文章列表-AI魔法学院

文章列表

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

无论是个人电话、专业会议还是内容创作，这些问题都在困扰着我们。

ClearerVoice-Studio 语音

OmniVision - 968M：小巧精悍的视觉语言模型，释放多模态边缘计算强大潜能

在当今数字化与智能化浪潮汹涌的时代，人工智能技术不断取得突破性进展，多模态模型作为其中的前沿领域，正日益成为研究和应用的热点。

OmniVision -968M 多模态模型

产品运营全流程SOP

运营是产品与用户之间的桥梁，通过产品设计、用户体验等一系列营销技巧，达到提高产品的用户满意度、市场份额和收益的目的💡 本期笔记分享产品运营全流程SOP🔥 ①场景：

产品运营

一键AI换脸！小红书和北大合作的InstantID

很多人对中国的AI技术落后美国就开始哀嚎，这是没必要的。

InstantID 文生图

打造音乐传奇：Suno推出音乐生成模型Suno V3，让每个人都能成为作曲家

团队具备扎实的技术深度，更怀揣音乐之梦，音乐创作的热爱激发了他们无穷的创意。

suno 歌曲音乐

【语音识别】OpenAI语音力作Whisper

在开源仓库有提供一个notebook 韩语音频数据案例，看了就指导大概multitask的token格式了：关于具体作者是如何训练，作者没详解，不过可以通过文章

语音转文字 whisper

2023检索增强生成技术（RAG）研究进展

人们正不断以新颖和创造性的方式将大语言模型与检索结合起来，从而从数据中挖掘出更深层次的洞见。

RAG 检索增强

Roop升级版FaceFusion换脸AI技术使用以及部署教程

一、介绍：前些日子比较火的换脸AI技术是Roop，但是Roop已经停止更新了，好像是因为团队成员用这个东西搞颜色吧。

FaceFusion 教程

深度解读｜做出海必看的一份产品报告

对于一个成功产品的诞生，除了前期从零到一对产品和技术契合度的探索，对产品增长也是所有开发者需要在 Day 1就应该思考的问题。

工作

低调的PDF，为什么成了数字文档“永远的神”？

施乐的领导层认为InterPress是一项有前景的技术，但是竟然由于担心会很快被竞争公司山寨，决定将InterPress雪藏，仅作为内部标准使用。

工作

实时语音克隆

项目简介这份内容介绍了实时语音克隆的技术实现，作者通过将说话者验证技术转移到多说话人文本到语音合成（SV2TTS）来实现语音克隆。

语音克隆

集成文字生成、抠图、图像融合等强大功能的comfyUI 插件 Allor Plugin

今天主要分享下 Allor Plugin 插件使用的技巧和一个报错的处理。

comfyui 插件绘画

从第一性原理看大模型Agent技术

而且现在全球对Agent的关注也是非常狂热的，几个月前，OpenAI 在内部就开始高度关注智能体（Agent）领域，Deep Mind的联合创始人最近也提到下一代 AI 技术走向并非是生成性

大模型 agent

AI虚拟主播数字人技术实现Wav2Lip

它是一种利用机器学习的子领域——深度学习创建合成媒体的技术。

数字人视频

聊聊我对AI Agents技术的一些看法

因此使用 LLMs 作为 AI Agent 中的 Agent 成为一条极其有希望成功实现“自主智能体”的技术路径，从而延申出这半年来形形色色的基于 LLMs 的 AI Agent。

AI Agents 大模型

<...6 7 8 91011 12 13 14 15 ...>

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