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 不仅有一个开源的 voice agent 方案[1]，还能为你提供一个成熟且强大的实时多模态 AI 解决方案。

GPT-4o 语音交互

一款构建AI数字人项目开源了！自动实现音视频同步！

如果把这个任务丢给 ChatGPT，它会直接返回一串可执行代码，但是代码通常会存在问题，例如执行报错、缺少依赖等，你需要反复跟 ChatGPT 对话来完善程序。

AI数字人音视频同步

摆脱 OpenAI 依赖，8 分钟教你用开源生态构建全栈 AI 应用

摆脱对 OpenAI 的依赖，借助开源生态系统构建出全流程的 AI 应用，现在开始！

开源模型

OpenAI的官方Prompt工程指南详解 - 看这一篇真的就够了

给模型时间“思考” think step by step（一步步思考）这个神级提示词的源头。

提示词 prompt

FFmpeg之父新作——音频压缩工具 TSAC

其原理和我们之前介绍的突破压缩极限的AI语音编解码器类似，使用深度学习网络进行压缩，TSAC这里引入Transformer结构来提升性能。

TSAC 音频工具

从零开始了解AI大模型 - 技术篇：万字深度好文人话说大模型技术

举个例子，一款预训练语言模型既能胜任自然语言分类、命名实体识别和指代消解等任务，也能轻松处理智能对话、阅读理解和文本生成等自然语言生成任务。

大模型

一网打尽 | 掌握64个策划思维模型，逆转职业寒冬!（高清图+模型详解）

3、横向：各种观点或内容，以演绎推理和归纳推理的方式回答读者的疑问。

策划思维模型方法论

17K star！30秒偷走你的声音，开源声音克隆工具

今天我们分享一款开源的声音克隆工具，只需30秒的一般音源，它就可以偷走你的声音，它就是：OpenVoice。

OpenVoice 声音克隆开源

省钱！微软开源框架LLMLingua + LlamaIndex实现提示词压缩

LLMLingua是微软发布的一款开源框架，旨在帮助开发者实现提示词压缩，从而在诸多应用场景中，在尽可能保留有意义的信息时，减少token开销，降低成本。

LLMLingua LlamaIndex 开源框架

神奇的 OuteTTS - 0.1 - 350M：用几秒钟音频克隆声音的黑科技！

这种高效的标记化过程将音频信号转化为模型能够理解和处理的格式，为后续的语音合成提供了关键的数据基础。

OuteTTS-0.1-350M 音频

开源大模型王座易主！谷歌Gemma杀入场，笔记本可跑，可商用

刚刚，谷歌杀入开源大模型。

开源模型 Gemma

爆肝7天！AI艺术字终极攻略，光影、隐藏、嵌入、海报4种艺术字全拆解

pwd=wdz6 提取码：wdz6 出自：https://zhuanlan.zhihu.com/p/644409594

文生图

超越巨头：Zephyr-7B领跑7B级大模型竞赛，开源且笔记本可运行

它不仅性能超越了700亿参数的LLaMA2模型，更引人注目的是，这一开源模型可在常规笔记本电脑上运行，极大地提高了AI技术的可达性。

大语言模型开源模型

大模型时代，数据为王，在哪里寻找开源数据集？

大模型时代，数据为王，在哪里寻找开源数据集？

开源数据训练

向量数据库简介和5个常用的开源项目介绍

要真正理解矢量数据库是如何工作的，以及它与传统的关系数据库(如SQL)有何不同，我们必须首先理解嵌入的概念。

开源模型

<...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