已忍不住感慨：我们正在步入一个新世界，一个GPT-4级别的模型开源并且可以自由访问的世界。

meta llama3

<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

© 2023-2024 AI魔法学院

京ICP备20027199号-1