文章列表-AI魔法学院

文章列表

解码二维码：揭秘我的漂亮二维码生成秘诀！

对于需求者来说，二维码肯定是要能被识别的，只是好看没有用处。

图像文字

贝叶斯定理的颠覆：为什么你永远说服不了阴谋论者？

这将有助于我们在统计分析中识别和避免这些情况。

贝叶斯定理

面向知识图谱的大模型应用

在离散步骤中检索或者连接信息的简单方法往往不能完全捕捉知识图谱中的细微差别。

知识图谱大模型

阿里出品自动化视频剪辑工具FunClip！

它依托于阿里巴巴通义实验室的FunASR Paraformer系列模型，实现了视频中语音的自动识别。

FunClip 视频阿里

开源语音大语言模型来了！阿里基于Qwen-Chat提出Qwen-Audio!

与以往主要迎合单一类型的音频（如人声）的工作不同，或者专注于特定任务（如语音识别和字幕），或者将模型限制在单一语言上，我们扩大了训练规模，涵盖了超过30个任务、八种语言和各种音频类型，以推进通用音频理解能力的发展

大模型语音

Stable Diffusion

Stable Diffusion 和 Midjourney的优劣势比较，如何选择？

由于完整版对使用者的要求较高，因此目前国内有多位开发者维护着一些不同版本的封装包。

文生图

LangChain + ChatGLM2-6B 搭建私域专属知识库

;W&B，如果不禁用可能会中断微调训练，以防万一，还是禁了吧 export WANDB_DISABLED=true 准备数据集这里为了简化，我只准备了5条测试数据，分别保存为

知识库

网易有道强力开源中英双语语音克隆

prompt_tts_open_source_joint \ --config_folder config/joint \ --checkpoint g_00140000 \ --test_file $TEXT 合成的语音结果在

语音开源

大模型RAG检索增强问答如何评估：噪声、拒答、反事实、信息整合四大能力评测任务探索

然而，现有研究缺乏对检索增强生成对不同大型语言模型的影响的严格评估，这使得识别RAG对不同LLM的潜在能力瓶颈具有挑战性。

大模型 RAG检索增强

各个语种互相翻译：Meta推出NLLB-200 AI模型，可实现200种语言互译

今年 7 月，Facebook 发布了一个支持 51 种不同语言的语音识别模型。

翻译大模型

阿里巴巴语音实验室发布开源语音处理框架ClearerVoice-Studio，支持语音增强、分离、目标说话人提取

、分离复杂声源并结合音频和视觉数据锁定目标发声者。

ClearerVoice-Studio 语音

【进阶】-文生图术语解释

黑话# 缩写/术语解释 oneshot 一张图

文生图

技术爆炸！AI一图换脸新王者，Instant ID保姆级安装与使用测评

可以用于特定人物生成广告大片和艺术照，或者是进行视频中的人物换脸。

Instant ID 文生图

Stable Diffusion

详解Stable Diffusion提示词prompt语法

作者：Acey 链接：https://www.zhihu.com/question/577064747/answer/3005969721 来源：知乎著作权归作者所有。

SD prompt 文生图提示词

AI文本转语音工具（TTS）：MeloTTS

今天给大家介绍一个效果不错的开源文本转语音工具：MeloTTS MeloTTS是一个可以把文字转换成声音的工具，它支持英语、西班牙语、法语、中文、日语和韩语等多种语言。

MeloTTS 语音工具

<...2 3 4 567 8 9 10 11 ...>

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