文章列表-AI魔法学院

文章列表

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

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

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

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

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

教小朋友学习AI绘画的同时避免生成不健康图片

有朋友咨询，为了避免输在起跑线上，想教小朋友学AI绘画，但又不想让孩子接触到不健康图片，有没有办法解决。

小朋友绘画

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

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

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

2023年人工智能行业总结（精简版）

sad talker技术能让图片开口说话，小和尚说话就是用了这项技术。

人工智能行业总结

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

阿里推理模型来了！Marco-o1 发布即开源

它能够准确理解并翻译俚语表达，将「这个鞋拥有踩屎感」这样的口语化表达优雅地转化为「This shoe has a comfortable sole」。

Marco-o1 推理模型

OpenAI 开源语音识别 Whisper 的使用体验怎么样？

快速转换：Buzz 的模型在本地离线运行，无需互联网连接，因此转换速度非常快，适用于大量语音转换。

生成式AI

<...16 17 18 192021 22 23 24 25 ...>

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