文章列表-AI魔法学院

文章列表

14.6K star！最好用的OCR文字识别项目，没有之一！

伙伴们，平时都会用到文字识别吧？

Umi-OCR 开源项目文字识别

[论文] 阿里提出AgentScope：灵活强大的智能体框架

、图像、音频和视频）在对话呈现、消息传输和数据存储中的使用。

AgentScope 语言大模型智能体

我为什么不看好大模型行业

这是《生成式AI到Agent economy：产业再分工与场景再想象》的续篇。

大模型

AA大佬新作：ComfyUI整合包，打造极简解决方案

引言： Stable Diffusion作为一种强大的图像生成技术，受到了广泛的关注和应用。

comfyui 文生图工作流程

Rerank——RAG中百尺竿头更进一步的神器，从原理到解决方案

本文主要内容：为什么一般情况下RAG的检索相关性存在问题？

RAG 检索增强

【SD魔法手册】之25个常用服饰类咒语（Prompt）

cowboy boots, denim, rustic accessories, earthy colors, casual comfort, (plaid_shirt) 原文：

提示词 SD

强大高效的微信爬虫Wechat_Articles_Spider：快速获取公众号文章的利器

引言在本文中，我们将详细介绍一个名为wechat_articles_spider的Python爬虫工具。

微信爬虫

2023年人工智能行业总结

而变声模型vits和文本转语音TTS的发展，也让GPT有了耳朵和嘴巴。

人工智能 AGI 思考总结

LangChain 的问题所在

由 Harrison Chase 开发的 LangChain 是一个用于与 OpenAI 的 GPT API（后来扩展到更多模型）进行人工智能文本生成交互的 Python 和 JavaScript 库。

大模型大语言模型

阿里云开源通义千问多模态大模型Qwen-VL，持续推动中国大模型生态建设

Qwen-VL是支持中英文等多种语言的视觉语言（Vision Language，VL）模型，相较于此前的VL模型，Qwen-VL除了具备基本的图文识别、描述、问答及对话能力之外，还新增了视觉定位、图像中文字理解等能力

大模型

17K star！30秒偷走你的声音，开源声音克隆工具

现在的AI发展越来越快，生成一段语音不是难事，那如果生成的是你自己的声音？

OpenVoice 声音克隆开源

来自Microsoft Build 2023：大语言模型是如何被训练出来的

文中也给出了一些解释，包括有了基础模型的有监督微调，为什么还需要做RLHF模型目前，官方网站未注册的用户无法观看视频，只能去YouTube观看。

大模型

收藏！万字长文聊聊LLM Agents的现状，问题与未来

学术上的定义已有很多文章提到，这里只是我比较喜欢的三个视角。

LLM Agents

智谱AI静悄悄的上线了一大波新模型，过年了，真的

原创数字生命卡兹克数字生命卡兹克 2024年08月29日 21:56 北京智谱今天下午在KDD 2024上面，悄咪咪的上线了一堆的超级更新。

智谱AI 大模型

惊艳！2.77亿参数锻造出Agent+GPT-4V模型组合，领航AI领航机器人、游戏、医疗革新，通用智能时代你准备好了吗？

这个模型能处理文本、图像、动作输入，轻松应对多任务挑战，甚至跨界在机器人、游戏、医疗等领域展现强大实力。

Agent+GPT-4V 大模型

<...44 45 46 474849 50 51 52 53 ...>

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