训练魔法-AI魔法学院

训练魔法

京沪“中国大模型第一城”争夺战爆发｜钛媒体·封面

北京和上海在AI大模型领域竞争激烈，两地分别发布超过115个和33个大模型产品，预计到2025年AI产业总规模将达7000亿元。北京注重基础研究和原始创新，上海则聚焦算力和应用落地。两地政府均出台多项扶持政策，吸引企业入驻并加大投资。京沪在AI大模型领域的竞争将围绕资金、人才、算力等方面展开，谁将赢得“中国大模型第一城”尚待观察。

大模型钛媒体 2024-07-26

Fastwhisper + Pyannote 实现 ASR + 说话者识别

文章介绍了使用faster-whisper和pyannote.audio结合实现语者识别的技术流程，包括两者工具简介、代码实现及注意事项。faster-whisper是Whisper模型的快速推理实现，适用于多语言ASR。pyannote.audio是扬声器分割和识别的开源工具包。文章展示了将两者结合进行语者识别的步骤和代码示例，并提醒了网络问题、模型加载问题及解决方案，包括离线加载模型和替换模型来源的建议。

faster-whisper 语者识别 ASR 2024-07-26

ChatGPT 的对话框过时了？这款 AI 产品提供了一种很新的聊天方式

文章介绍了Flowith这款新型AI内容生成工具，它通过类似在线白板的动态画布形式，将ChatGPT等聊天式AI的线性交互转变为更直观、灵活和具有创造力的画布式交互。Flowith支持多种模式，如思维导图发散、自动决策、联网搜索和生成图片等，适用于不同场景。其动态UI和节点概念使内容生成和思维发散更加直观和高效，同时支持团队协作。文章还讨论了画布式AI与聊天式AI的互补关系，强调创新交互方式对人类思维和AI应用的重要性。Flowith作为初出茅庐的产品，虽有不成熟之处，但展现了AI在内容生成和工作流优化方面的潜力。

ChatGPT 聊天 2024-07-26

Flowith：革新你的工作方式，体验节点式 AI 的超流畅生产力

Flowith是基于GPT的AI生产力工具，采用节点式交互方式，支持多AI模型选择、文件分析、智能体市场、图像生成、跨终端适配、智能体创建和插件系统。适用于研究、专业、内容创作、学习、企业和技术开发等多个领域，可提升工作效率和创作多样性。

Flowith GPT 生产力工具 2024-07-25

Ollama最新更新v0.1.33，实现了多并发可同时与多个模型聊天对话！

Ollama v0.1.33版本更新增强了本地部署的大型语言模型（LLMs）功能，支持多用户并发交互，提升了协作效率。新版本引入了多个新模型，包括Llama 3、Phi 3 Mini等，并修复了API挂起、内存溢出等问题。新增的并发特性允许同时处理多个请求和加载多个模型，通过设置环境变量实现，已在Windows 11和Linux系统上提供设置指南。这一更新显著提升了内网环境下多用户与模型交互的效率。

ollama 语言大模型聊天 2024-07-25

Github2.1万星！开发者的“瑞士军刀” 开源！

DevToys是一款专为开发者设计的多功能实用工具集，集合了JSON格式化、文本比较、正则测试等常用功能，支持跨平台，旨在提高编程效率。该工具集在github上广受好评，包含文本、编码、转换、图像、网络等多种类型的实用工具，通过统一的界面减少开发者在不同工具间切换的需要，是开发者的得力助手。

DevToys 工具集开源 2024-07-24

17K star！30秒偷走你的声音，开源声音克隆工具

OpenVoice是由openshell开源的一款先进的声音克隆工具，仅需30秒音频样本即可克隆独特音色，并支持多语言、精细控制音色参数。提供在线服务和本地部署选项，目标用户为开发者和研究人员。虽非完美产品，但代表了开源语音克隆技术的最新进展。

