文章列表-AI魔法学院

文章列表

TTS它又来了！OpenVoice：一款借鉴于TTS实现的强大的AI语音克隆工具！

其核心功能是通过提供发言者的短音频片段（参考语音），实现声音的高效克隆。

tts 文本转语音

GLM-4-Voice 9B——实时多语言语音对话 AI——几分钟内即可在本地安装

标记器基于 Whisper 的编码器，并添加了向量量化，使模型能够以结构化形式处理音频。

GLM-4-Voice 9B 语音安装

2.7B能打Llama 2 70B，微软祭出「小语言模型」！96块A100 14天训出Phi-2，碾压谷歌Gemini nano

谷歌被逼急了，赶在年底之前仓促发布了超大模型Gemini，卷起了多模态，甚至不惜「视频造假」。

小语言模型

用ComfyUI整了一套照片转Q版手办的工作流

之所以要搞这个，主要是因为它跟我目前要做的很多内容都息息相关，比如2D图片转3D模型，blender的插件、图片生成视频等，而且据说生成速度很快，对设备的要求低。

comfyui 文生图

使用大模型自动回复小红书/抖音/快手评论：通过RAG 优化LLMs实现

; """ 接下来，我们将使用查询引擎和视图评论中的上下文来传递提示给模型

RAG 大模型自动回复

万字长文｜40万人学习过｜28个ChatGPT使用技巧，带你从入门到精通

GPT-4-turbo，有了更强的上下文理解能力，更长的文本记忆，能理解图片、生成图片，以及更会使用网页浏览、代码解释器等工具帮助用户完成任务，所以我预期会在2024年1月分别在我的Youtube与B站视频频道

ChatGPT 使用技巧教程

2023年人工智能行业总结（精简版）

GPT4V多模态模型和Gemini的发布让大模型能够看图看视频作答。

人工智能行业总结

GitHub星数暴涨，AIPC的开源实现，用AI记录电脑一整天的使用太简单了，功能非常多！

Screenpipe 使用 Rust 语言开发，并提供灵活的插件系统，可与 Ollama 等工具协同工作，适用于从屏幕和音频数据中获取实时分析的需求。

AIPC ScreenPipe 开源

LLM之RAG实战（五）| 高级RAG 01：使用小块检索，小块所属的大块喂给LLM，可以提高RAG性能

在这一系列的博客文章/视频中，我将介绍先进的RAG技术，旨在优化RAG工作流程，并解决原始RAG系统中的挑战。

RAG 检索

职场常用GPT提示词精选、职场常用文案能力大模型提示词精选

你的输出： ================================== 【抖音短视频脚本】现在你是一个抖音短视频创作者，请你根据我给出的信息，为我撰写一个抖音短视频脚本。

提示词 prompt

MaskGCT：登上GitHub趋势榜榜首的TTS开源大模型

03 效果展示 MaskGCT 能超自然地模拟参考音频音色与风格，并跨语言生成音频：与基于自回归的TTS系统相比，MaskGCT具有更强的稳定性，绕口令也不在话下

MaskGCT 声音克隆

目前有哪些比较成功的人工智能应用？

语音：音乐，录音等等音频格式的文件。

生成式AI

Roop升级版FaceFusion换脸AI技术使用以及部署教程

SKIP AUDIO（跳过音频）: 对于视频处理，此标志可能用于决定是否处理或忽略视频的音轨。

FaceFusion 教程

深入浅出人工智能常用技术，让你轻松掌握AI应用核心！

语音识别语音识别是一种让计算机从声音中识别语言，并转化为可操作的文本的技术。

人工智能

万字长文，大语言模型如何宣告心理学的死亡？

每一个幽灵都暗指传统心理学曾经忽略的问题，本文将从大语言模型的视角提供新的见解。

大语音模型

<...9 10 11 121314 15 16 17 18 ...>

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