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

espnet/espnet[3] Stars: 7.2k License: Apache-2.0 ESPnet 是一个端到端的语音处理工具包

AudioCraft 音频

两天star量破千：OpenAI的Whisper被蒸馏后，语音识别数倍加速

Whisper 是 OpenAI 研发并开源的一个自动语音识别（ASR，Automatic Speech Recognition）模型，他们通过从网络上收集了 68 万小时的多语言（

语音 HeyGen

LLM每周速递！大模型最前沿：多模态RAG、RAG加速、大模型Agent、模型微调/对齐

本文作者研究主要关注两个问题：1）基于工业领域中的PDF文档，将单模态文本、单模态图像、文本+图像双模态放入RAG系统中，看一看文本+图像双模态是否能够提升RAG系统的性能？

大模型研究

AI撬开小县城的万元商机

去年年底，重庆市首位乡镇公共服务AI数字形象代言人在荣昌区龙集镇诞生。

AI 商机

Stable Diffusion

这篇深入浅出帖助你早日实现Stable diffusion自由

这类模型都是由dreambooth技术，经过大量数据训练，可以生成各类常见元素的图片，一个全能工具，不可缺少，否则sd不能启动，文中的很多图片来自不同的大模型，感兴趣的可以留言或者文末加入我们的交流群一起讨论

AI图片

向量数据库不是一个单独的数据库分类

随着生成式AI的飞速发展，很大一部分的查询会以“密集向量搜索”的方式执行。

大模型向量数据库

重磅来袭！Llama中文社区开源预训练中文版Atom-7B大模型

Clue Clue开放的中文预训练数据，进行清洗后的高质量中文长文本数据竞赛数据集

大模型

Nvidia发布Llama3-ChatQA-1.5: 提升对话问答和表格推理能力，平均性能超越GPT-4

相比之前的ChatQA 1.0版本，其训练方法和数据集都进行了优化，尤其增强了对表格数据和算术计算的理解能力。

Llama3-ChatQA-1.5 对话问答模型

测评了8个国产AI大模型，差点崩溃……

近年来，人工智能技术的发展可谓是日新月异，尤其是大模型的应用，更是成为了科技界的焦点。

大模型测评

元象首个多模态大模型 XVERSE-V 开源，刷新权威大模型榜单，支持任意宽高比输入

人类获取的信息83%来自视觉，图文多模态大模型能感知更丰富和精确的真实世界信息，构建更全面的认知智能，从而向AGI（通用人工智能）迈出更大步伐。

XVERSE-V 多模态大模型

【收藏】那些牛掰的ChatGPT指令爱了～

（其实跟以前问百度一样，有些人很快就能找到解决方案，有些人则抱怨百度搜不到自己想要的）但是以ChatGPT为代表的人工智能诞生以后，人和人之间的差距真的就变成了：不是你回答问题的能力，而是你问问题的能力

提示词 prompt

剪映克隆声音功能详解：剪映上线5秒“AI克隆音色”，一堆AI公司又要进入慢性死亡了...

不管是过去的移动互联网时代，还是现在的AI时代，都有一个很灵魂拷问的问题是： “当BAT/OpenAI，来下场干你的业务，你该怎么办” 尤记得去年11月OpenAI在召开开发者大会的时候，发布了一堆东西，直接全工具

剪映声音克隆

LLM微调经验&认知

知识来自于pretrain阶段，指令微调通常只不过是为了让LLM显示地输出已具备知识。

LLM 大模型

说真的，SDXL究竟藏着多少秘密，也许没人知道

探索功能，线上部署，更新工作流……我只想告诉你，SDXL不是一个绘图模型那么简单，在它里面，隐藏着太多不为人知的秘密。

文生图

Stable Diffusion

99%的人都不懂的Stable Diffusion高级功能，Negative Prompt如何正确使用?

thigh 三、现实风格的Negative Prompt 在现实风格的动画和插画创作中，负面提示（Negative Prompts）是一种有力的工具

Negative Prompt 文生图

<...51 52 53 545556 57 58 59 60 ...>

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