文章列表-AI魔法学院

文章列表

AI“同声传译”新进展！Google发布，无监督，语音识别：Translatotron 3！

据统计，世界上有超过7000种语言，但是目前的语音识别系统只能覆盖其中的一小部分，而且对于一些低资源语言，由于缺乏足够的标注数据，训练高质量的语音识别模型非常困难。

Translatotron 语音识别

四种微调技术详解：SFT 监督微调、LoRA 微调、P-tuning v2、Freeze 监督微调方法

第三部分：P-tuning v2 微调方法简介 P-tuning是一种适用于多语言和跨语言任务的微调方法，它的目标是使模型能够在不同语言之间进行迁移学习。

大模型

一个让GPT重复自问自答的Prompt

宫崎骏，起风了 Prompt · 概述 · 使用自然语言的方法，让GPT重复进行自问自答。

prompt

OpenAI真的开源了！这波「实时语音」操作，让万物开口说话，我爱了

就像直播里的那只麋鹿，它能听懂你的问题，然后用自然流畅的语音跟你聊天，就是这个 SDK 的功劳！

OpenAI 嵌入式实时语音 SDK

结构化Prompt必备基础：5分钟学会Markdown语法，实现提示词创作自由！

因为他像AI时代的编程语言一样，可以让提示词的开发象代码一样有规范，不但方便团队的沟通和协作，也方便对于后期的维护升级。

Prompt 提示词 Markdown

从声纹模型到语音合成：音频处理 AI 技术前沿 | 开源专题 No.45

2] Stars: 12.4k License: NOASSERTION VC Client 是一个用于实时音频转换的客户端软件，使用各种语音转换

AudioCraft 音频

语音识别的未来已来：深入了解faster-whisper的突破性进展

这种实现不仅提高了语音识别的速度，还优化了内存使用效率。

语音识别 Faster-Whisper

阿里云开源通义千问多模态大模型Qwen-VL，持续推动中国大模型生态建设

8月25日消息，阿里云推出大规模视觉语言模型Qwen-VL，一步到位、直接开源。

大模型

大模型应用发展的方向｜代理 Agent 的兴起及其未来（上）

大型语言模型展现了强大的自然语言交互能力，这种能力使它们能够以可解释的方式与其他模型或人类进行交互，这是基于LLM的代理社交能力的基石。

大模型

从思维链(CoT)，到思维树(ToT)，再到思维图(GoT)：用LLMs解决复杂问题！

引言为进一步提升大型语言模型（LLM）解决复杂问题的能力，今天给大家分享的这篇文章，作者提出了思维图（GoT），其性能超过了思维链（CoT）、思维树（ToT）。

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

那么，这个被誉为“语音识别的未来”的AI工具到底有何过人之处？

Distil-Whisper 语音识别

揭秘Baichuan 3超越GPT-4的中文实力！文心一言、GLM 4.0也甘拜下风？全方位对比测试大揭秘！

1月29日，百川智能推出了超千亿参数的大语言模型Baichuan 3，瞬间在科技圈点燃了热情。

Baichuan 3 大模型

清华大学ChatGLM团队发布AI Agent能力评测工具AgentBench：GPT-4是全能战士，超越所有模型

PART 01 未来大模型的发展方向：AI Agent 大语言模型（Large Language Models, LLM)最核心的能力是对语言的处理，具备良好的意图识别和文本生成能力让 LLM

GPT-4

TypeChat 入门指南

传统模式下，创建自然语言模型界面是一项复杂的任务，通常依赖复杂的决策树来确定意图并收集行动所需的输入。

TypeChat

实测：本地跑llama3:70B需要什么配置

前几天发布的开源大语言模型Llama 3 70B的能力通过测试结果的展示已经达到了一个全新的高度，甚至可以与Claude 3 Sonnet和Gemini 1.5 Pro等一众顶级模型相媲美，甚至在某些方面已经超过了去年发布的两款

llama GPU内存

<...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