文章列表-AI魔法学院

文章列表

LangChain: LLM 应用聚焦的两大方向，RAG 和 Agents

翻译一下其实两层含义，第一个，LLMs 会去阅读你提供的 APIs 的说明文档，学会这些 APIs 的实现的目的、使用方式、组合方式，根据你提出的总体要求，按照它自己关于这些 APIs 的理解来拆解成不同的小任务

大模型

ai出图软件Fooocus

进入正题：软件免安装直接解压即可使用，使用前需要安装模型，模型可在c站下载。

Fooocus 文生图

「语音识别的未来已来」——探索Distil-Whisper，轻量级AI的强大力量

无论是在快速的实时语音翻译，还是在嘈杂环境下的清晰语音捕捉，Distil-Whisper都能提供出色的解决方案，展现AI技术的实用性和创新性。

Distil-Whisper 语音识别

[开源]面向中小团队的轻量化知识管理应用，构建知识库和知识社区

特色功能 2022年04月07日更新 “知了”现已支持正式针对附件的解析（支持word、excel、txt、pdf等文本类型），并提供支持附件正文内容及评论内容的全文检索，搜索结果列表中将会通过

大模型

Stable Diffusion

新手向，Stable Diffusion API 接口，在本地调用

如果结果是：{'detail': 'Not authenticated'} 那么你应该是用的一键启动包进行登录，或是在别的地方设置了用户名和密码，解决方法如下： &

SD 文生图

PymuPDF4llm：PDF 提取的革命

LamaPars等商业工具虽然在一定程度上缓解了这一困境，但其高昂的费用和有限的免费额度却让人望而却步。

PymuPDF4llm PDF

深度｜万字访谈！Open AI Sora作者，亲自揭秘Sora原理，Sora能带我们通往AGI吗？

它还精通三维空间的理解。

Sora 原理

【语音领域-又双叒更新】阿里开源FunAudioLLM: 2大核心模型、5大亮点功能！效果炸裂！手把手带你理论+实战部署推理!

整体项目的框架如下: 核心模型一: 语音识别模型SenseVoice介绍 SenseVoice 是一个全面的语音基础模型，旨在执行各种语音理解任务，包括自动语音识别（ASR）、语言识别

asr tts 声音

Midjourney 实现角色一致性的新方法

角色一致性这一议题并非新生事物，过去我们曾采用过多种方法来解决这一问题，如借助随机种子（seed）或上传参考图等手段。

midjourney 文生图绘画

图片生成速度最高提升10倍！可以做到“实时”生成！清华推出LCM/LCM-LoRA！

为了解决这个问题，清华大学的研究者提出了一种新的技术，叫做潜在一致模型（Latent Consistency Models，简称LCM）。

LCM/LCM-LoRA 文生图

LangChain - RAG: 拿什么「降伏」PDF 中的 Table 类型数据

思路收一下，之前的文章记录里面我们也提到过如何通过 RAY 框架优化多 PDF 文件解析、embedding 的思路，其实整个大模型应用落地的三步曲： 1.

大模型 LangChain RAG

中国AI大模型，应该如何商业化

投入了巨额资金之后，企业一方面是希望尽快商业化来解决后续研发资金的问题，一方面也是希望通过商业化来达到赚钱的目的。

大模型 AI

体验Outfit Anyone，高质量虚拟换装，效果如何？

关于Outfit Anyone的论文已经公开了，大家可以在网上找到解读版本。

Outfit Anyone 模拟

揭秘数字人困境：代理商亏钱、直播屡被封、刘润也不用了

“数字人解决的是主播问题，运营能力一定是要你自己具备的。”

数字人

领域大模型LLM训练Trick

问题二：领域数据训练后，通用能力往往会有所下降，如何缓解模型遗忘通用能力？

垂直训练大模型

<...50 51 52 535455 56 57 58 59 ...>

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