文章列表-AI魔法学院

文章列表

从 GPT-4o 到 LiveKit：实时语音交互的开源实现

今天我们来聊聊OpenAI 发布会提到的实时对话语音技术。

GPT-4o 语音交互

【AI科技大创意】2024年人工智能10大趋势

人工智能最终将在来年解锁语音优先的应用程序，特别是在伴侣和生产力类别中。

人工智能趋势

DeepMusic发布“和弦派”2.0：重塑AI音乐创作范式，赋予创作者全方位掌控

4月29日，国内领先的人工智能音乐服务商DeepMusic，发布了自主研发的AI音乐工作站——“和弦派”2.0正式版。

和弦派 DeepMusic 音乐创作

Roop参数说明，ROOP->StyleGAN演示！

肯定是“马赛克”画质。

视频 StyleGAN

2023年人工智能行业总结

年底谷歌发布了多模态大模型Gemini，可以理解文字、图片、代码和音视频。

人工智能 AGI 思考总结

OpenAI真的开源了！这波「实时语音」操作，让万物开口说话，我爱了

以前，智能玩具里只能播放预设的程序和声音，顶多就是进行一两轮简单提问，你可以理解成是“单向输出”，现在有了这个 openAI 的实时语音软件开发包，就变成了“双向交互”，能和你进行实时的语音对话。

OpenAI 嵌入式实时语音 SDK

AI绘画 | Midjourney高质量肖像提示词的写法（附50+肖像提示词prompt）

· 一个主题可以是人和物体的组合，比如一个音乐家和他们的乐器，或者一个厨师和他们的烹饪工具等。

文生图

Stablediffusion3论文下载-确定了Stablediffusion3与Sora的架构是一致的

2月16日伴随着OpenAI世界大模型Sora的发布，stability_ai也发布了其最新的模型Stablediffusion3,如果说一个是音视频方向

SD 论文

快手版Sora「可灵」开放测试：生成超120s视频，更懂物理，复杂运动也能精准建模

与视频一同曝光的，是一款名为「可灵」全新国产视频生成大模型。

可灵快手文生视频

数字人起飞！字节Loopy对口型功能在即梦上线可根据语境匹配表情和情绪

以往，对口型视频往往存在一个通病，那就是看似嘴型对上了，但总感觉这个声音不是他发出来的，以至于大家看对口型视频的时候，会有一种割裂感。

Loopy 视频

SD3 正式开源 Sora同源架构

2月16日伴随着OpenAI世界大模型Sora的发布，stability_ai也发布了其最新的模型Stablediffusion3,如果说一个是音视频方向

SD3 绘画

一个专业级 AI 聊天浏览器，开源了！

这里放个 GodMode 演示视频，给大家看下它究竟拥有哪些功能：，时长00:59 GitHub：https://github.com/smol-ai/GodMode

开源大模型聊天

AI助手App“腾讯元宝”已上线应用商店

腾讯混元文生图大模型支持中英文双语输入及理解，无论是中文的古诗词、民间俚语，还是英文的文学作品、科技文章，都能得到精准的理解和生动的呈现腾讯元宝还允许用户创建个人智能体，用户可以在创建过程中让AI自动生成智能体相关信息，并支持克隆声音

腾讯元宝

谈谈RAG存在的一些问题和避免方式

那么我们的问题是：谁知道埃隆·马斯克？

RAG 大模型

智谱AI静悄悄的上线了一大波新模型，过年了，真的

原创数字生命卡兹克数字生命卡兹克 2024年08月29日 21:56 北京智谱今天下午在KDD 2024上面，悄咪咪的上线了一堆的超级更新。

智谱AI 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