OpenVoice 声音克隆开源 2024-07-24

9.4k Star！MemGPT：伯克利大学最新开源、将LLM作为操作系统、无限上下文记忆、服务化部署自定义Agent

MemGPT是一个新项目，它允许大型语言模型（如GPT-4）处理比原生更长的上下文窗口，从而提升在复杂任务中的性能。MemGPT通过分层内存系统使LLM能管理自己的内存，并通过特殊函数调用将数据在主上下文和外部上下文之间移动。该技术基于操作系统管理内存的原理，分为“主要上下文”和“外部上下文”，允许模型处理更大数据集和更长对话，并保持交互一致性。MemGPT还提供了与其他开源模型及多Agent框架的整合能力，并通过开发者门户简化创建、编辑和监视LLM代理的过程。

MemGPT 大语言模型 2024-07-24

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

Nvidia推出Llama3-ChatQA-1.5，一款超越GPT-4的对话问答模型，融合会话式问答和表格推理能力，通过高质量数据训练，无需ChatGPT合成数据，检索增强能力强大，小尺寸高性能，适合边缘设备部署，将支撑未来对话式AI应用。模型可在Huggingface和AI快站下载。

Llama3-ChatQA-1.5 对话问答模型 2024-07-23

Anthropic推出提示词生成器让AI秒懂你的需求！

Anthropic公司推出了一款提示词生成器，通过高级提示工程技术帮助AI更精准地理解并执行用户指令，提高AI响应的精确度和可靠性。用户只需描述需求，系统即可生成优化提示，并支持微调及与其他AI模型兼容，广泛应用于各种AI平台和服务，提升工作效率，展现AI在复杂任务处理上的巨大潜力。

Anthropic 提示词生成器 2024-07-23

AI文本转语音工具（TTS）：MeloTTS

MeloTTS是款开源文本转语音工具，支持多语言及口音转换，可调整语速，声音自然流畅，项目及体验地址已给出。

MeloTTS 语音工具 2024-07-22

【开源看AI】4.2K star！Reor：AI自动帮你发现知识之间的连接

文章介绍了Reor，一个旨在通过AI自动连接笔记、增强推理能力的开源个人知识管理工具。Reor不仅支持自动连接相关笔记，还能通过智能聊天回答关于笔记的问题，并生成AI闪卡帮助记忆。它强调本地运行模型以保护用户数据隐私，适用于学生、研究人员等需要高效管理个人知识的用户。文章还探讨了Reor与Quivr等其他工具的整合潜力，以形成完整的个人知识管理系统。

Reor 开源工具知识管理 2024-07-22

[论文] 阿里提出AgentScope：灵活强大的智能体框架

随着科技的飞速发展，人工智能（AI）已经成为我们生活中不可或缺的一部分。从智能家居到自动驾驶汽车，AI正在逐渐渗透到各个领域，展现出其巨大的潜力和价值。然而，与此同时，AI也带来了一系列挑战，如就业岗位的减少、隐私安全等问题。我们该如何平衡AI带来的利弊，让科技真正为人类服务？

AgentScope 语言大模型智能体 2024-07-22

数字人之声音克隆：无样本，1分钟样本完美克隆声音，开源

本文介绍了GPT-SoVITS声音克隆项目，该项目支持零样本文本到语音（TTS）转换、少样本TTS微调、跨语言支持以及WebUI工具等功能。环境要求包括特定版本的Python、PyTorch和CUDA。项目提供了Windows一键安装包，并详细说明了声音克隆的训练过程，包括数据准备、人声分离、语音转文字、数据格式化和微调等步骤。通过实际训练并测试效果，显示了该项目在中英文环境下声音克隆的可行性和效果提升。最后提供了项目在GitHub上的地址。

数字人声音克隆 GPT-SoVITS 2024-07-19

GGUF格式详解

在大模型领域，GGUF是一个非常常见的词语，也是非常常见的大模型预训练结果命名方式。很多模型模型，如Yi-34B、Llama2-70B等模型都有对应的GGUF版本，这些版本都模型除了文件名多了GGUF外，其它与原有的模型名称完全一致。那么，GGUF大模型文件格式是什么意思？为什么会有这样的大模型文件，与它一同出现对比的是GGML格式文件，二者的区别是啥？

GGUF 大模型 2024-07-19

<...7 8 9 101112 13 14 15 16 ...>

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