文章列表-AI魔法学院

文章列表

完全指南——使用python提取PDF中的文本信息（包括表格和图片OCR）

然而，在我们开始之前，我们需要指定目前不同类型的pdf，更具体地说，是出现最频繁的三种: 1.

大语言模型 python

17岁高中生写了个神级Prompt，直接把Claude强化成了满血o1。

被这个Prompt强化过的Claude3.5，真的强到离谱。

prompt 大模型

13.5K Star ! Fish Speech Windows本地搭建，能否达到官方的级别？强烈推荐

详见语音克隆最佳实践指南[https://docs.fish.audio/text-to-speech/voice-clone-best-practices]。

Fish Speech 本地搭建

RAG——使用检索增强生成构建特定行业的大型语言模型

下面是检索增强技术论文的摘要部分，从中我们可以看到，检索增强技术是用于知识密集型nlp任务处理文本生成时，先通过信息检索技术来增强信息输入来使生成的内容更具体、更多样化和更真实的技术。

大模型

「语音识别的未来已来」——探索Distil-Whisper，轻量级AI的强大力量

在AI技术的浪潮中，一款新型的语音识别模型Distil-Whisper以其独特的魅力和强大的性能脱颖而出。

Distil-Whisper 语音识别

Stable Diffusion

Stable Diffusion 又是一个史诗级增强、出图效率暴增 5 倍

最近爆火的新一代生成模型 LCM 席卷而来，可以大大的提升出图效率。

StableDiffusion 文生图

LLM应用架构之检索增强（RAG）的缘起与架构介绍

当前，随着大模型应用落地需求不断增加，越来越多的人在寻找搭建LLM应用的最佳模式，而这种模式就如同当年web开发中MVC架构一样，能够很好地指导开发者正确高效地开发应用。

LLM

OpenAI官方ChatGPT提示工程 - 最佳实践11篇（大合集）

随后，OpenAI官方又正式的发布了一份"GPT 最佳实践"指南，可以说是期盼已久。

ChatGPT 大模型

14.6K star！最好用的OCR文字识别项目，没有之一！

最近，在Github上发现了一个厉害的开源OCR项目——Umi-OCR，真的很强大，而且还可以离线使用，现在已经有了14.6k+的星标。

Umi-OCR 开源项目文字识别

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

该模型在对话式问答和检索增强型生成等能力方面表现出色，在综合评测指标上甚至超越了当前业界顶尖的GPT-4模型。

Llama3-ChatQA-1.5 对话问答模型

RAG 与 Finetuning，谁是提升 LLM 的最佳工具？

最终我们会问自己：我们应该使用检索增强生成（RAG）还是模型微调来改善结果？

训练

Stable Diffusion

Stable Diffusion AnimateDiff | 最火文本生成视频插件

与传统的SD模型训练方式不同，AnimateDiff通过大量短视频的训练来提高图像之间的连续性，使得生成的每一张图像都能经过AnimateDiff微调，最终拼接成高质量短视频。

动画视频 AnimateDiff

开源打败闭源？Meta即将推出开源代码生成平台Code Llama，剑指OpenAI Codex

报道指出，Code Llama 将帮助企业客户轻松构建起 AI 助理，在开发人员敲击键盘时自动提供代码建议，因此有望从基于 Codex 的微软 GitHub Copilot 等收费编码工具处夺取大量客户

开源模型

《OpenAI官方：GPT 最佳实践》大白话编译解读版本

诚挚地向大家推荐来自 OpenAI 的文章《GPT 最佳实践》。

提示词官方翻译

FaceSwapLab，截止2023年8月最好用的一键换脸工具

最近又有一款stable diffsion换脸插件横空出世，它叫FaceSwapLab，和roop相比，它有个最大的优点：可以上传多张照片（同一人）。

一键换脸

<...8 9 10 111213 14 15 16 17 ...>

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