文章列表-AI魔法学院

文章列表

AI绘画Stable-Diffusion风格化实战

这些有趣的风格化效果其实都是图像风格化技术的应用成果。

Stable-Diffusion 文生图

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

面向知识图谱的大模型应用

海量知识图图谱推理的挑战在处理海量知识图谱的推理问题时，必须整合先进的技术和方法来优化数据检索和处理。

知识图谱大模型

AI“同声传译”新进展！Google发布，无监督，语音识别：Translatotron 3！

语音识别（ASR）是指将人类的语音转换为文本的技术，然而，目前的语音识别技术还面临着一些挑战，其中最大的一个就是如何支持更多的语言。

Translatotron 语音识别

AIGC的7个黑暗面

这项技术仍处于初级阶段，但其能力已经不可否认。

大模型

从⼤模型到 AI 应⽤落地，工程实现有多复杂?

众所周知，⼤模型代表了⼈⼯智能技术的前沿发展。

大模型

图解 transformer——逐层介绍

嵌入层（Embedding） Transformer 的编码器和解码器各有一个嵌入层（Embedding ）。

Transformer 大模型图解

百度智能云的Prompt模板

Prompt工程即指针对于Prompt进行结构、内容等维度进行优化的AI技术，它把大模型的输入限定在了一个特定的范围之中，进而更好地控制模型的输出。

大模型 prompt

深度｜万字访谈！Open AI Sora作者，亲自揭秘Sora原理，Sora能带我们通往AGI吗？

例如，一个外星人在纽约市自然融入人群，这是使用极其昂贵的传统好莱坞 CGI 技术才能得到的效果。

Sora 原理

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

在当今数字化时代，人工智能技术正以前所未有的速度发展，深刻地改变着我们的生活和工作方式。

Westlake -Omni 语音

2024年傅盛开年AI大课演讲内容PPT

他是一位在科技领域有着卓越贡献的领导者。

猎豹 AI 演讲

字正腔圆,万国同音,coqui-ai TTS跨语种语音克隆,钢铁侠讲16国语言

按照固有的思维方式，如果想要语音克隆首先得有克隆对象具体的语言语音样本，换句话说，克隆对象必须说过某一种语言的话才行，但现在，coqui-ai TTS V2.0版本做到了，真正的跨语种无需训练的语音克隆技术

coqui-ai TTS 语音

使用大模型自动回复小红书/抖音/快手评论：通过RAG 优化LLMs实现

尽管经过微调的模型成功地捕捉到了我在回应观众反馈时的风格，但它对技术问题的回答却与我的解释不相符。

RAG 大模型自动回复

从零开始用LangChain、Pinecone和LLMs搭建你自己的文档问答系统

通过将语义搜索的能力与GPT等LLM的卓越能力相结合，我们将演示如何构建一种利用尖端人工智能技术的先进文档问答系统。

知识库 langchain

爆火！腾讯开源PhotoMaker：高效地定制化生成任意风格的逼真人类照片！

然后，通过合并相应的类嵌入(如男人和女人)和每个图像嵌入来提取融合嵌入。

PhotoMaker 文生图

<...17 18 19 202122 23 24 25 26 ...>

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