文章列表-AI魔法学院

文章列表

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

另一些方法直接从音频中学习头部姿势，但生成的结果不连续且不自然。

VividTalk 视频

RPA和大模型结合：开启智能自动化的新纪元

当然，RPA和大模型结合的自然语言交互也面临着一些挑战和局限，比如：RPA的软件机器人需要与大模型的接口和平台进行兼容和集成，这可能需要一定的技术和成本投入；大模型的自然语言理解和生成可能存在一定的偏差和误差

RPA 自动化大模型

MaskGCT：登上GitHub趋势榜榜首的TTS开源大模型

还使用了接受时间步t作为条件的自适应RMSNorm。

MaskGCT 声音克隆

【2023.10】看目前巨头的AI原生产品布局

在程序员输入时候，直接给出建议的方案，程序员可以快速选择采纳、切换方案或者无视。

大模型产品

Stable Diffusion

Stable Diffusion生成图片参数查看与抹除

我们还可以在参数的下边有几个文件，他们可以把参数或者图片发送到生成窗口，这样可以节省一些复制参数的时间，有兴趣的可以试试。

文生图 Stable Diffusion

OpenAI大动作：Whisper large-v3重塑语音识别技术

无论是在嘈杂的环境中还是面对各种口音，Whisper large-v3都能提供出色的识别效果。

Whisper 语音识别

百川智能正式发布130亿参数通用大语言模型百川大模型（Baichuan-13B-Base）

支持中英双语，使用 ALiBi 位置编码，上下文窗口长度为4096。

大模型中文

大模型应用实践：用LLaMA 2.0, FAISS and LangChain实现基于自由知识问答

根据上下文窗口大小和用作上下文的输入变量，它可以适应不同的LLM类型，例如对话历史记录、搜索结果、先前的答案等。

开源模型

人手一个编程助手！北大最强代码大模型CodeShell-7B开源，性能霸榜，IDE插件全开源

VSCode插件：https://github.com/WisdomShell/codeshell-vscode 具体来说，CodeShell-7B基于5000亿Tokens进行了冷启动训练，上下文窗口长度为

开源模型 AI编程

全量免费的EMO模型上架通义APP，外媒称之为Sora之后最受期待的大模型之一

只需要一张人物肖像照片和一段任意时长的音频，EMO就可以让照片中的人物按照音频内容“张嘴”唱歌、说话，且口型基本保持一致，实现自然的面部表情和头部姿态。

EMO 阿里全民演唱

AI 爆文写作：如何用GPT写出10万＋？这篇五千字长文给你答案！

虽然大多数问题你随口一问chatGPT也能给出还不错的回答，但是当问题有一些复杂，或者你对生成的结果要求比较高时，就要学会写一份要素完整的prompt。

提示词写作自媒体

ComfyUI学习笔记：插件安装

例如安装ComfyUI Manager这个插件： https://github.com/ltdrdata/ComfyUI-Manager 分三步： 1.命令行窗口中运行：cd D:\COMFYUI

comfyui 插件绘画

RAG 2.0来了，它能成为生产落地的福音吗？

他们也做了RAG 2.0与具有长上下文窗口的最新模型的比较。

RAG 大模型

Agent具体实现

; · 对于单个模块而言，只需将接口描述清楚

Agent 大模型

AI出题，做不完，根本做不完

角色扮演这是GPT刚刚出现时，我学到的一种提示词编写方法，大家可能也都接触过了。

大模型提示词试题

<...15 16 17 181920 21 22 23 24 ...>

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