训练魔法-AI魔法学院

训练魔法

whisper-live：OpenAI Whisper模型的近实时实现

本文介绍了OpenAI的Whisper的近乎实时实现项目——WhisperLive。该项目是一个实时转录应用程序，可以将语音输入转换为文本输出，支持实时音频输入和预录制的音频文件。WhisperLive使用语音活动检测（VAD）技术，仅在检测到语音时才发送音频数据，提高了转录输出的准确性和效率。用户可以通过安装PyAudio和ffmpeg，运行转录服务器和客户端程序，使用Whisper模型进行实时转录。此外，WhisperLive还支持多语言转录和翻译功能，用户可以通过设置选项来指定目标语言和任务。项目链接为https://github.com/collabora/WhisperLive。

OpenAI Whisper 大模型 2024-04-28

Stable Diffusion

Stable Diffusion插件：提示词

本文介绍了两个Stable Diffusion WebUI的提示词插件：sd-webui-prompt-all-in-one和SDWebUI Tag Autocomplete。前者提供书写提示词的辅助功能，如自动翻译和预置关键词；后者则具有自动完成提示词的能力，并支持翻译功能。文章还详细说明了这两个插件的安装和使用方法。

Stable Diffusion 提示词 2024-04-28

openpose原理及安装教程（姿态识别）

OpenPose是一个基于深度学习的开源库，用于实时多人姿态估计。它采用卷积神经网络（CNN）准确识别图像或视频中的人体关键点，包括头部、肩部、手肘等，进而生成完整的多人姿态估计结果。安装OpenPose需下载源代码或预编译版本，安装依赖库，使用CMake配置和生成项目文件，编译生成可执行文件或库文件，最后运行示例程序或集成到项目中。OpenPose具有多人姿态估计、多关键点检测、跨平台支持和开放源代码等优势，可用于精细的姿态分析。在GitHub上安装OpenPose需克隆代码库，下载并编译依赖库，配置和编译OpenPose，最后安装并运行。使用时需注意选择合适的硬件设备和参数配置以保证准确性和效率。

行为识别姿态识别 2024-04-27

实测：本地跑llama3:70B需要什么配置

文章介绍了开源大语言模型Llama 3 70B的能力达到了新的高度，可与顶级模型相媲美，并超过了某些GPT-4模型。文章强调了Llama 3的普及性，任何人都可以在本地部署，进行各种实验和研究。文章还提供了在本地PC上运行70B模型所需的资源信息，并展示了模型加载前后系统硬件占用情况的对比。最后，文章认为Llama 3 70B模型作为本地化Agent的底座模型非常适合，并预示着未来将有更多有趣的应用出现。

llama GPU内存 2024-04-25

为什么说AI现在还不行！

AI最近有点被妖魔化了，很像一个老虎在还没有橘猫大的时候，就已经被天天当成虎力大仙来讨论。这种普遍的高预期其实是有害的，尤其是当事情本身还需要耐心细致深耕且长跑的时候。资本、品牌可以匹配高预期所对应的增长倍数，业务则不行，业务先天挤出一切泡沫。也正因此最近写了几篇文章都在提应该以一种更加理性的态度来看待AI的进展，甚至设想了一种测试智能程度的方式：图灵测试2.0。这篇文章则是对此前各文章的综合。

大模型 2024-04-25

微信向量检索分析一体化数仓探索：OLAP For Embedding

在过去的一年里，大型语言模型 (LLM) 以及 ChatGPT 等产品吸引了全世界的想象力，推动新一轮技术浪潮。embedding 和 vector search(向量搜索)的概念是支持推荐、问答、图像搜索等功能的核心。我们发现社区中“向量搜索”的兴趣显著增加;具体来说，大家感兴趣了解的是：何时需要专门向量数据库，何时不需要？相比于语义性检索引擎（ES）与专业的高性能检索服务，OLAP 数仓的向量检索能力在场景有何区别？

OLAP For Embedding 一体化数仓 2024-04-25

整理了近期所有TTS相关的大模型

从 XTTS 到 Pheme,从OpenVoice 到 VITS，每个大模型包括源码地址，支持的语言，非常棒！

TTS 大模型 2024-04-25

让AI记住你说的话、让AI给你生成几十万字的小说！StreamingLLM 让无限长token成为可能

如今全世界有很多公司都在研究AI大模型（LLM）。但是在我们使用ChatGPT这样AI时候，可能聊着聊着它就告诉你要重新开始对话了！这就好像七秒记忆的鱼一样，转身就忘记了刚才聊天内容。你不得不重新开始！

StreamingLLM 写作 2024-04-25

微信搜狗爬虫WechatSogou - 从微信公众号获取文章的利器

爬虫和非官方API类库，仅作为学习研究使用，严禁从事非法活动。这类库为能为用户学习研究提供一定便利，也能为官方安全升级提供有益线索，但也可存在被非法使用的风险。这类库伴着官方数据结构和反爬虫策略升级，随时有失效可能，请谨慎参考学习，严禁非法使用。

WechatSogou 微信搜狗 2024-04-24

挑战全网，字节跳动coze平台让你免费创建ChatGPT4的机器人，不仅能免费使用DallE3，还能免费导入自己的知识库

随着aigc的迅猛发展，ChatGPT上线了最新的搞钱工具GPTs，面对这个AI时代的搞钱工具，很多小伙伴们都跃跃欲试想自己搞一套自己的助理机器人，但是对于大多数朋友来说GPTs太贵了，每个月要20美元，还不好充值。我也正在犹豫，没想到字节跳动快速跟进，它也推出了一款引人瞩目的生态工具——coze！

Coze 聊天机器人 2024-04-24

收藏！万字长文聊聊LLM Agents的现状，问题与未来

跨年之前，想总结一下去年上半年以来关于LLM Agents的学习经历，同时记录一下我在其中过程的一些想法。明年应该会去到一个新的平台学习和干活，所以今年得好好总结一下之前的学习和想法。本文会系统地组织起来，尽量多一些干货，并同时考虑普适性和专业性，也会有我个人的一些见解和思考。全文1.1w字，阅读时间约25分钟。

LLM Agents 2024-04-24

无一幸免！OpenAI最强竞对Anthropic：“长上下文”让大模型更不安全

自 ChatGPT 问世以来，国内外越来越多的强大大模型陆续发布。其中一个让大模型能力增强的方法之一，便是增加大模型的上下文窗口。

Anthropic 大语言模型 2024-04-24

Dify：大模型创业开源工具，46,558 行代码，完全开源

Dify 是一个开源的 LLM 应用开发平台。其直观的界面结合了 AI 工作流、RAG 管道、Agent、模型管理、可观测性功能等，让您可以快速从原型到生产。

Dify 开源工具 2024-04-23

基于Ollama本地部署谷歌开源Gemma大模型！

基于Ollama本地部署谷歌开源Gemma大模型！

ollama gemma qwen 2024-04-23

一人搞定30万商品分类：AI落地实践故事！

基于真实需求，让AI落地，使用embedding模型做大数据量分类。为数十万商品分类通常想到的办法是用NLP+特定分类算法（如是SVM)来实现，涉及数据清洗，特征提取，模型训练，调试和集成等工作。看起来是项大工程。借助现有AI的能力，可以加速实现。本文是基于真实需求场景的探索和回顾。

embedding 大数据分类 2024-04-23

<...14 15 16 171819 20 21 22 23 ...>

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