文章列表-AI魔法学院

文章列表

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

该项目还提供了其他功能： · MusicGen：一种最新技术实现的可控文本到音乐模型。

AudioCraft 音频

大模型时代 AI 技术在金融行业的创新应用

其次，大模型的应用将逐步渗透到包括客服、营销、风控等业务创新的多个领域。

大模型金融

Dify：大模型创业开源工具，46,558 行代码，完全开源

其直观的界面结合了 AI 工作流、RAG 管道、Agent、模型管理、可观测性功能等，让您可以快速从原型到生产。

Dify 开源工具

如何用ChatGPT创建阅读10W+爆款文章标题

在各大社交媒体平台，如B站、头条、抖音和公众号上，一篇没有吸引力标题的文章是很难获得流量的。

GPT-4

字正腔圆,万国同音,coqui-ai TTS跨语种语音克隆,钢铁侠讲16国语言

按照固有的思维方式，如果想要语音克隆首先得有克隆对象具体的语言语音样本，换句话说，克隆对象必须说过某一种语言的话才行，但现在，coqui-ai TTS V2.0版本做到了，真正的跨语种无需训练的语音克隆技术

coqui-ai TTS 语音

“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

保姆级教程：手把手教你创建GPTs角色应用

它结合了指令、知识和操作功能，提供更加智能的体验。

GPTs 教程

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

数字人之声音克隆：无样本，1分钟样本完美克隆声音，开源

WebUI 工具：集成工具包括声音伴奏分离、自动训练集分割、中文自动语音识别(ASR)和文本标注，协助初学者创建训练数据集和

数字人声音克隆 GPT-SoVITS

初创企业必知的 30种商业模式（附实例）

对于创业来说，商业模式的重要性一点都不亚于技术。

初创商业模式

Stable Diffusion

【Stable Diffusion操作入门】Stable Diffusion 操作界面及基础参数介绍

操作界面介绍典型的Stable Diffusion操作界面如下图：可以看到里面的参数非常多。

文生图 SD

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

清华系17人，撑起中国大模型创业半壁江山

有趣的是，这些处于国内AI大模型竞赛焦点的主人公们——美团创始人王兴、光年之外创始人王慧文、搜狗&百川智能创始人王小川、一流科技创始人袁进辉——都是清华学子。

大模型

如何使用ChatGPT进行写作

ChatGPT以其速度和效率为内容创作的格局注入了新的活力。

ChatGPT 写作

动作识别模型有哪些

目前基于two-stream的方法基本上是由TSN作为骨干网络。

动作识别模型

<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