文章列表-AI魔法学院

文章列表

「语音转换新速度」— 探秘Whisper JAX的70倍速提升

这对于需要实时或近实时反馈的应用场景非常重要，例如在线客户支持或实时翻译服务。

Whisper 语音识别

ChatPDF | LLM文档对话 | pdf解析关键问题

场景描述和主要思想 · 场景是利用LLM实现用户与文档对话。

大模型

微软研究团队：Sora核心技术及未来机会研究报告-中英对照版

这样的优化让 Sora 能够精准地响应各种用户需求，无论是对指令细节的精确捕捉，还是生成完全符合用户预期的视频。

sora 论文

关于大模型驱动的AI智能体Agent的一些思考

主要思想是使用 LLM 作为控制器来管理 AI 模型，并利用来自 Hugging Face 等社区的模型来解决不同的用户请求。

大模型

语义检索系统[全]：基于Milvus+ERNIE+SimCSE+In-batch Negatives样本策略的学术文献语义检索

用户使用的语言往往与所需内容不一样 2.

开源模型

LLM Agent最常见的九种设计模式(图解+代码)

首先，将代码中预设好 ReAct 的提示词模板(格式为Quesion->Thought->Action->Observation)和用户的问题进行合并。

LLM Agent 图解

垂直领域大模型的思考

让模型输出引用还有一个好处：用户自己可以通过提供的参考快速判断回答对不对（参考不能太长）。

垂直领域大模型

来个优秀的开源人脸识别项目！

指纹识别技术具有实用性强、采集和使用方便等优点。

人脸识别开源项目

AI生成卡通人物项目|VToonify

虽然基于强大的 StyleGAN 模型构建的一系列成功的肖像图像卡通化模型已经被提出，但这些面向图像的方法在应用于视频时存在明显的局限性，如固定帧大小、需要面部对齐、缺失非面部细节和时间不一致性等。

AI生成卡通人物 VToonify

3 个令人惊艳的 AI 文档神器，开源了！

于是，在 GPT-4 刚发布之初，其强大的内容总结能力，成为了被使用最多的功能之一。

大模型开源模型

Selenium+ddddocr | 再也不担心图片验证码

ddddocr库在多个领域有着广泛的应用，包括自动化办公、图像处理、文字识别等。

Selenium ddddocr库

pdf2htmlEX：效果相当好的一个PDF转HTML程序，和原始PDF几乎一模一样。

为了获得最大的准确性，我强烈建议使用输出选项： --font-size-multiplier 1 --zoom 25 。

PDF转换

通往 AGI 之路：走进大语言模型

AGI 也就是通用人工智能，是我们的愿景，虽然实现它有很长的一段路要走。

AGI ChatGPT 大语言模型

3 个令人惊艳的 GitHub 开源项目，诞生了！

这些工具都有着相同的特点，简单易用且高效，主打一个新奇亮眼，顺便解放你的个人生产力。

开源模型

垂直领域大模型的一些思考及开源模型汇总

而专业模式是借助检索的手段，对用户查询进行匹配从知识库中筛选出合适的证据，再根据大模型汇总能力，得到最终答案。

垂直领域大模型开源模型汇总

<...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