文章列表-AI魔法学院

文章列表

预训练对话大模型深度解读

目前还有一些量化技术支持将大模型离线部署到手机、电脑等，除了受限于CPU算力，推理慢，生成结果效果已经很不错。

Fastwhisper + Pyannote 实现 ASR + 说话者识别

同时在CPU和GPU上进行8位量化，可以进一步提高算法效率。

faster-whisper 语者识别 ASR

Stable Diffusion

Stable Diffusion 入门教程开篇

· MAC ：M1-M2以上型号，用CPU跑的，据说跑的非常慢。

Stable Diffusion 文生图入门教程

中文通用大模型最全汇总

Chinese-LLaMA-Alpaca：地址：https://github.com/ymcui/Chinese-LLaMA-Alpaca 简介：中文LLaMA&Alpaca大语言模型+本地CPU

大模型开源模型

【揭秘】BELLE大模型：一个集合训练、数据、模型、APP的超级神器，让每个人都能拥有自己的“大模型”！

首先来看看效果： macOS 在 M1 Max Macbook 上仅使用 CPU 实时运行，无论是加载还是推理都十分迅速：相信随着 LLM

训练大模型 belle

Stable Diffusion

SD好复杂，是不是很糊，一文搞懂Stable Diffusion的各种模型及用户操作界面

LCM可以在CPU和GPU上运行，为不同硬件能力的用户提供灵活性。

Stable Diffusion 文生图

国产AI，逃过一劫

据了解，ChatGPT硬件方面要3万张顶级GPU，加上CPU、内存、硬盘、网络和数据中心的电源与建筑，接近100亿元，训练一次要几个月，巨大的物料、电力成本之外，还有软件开发的费用。

ChatGPT 大模型

大模型训练为什么用A100不用4090

当然有人说，GPU 内存放不下可以换出到 CPU 内存，但是就目前的 PCIe 速度，换出到 CPU 内存的代价有时候还不如在 GPU 内存里重算。

大模型

ComfyUI，你开启XL钥匙打开了新世界

完全支持 SD1.x、SD2.x 和 SDXL 异步队列系统仅重新执行在执行之间更改的工作流部分（节省计算资源）甚至可以使用cpu进行生图（很慢），可以在小于3G显存的GPU上运行可以加载

ComfyUI 大模型

栩栩如生,音色克隆,Bert-vits2文字转语音打造鬼畜视频实践

bert-base-japanese-v3/tree/main 语音标注接着我们需要对已经切好分片的语音进行标注，这里我们使用开源库whisper，关于whisper请移步：闻其声而知雅意,M1 Mac基于PyTorch(mps/cpu

Bert-vits 语音

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

milvus检索所需时间排序所需时间总耗时 CPU

开源模型

为什么说AI现在还不行！

（取得效果是指有人愿意看，有粉丝等）首先是最基础的产研部分：先打造自己的外壳，也就是形象要像那么回事，然后给它匹配上看、听、说、想的能力（计算机的输入输出、存储和CPU...）。

大模型

接私活必看的11个开源项目

服务监控：监视当前系统CPU、内存、磁盘、堆栈等相关信息。

私活开源项目

【进阶】-文生图术语解释

与 CPU 不同的是，GPU 以较慢速度并发大量线程，而非快速执行单一线程。

文生图

Chinese-LLM开源中文大语言模型合集

Chinese-LLaMA-Alpaca：地址：https://github.com/ymcui/Chinese-LLaMA-Alpaca 简介：中文LLaMA&Alpaca大语言模型+本地CPU

大模型中文

<1 2 3 4 567 8 >

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