文章列表-AI魔法学院

文章列表

十大开源语音识别项目

Automatic Speech Recognition（ASR）是一项自动语音识别技术，其目标是通过计算机自动将人类口头语音转录为文本。

语音识别开源项目

AIGC的7个黑暗面

每个人都对AIGC算法的方式感到惊讶，它可以产生任何风格的令人惊叹的艺术作品，然后立即用很棒的语法写出长篇文章。

大模型

StableDiffusion

AI绘画由入门到精通：StableDiffusion精讲课程

随着人工智能技术的发展，Stable Diffusion作为一款强大的文生图软件已经引发了全球范围内的创作革命。

SD 视频课程 AI绘画

从⼤模型到 AI 应⽤落地，工程实现有多复杂?

众所周知，⼤模型代表了⼈⼯智能技术的前沿发展。

大模型

微软对 Sora 进行了逆向工程分析，揭秘 Sora 的秘密

本文基于公开技术文档和逆向工程分析，全面审视了 Sora 背后的技术背景、应用场景、当前面临的挑战以及文转视频 AI 技术的未来发展方向。

Sora 微软

深度｜万字访谈！Open AI Sora作者，亲自揭秘Sora原理，Sora能带我们通往AGI吗？

从安全团队到艺术家，我们开始与各种团队合作，探索这项技术的可能性。

Sora 原理

Westlake - Omni：西湖心辰推出的全球首个开源的中文情感端 - 端语音交互大模型

在当今数字化时代，人工智能技术正以前所未有的速度发展，深刻地改变着我们的生活和工作方式。

Westlake -Omni 语音

2024年傅盛开年AI大课演讲内容PPT

他是一位在科技领域有着卓越贡献的领导者。

猎豹 AI 演讲

大语言模型LLM和知识图谱KG增强的企业搜索应用

它被誉为下一个“iPhone 时刻”——一个有望彻底改变几乎一切的技术奇迹。

开源模型

字正腔圆,万国同音,coqui-ai TTS跨语种语音克隆,钢铁侠讲16国语言

按照固有的思维方式，如果想要语音克隆首先得有克隆对象具体的语言语音样本，换句话说，克隆对象必须说过某一种语言的话才行，但现在，coqui-ai TTS V2.0版本做到了，真正的跨语种无需训练的语音克隆技术

coqui-ai TTS 语音

Transformer速查宝典：模型、架构、训练方法的论文都在这里了

本篇综述涵盖了 21 种模型、11 种架构变化、7 种预训练后处理技术和 3 种训练技术（还有 5 种不属于以上技术的东西）。

Transformer

图解 Transformer——功能概览

其独特之处不仅在于其技术上的突破，更在于它如何彻底改变了我们对语言模型潜力的理解。

Transformer 大模型图解

OpenAI开源大模型调测工具Transformer Debugger：可以在训练大模型之前理解模型的运行情况并干预

自从OpenAI转向盈利化运营之后，很少再开源自己的技术。

大模型调试工具

LLM每周速递！大模型最前沿：多模态RAG、RAG加速、大模型Agent、模型微调/对齐

引言紧跟技术发展趋势，快速了解大模型最新动态。

大模型研究

openpose原理及安装教程（姿态识别）

OpenPose基于深度学习和计算机视觉技术，采用了卷积神经网络（CNN）来实现对人体姿态的准确识别。

行为识别姿态识别

<...11 12 13 141516 17 18 19 20 ...>

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