文章列表-AI魔法学院

文章列表

FFmpeg之父新作——音频压缩工具 TSAC

Training tricks 1）GAN RVQGAN顾名思义是基于GAN的网络结果，因此在训练过程中除了训练encoder-decoder的生成器之外，还需要训练对应的判别器

TSAC 音频工具

中国电信开源星辰AI大模型：央企中首个完成LLM研发和开源的选手诞生

早在去年五月中旬，经过数十版模型训练与优化，中国电信就完成了百亿参数星辰AI大模型稳定版本的训练。

开源大模型电信

Stable Diffusion

Stable Diffusion 和 Midjourney的优劣势比较，如何选择？

③有一定的使用难度：SD的界面有很多内容，如采样方式等，上手很简单，但想玩好以及训练自己的模型等都需要比较复杂的学习过程。

文生图

零一万物API开放平台出场！通用Chat多模态通通开放，还有200K超长上下文版本

去年11月，零一万物就正式开源发布了首款预训练大模型Yi-34B，当时的模型已经能处理200K上下文窗口，约等同于20万字文本。

零一万物 YI 李开复

Stable Diffusion

深入浅出学习Stable diffusion之线稿转效果图

的左上角我们看到秋叶包中加载的暂时只有一个anything的模型，这是一个大体模型，就是很多风格集中在一起的模型，不论是景观、建筑、动漫人物还是什么，但是当你需要出独特的风格图时候就需要更优化的模型，你可以自己训练模型

Stable Diffusion 文生图大模型

百川智能RAG方案总结：搜索出生的百川智能大模型RAG爬坑之路

行业大模型解决方案有后训练（Post-Train）和有监督微调（SFT），但是仍然无法解决大模型落地的幻觉和实效性问题。

RAG 大模型

保姆级教程：手把手教你创建GPTs角色应用

首先，向GPTs描述你的需求：创建一个能帮助理解猫咪行为、提供训练技巧和互动小知识的助手。

GPTs 教程

实时语音克隆

建议使用 GPU 来进行训练和推理速度，但这不是强制性的。

语音克隆

再也不怕合照缺人，Anydoor为图片编辑开了一道「任意门」

但是这些方法对于不在训练数据内的新图象，泛化性较差，或者需要输入多个图像，在近一个小时后，才能等到生成结果。

Anydoor 文生图

ViTPose+：迈向通用身体姿态估计的视觉Transformer基础模型

为了探索使用ImageNet数据进行预训练是否是不可避免的，ViTPose探索了能否只使用姿态估计数据（MS COCO和AI Challenger数据）进行预训练。

ViTPose+Transformer 身体姿态

LLM应用架构之检索增强（RAG）的缘起与架构介绍

从上图可以看到，参数规模和训练的token数是正相关的，以gpt3为例，它有1750亿参数，其训练的token量达到了2000亿，据说包含了全球所有公开的文本信息，自然它能什么都懂就不奇怪了。

LLM

Westlake - Omni：西湖心辰推出的全球首个开源的中文情感端 - 端语音交互大模型

三、Westlake - Omni 的训练与优化 1.

Westlake -Omni 语音

OCR终结了？旷视提出可以文档级OCR的多模态大模型框架Vary，支持中英文，已开源！

确实，在 400M 图像文本对训练的 CLIP 有很强的视觉文本对齐能力，可以覆盖多数日常任务下的图像编码。

OCR 手写文字识别

自己电脑上跑大语言模型（LLM）要多少内存？

如果我要训练模型呢？

大语言模型运行

CodeGeeX：Tab一下，代码自动生成

（相关链接，见文末）一、原理模型 CodeGeeX是一个基于transformers的大规模预训练编程语言模型。

大模型

<...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