文章列表-AI魔法学院

文章列表

中文开源OCR框架对比及介绍

版面分析：将文档图片分段落，分行的过程称为版面分析 6.

OCR

中国首份AIGC监管文件正式实施——《生成式人工智能服务管理暂行办法》简析

《生成式人工智能服务管理暂行办法》解析 1、适用范围根据管理办法第二条的规定：利用生成式人工智能技术向中华人民共和国境内公众提供生成文本、图片、音频、视频等内容的服务

人工智能

可能是国产最强AI，ChatGLM-4来了！

，哪是参数的英文名，不会一股脑都翻译成汉语；另一个是财务分析，我业余对上市公司财报进行分析，通常会使用ChatDoc和ChatGLM进行辅助分析。

ChatGLM 智普

两天star量破千：OpenAI的Whisper被蒸馏后，语音识别数倍加速

OpenAI 认为使用这样一个庞大而多样的数据集，可以提高模型对口音、背景噪音和技术术语的识别能力。

语音 HeyGen

QWen1.5: 卓越模型之路

引言在QWen升级之路一文中，我们深入探究了千问模型的优化过程，新版千问1.5模型较原先又取得的提升，本文将继续分析新版千问1.5模型取得不俗表现的原因。

Qwen1.5 开源模型

阿里&字节发表VividTalk，只需单张照片即可根据音频生成栩栩如生的人物说话头像视频

视觉结果和定量分析都表明了我们方法在生成质量和模型泛化性方面的优越性。

VividTalk 视频

数学能力超ChatGPT，70B开源大模型火了：用AI微调AI，微软全华班出品

HuggingFace已上线3个在线可玩版本（分别为7B、13B和70B参数），各种数学题可以直接丢进去试一试。

开源模型

俄罗斯人开源了最大的文生图模型：参数量12B，比SDXL大了3倍多！

DALL-E 2的这种两阶段的方案的一个是优势是第二阶段只需要纯图像数据来训练图像生成模型，而且采用CLIP image embedding作为条件比直接用文本训练模型更容易一些。

Kandinsky-3 文生图开源模型

深入探秘：百川7B大模型的训练代码解析，揭秘巨无霸语言模型背后的奥秘

直接跳到定义的大模型类的地方：train.py中要关注的是在哪里定义模型结构，可以看到是从BaiChuanForCausalLM中调用的，同时定义模型的还有一个配置文件，可以看到隐层的大小，decoder的层数等信息

大模型

Stable Diffusion

Stable Diffusion | SD阿里云3步部署，全程五分钟，免费试用三个月，电脑无需升级配置

最近随着SD普及，有些新手也慢慢入门了，刚开始简单的操作还好，玩到后面，越来越吃力费劲儿，稍微复杂一点的操作就如鲠在喉，死机等等，是的，是电脑的配置限制了你的想象，云部署就派上用场了，之前分享的谷歌clab

下载

低调的PDF，为什么成了数字文档“永远的神”？

因此他通过邮件让合伙人先把.pdf表格转换为Word文档再发给他，之后又把虚增了数百万美元收入的伪造表格发回，后者帮他重新转换成.pdf，成为马纳福特提供给贷款公司材料的一部分。

工作

从零开始学习大模型-第一章-大模型简介

这些参数使得模型具有更强大的表达能力，能够更好地拟合复杂的数据分布和学习复杂的任务。

大模型从零开始

LLMOps框架Dify发布Workflow功能，RAG进入自由编排时代（附产品负责人分享PPT ）

通过编排可以将开放域，复杂多步问题，分解为多个子问题分开解决，能用模型用模型，不能用模型的用流程，甚至采用“Human in Loop”的方式，将整个工作流程白盒化，把大模型能力限制在封闭的问题内，让大模型更可控

RAG 自由编排 Workflow

一款构建AI数字人项目开源了！自动实现音视频同步！

它不仅可以让嘴型与声音同步，还可以根据声音改变视频中人物的表情。

AI数字人音视频同步

中文通用大模型评测基准发布，全方位解析评价维度，助你选出最优秀的模型！

人类测评结果，采用多数投票方式进行汇总，作为人类基准分数。

大模型训练中文

<...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