文章列表-AI魔法学院

文章列表

从 GPT-4o 到 LiveKit：实时语音交互的开源实现

LiveKit 支持语音、视频和数据流处理，内置了自动语音识别（ASR）和文本转语音（TTS）功能，简化了语音到文本和文本到语音的转换过程。

GPT-4o 语音交互

解码二维码：揭秘我的漂亮二维码生成秘诀！

· · 旋转二维码，让它不是常规的角度，增加人眼识别难度； · · 给定位标志换一些样式，比如用圆圈或者菱形代替方块，用断线代替直线等； ·&

图像文字

通俗易懂地解释OpenAI Sora视频生成的特点有哪些？它与此前的Runway Gen2、Pika有什么区别？以及缺点是什么？

但是，与其它平台的真实物理世界视频生成不同的是，OpenAI Sora可以以运动相机拍摄的方式来展示视频，包括运动相机的转换、旋转等。

sora 视频生成

阿里最近推出AI项目的动作太过频繁，脑子跟不上了，事出反常必有妖，盘点一下

一个静态图片转视频的项目。

阿里大模型

高级 RAG 技术——图解概览

假设性问题和 HyDE 另一个策略是让大语言模型为每个数据块生成一个问题，并将这些问题转换为向量。

RAG 检索图解

AI虚拟主播数字人技术实现Wav2Lip

公众所熟知知道的一个常见用例是面部交换的应用。

数字人视频

造梦师手记：ComfyUI快速量产数字小姐姐

这个任务说复杂并不复杂，习惯用AI的，完全可以找个动漫大模型用图生图转换一下。

comfyui 文生图

2023年人工智能行业总结

而变声模型vits和文本转语音TTS的发展，也让GPT有了耳朵和嘴巴。

人工智能 AGI 思考总结

17K star！30秒偷走你的声音，开源声音克隆工具

Text Prompt 将需要转音频的文字写在这里 Style 可以根据需要选择语气。

OpenVoice 声音克隆开源

阿里通义实验室薄列峰：从兵马俑跳“科目三”到照片唱歌，四大框架让AI生成的人物活起来丨GenAICon 2024

四大框架玩转AI人物视频生成，已落地通义千问APP。

通义文生视频

为什么Llama2大模型可以在个人电脑上部署？

丰富的概率工具，TFP实现了各种常见的概率分布，数据转换和采样方法，以及贝叶斯推断算法等，使建模更加便利。

开源模型

Stable Diffusion

Stable Diffusion | 2D表情3D化，看着笑不停

通过谷歌的emojikitchen制作2D表情，然后通过2D表情在SD里面转换为3D表情。

Stable Diffusion

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

MCP服务介绍及应用场景报告-来自Manus

批量文件处理：AI可以帮助用户批量重命名、移动或转换文件格式，大大提高工作效率。

MCP 大模型

请以“续航”为题目，写一篇议论文

续航科技的发展，需要我们加强科技的应用和转化。

中文训练大模型

<...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