文章列表-AI魔法学院

文章列表

Fastwhisper + Pyannote 实现 ASR + 说话者识别

官方仓库：https://github.com/SYSTRAN/faster-whisper 二、pyannote.audio介绍 pyannote.audio是一个用Python编写的用于扬声器

faster-whisper 语者识别 ASR

大模型应用发展的方向｜代理 Agent 的兴起及其未来（上）

感知模块扩展了代理的感知空间，从文本到多模态空间，包括声音、视觉、触觉、嗅觉等多种感官模式。

大模型

2023年LLM如何入门？请看这篇综述！

· 高质量的语料库也很重要，低质量的语料库可能会引入噪声和错误，对LLM的性能产生负面影响。

大模型

麦肯锡专家都在用的方法：用ChatGPT速览用户研究领域的 50 个核心概念

用户研究 Think Aloud 出声思维

用户工作

大模型的研究新方向：混合专家模型（MoE）

随着不同应用场景的实际需求，大模型的参数会变得越来越大，复杂性和规模不断的增加，尤其是在多模态大模型的开发中，每个数据集可能完全不同，有来自文本的数据、图像的数据、语音的数据等，包含不同的模式，特征和标注之间的关系可能也大有不同

MoE 大模型

Roop升级版FaceFusion换脸AI技术使用以及部署教程

免责声明在使用他人面部图像前，用户必须得到相关人士的同意，并在发布内容时不得隐瞒它是深度伪造。

FaceFusion 教程

世界上最流行（github排名高）的开源移动机器人的操作系统ROS开源了！！

此外，TurtleBot3还支持语音识别和语音合成技术，可以与人进行自然语言交互，完成特定任务。

ROS 机器人开源模型

国产编程大模型CodeGeex

声明、描述、解答分别用红、绿、蓝色标注。

编程

大模型能力快速测评极简题目

猜谜语：埋在奴家心底，打一字请告诉我以下陈述是否包含时代错误：在盟军轰炸硫磺岛海滩期间，拉尔夫大声地对着自己的 iPhone 说话请问下列哪个事件引起了另一个事件？

大模型

微软对 Sora 进行了逆向工程分析，揭秘 Sora 的秘密

扩散模型通过一个数学上的可靠框架，利用 U-Net 技术将噪声转化为图像，这一过程中，U-Net 通过预测和减少每步的噪声来帮助这一转换。

Sora 微软

FaceFusion参数详解

（2.3.1）Source 指定一个或多个源图像/音频（音频用于嘴型同步）用法: -s 或者 --source 比如: --source image1.jpg --source

FaceFusion 文生图

国内AI大模型已近80个，哪个最有前途？

就像贾里尼克几十年前说的，每开掉一个语言学家，语音识别率就上升了。

大模型

划重点！全网最全AI数字人工具合集！

· 选择语音：输入文字或录制语音，让数字人“说出”你想让他/她表达的内容。

AI 数字人

【ComfyUI】使用ComfyUI玩SDXL的正确打开方式

确保打开，添加噪声。

开源模型

深度好文，Agent盛行前传

Agent试用和搭建方法笔者在一个社群中收到的推荐，体验了一款agent生成和使用服务，MindOS，如果是自己搭建，需要选择声音风格、形象等，还可以搭建自己的团队，添加市场中的其他

Agent 大模型

<...12 13 14 151617 18 19 20 21 ...>

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