文章列表-AI魔法学院

文章列表

Insanely Fast Whisper：超快的Whisper语音识别脚本

通过使用Transformers和Optimum技术，可以在不到10分钟内转录300分钟（5小时）的音频。

音频 Whisper

开源新标杆，千问Qwen2系列模型发布，全面超越LLama3

系列模型包括五个尺寸的模型（Qwen2-0.5B、Qwen2-1.5B、Qwen2-7B、Qwen2-57B-A14B 和 Qwen2-72B），这些模型在中文和英文基础上增加了 27 种语言的高质量数据

qwen 千问开源

SDXL模型lora训练参数详细设置，显存占用22G，不用修脸原图直出

训练相关参数没改啥，一般我都是step20，epoch10。

SDXL 训练

从Langchain到ReAct，在大模型时代下全新的应用开发核心

大模型会自己分析问题，选择合适的工具，最终解决问题。

大模型

阿里巴巴语音实验室发布开源语音处理框架ClearerVoice-Studio，支持语音增强、分离、目标说话人提取

、分离复杂声源并结合音频和视觉数据锁定目标发声者。

ClearerVoice-Studio 语音

爆肝两天！ChatGPT+提示词解决知识库目录混乱

从技术文档到研究论文，从市场策略到产品手册，各种信息和数据都需要在知识库中进行整理和存储。

智能分类大模型知识库

【语音识别】OpenAI语音力作Whisper

实现长音频转写 Q：学术数据集大多数由简短话语组成，但真实场景往往需要转写几分钟或几小时的音频，怎么办？

语音转文字 whisper

大模型能力评估体系

据中国科学技术信息研究所的数据，国内具有超过10亿参数规模的模型已达79个，标志着一场规模宏大的“百模大战”。

大模型评估

智源：70万预算，从头开发千亿参数大模型，挑战成功！

看到这里也许有的读者会有疑问，其他模型不是也有分成多个参数量的版本吗？

大模型

AI Agent的数字化革命：超越文本，走向自主决策与交互

它具备独立的思考和认知功能、拥有记忆，能进行思考、逻辑推断和自我反思，可以阅读和在线学习，擅长利用适当的工具处理问题，还能策划并根据实际情况调整任务的优先级…… 任务规划：子目标与分解：AI Agent

生成式AI

Github上Star数最多的大模型应用基础服务：Dify 深度解读

实现，另外基于其他第三方库实现了特定格式文件的处理比如对于 pdf 文件，会基于 pypdfium2 进行解析，html 是基于 BeautifulSoup 进行解析

Dify 大模型知识库

使用这个工具后，我将 RAG 的准确性和召回率都提高了两倍！

RAG（Retrieval Augmented Generation）是一种检索增强生成技术，它利用大型语言模型来处理用户查询，RAG 技术的主要组成包括数据提取—embedding—创建索引—检索—

RAG 大语言模型

Stable Diffusion

硬核解读Stable Diffusion（系列一）

laion-5b数据集是从网页数据Common Crawl中筛选出来的图像-文本对数据集，它包含5.85B的图像-文本对，其中文本为英文的数据量为2.32B，这就是laion2B-en数据集。

StableDiffusion 文生图

使用BELLE项目部署bloomz模型（专业程序员精简版）

中文对话大模型ELLE（BE Large Language Model Engine），基于BLOOM和LLAMA针对中文做了优化，模型调优仅使用由ChatGPT生成的数据，为中文指令提供更好的支持。

belle 训练大模型

让AI帮你读财报：Reportify让你看得清、聊得深

Reportify是一款帮助人们解读公司财报的AI分析工具。

Reportify 读财报

<...13 14 15 161718 19 20 21 22 ...>

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