文章列表-AI魔法学院

文章列表

两天star量破千：OpenAI的Whisper被蒸馏后，语音识别数倍加速

不过，与能够处理多种语言的原始 Whisper 模型不同，Distil-Whisper 只能处理英文。

语音 HeyGen

9.4k Star！MemGPT：伯克利大学最新开源、将LLM作为操作系统、无限上下文记忆、服务化部署自定义Agent

o 通常像GPT-4这类大模型处理复杂的自然语言任务还行，但是当事情涉及到长期记忆或者需要推理一大堆数据时，它们就有点力不从心了。

MemGPT 大语言模型

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

文章还介绍了3D可塑模型和数据预处理的基础知识，并描述了总体框架的训练策略。

VividTalk 视频

Midjourney AI绘画美女提示词分享一

遗憾的是目前即使最好的AI绘图工具，对于处理手指部位仍然不太理想。

文生图 Midjourney

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

如下图所示，经过GSM8k数据集测试，WizardMath数学能力直接击败了ChatGPT、Claude Instant 1、PaLM 2-540B等一众大模型—— &

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！

在开源Kandinsky 2.2之后，俄罗斯AI研究团队AI Forever又开源了新的文生图模型Kandinsky-3，这个模型最特别之处时采用了一个超大的text encoder（参数量为8.6B）

Kandinsky-3 文生图开源模型

爆火「视频版ControlNet」开源了！靠提示词精准换画风，全华人团队出品

在画风改变上，CoDeF也做了很多细节处理，让效果更加逼真合理。

ControlNet

智源：70万预算，从头开发千亿参数大模型，挑战成功！

要知道，当GPT-3的训练成本可是高达460万美元，近一些的Llama2据估算也大概是这个数。

大模型

低调的PDF，为什么成了数字文档“永远的神”？

比起在自家地下室搭建私人电子邮件服务器用于处理公务的美国前国务卿希拉里，拥有乔治敦大学工商管理学士和法律博士学位的马纳福特和威廉玛丽学院毕业的高材生合伙人Gates简直就是技术战五渣

工作

LLM微调神器Lamini，疯狂获星1.9k，免费可用！！

斯坦福的一组开发人员最近在推动自然语言处理的疆界，他们推出了一个叫做Lamini的新工具，它的目标是让每个开发者都能利用GPT-3和ChatGPT的强大能力。

大模型

Rerank——RAG中百尺竿头更进一步的神器，从原理到解决方案

检索增强生成（RAG）是解决大语言模型（LLM）实际使用中的一套完整的技术，它可以有效解决LLM的三个主要问题：数据时效性、幻觉和数据安全问题（在我之前的文章《大模型主流应用RAG的介绍

RAG 检索增强

中文常用停用词表下载

停用词表的发展前景是，随着人工智能技术的进步，停用词表会变得越来越智能，它们能够根据不同的语境和任务，动态地调整哪些词应该被忽略，哪些词应该被保留。

训练停用词

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

PDFTriage:面向长篇结构化文档的问答

为了弥合处理结构化文档中的这一根本差距,我们提出了一种称为PDFTriage的方法,使模型既可以根据结构也可以根据内容检索上下文。

大语言模型 PDF 文档

这个数字人开源项目太牛了，非常全面的项目解决方案(含源码)

该项目各模块之间耦合度非常低，包括声音来源、语音识别、情绪分析、NLP处理、情绪语音合成、语音输出和表情动作输出等模块。

Fay 开源项目数字人

<...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