文章列表-AI魔法学院

文章列表

【语音识别】OpenAI语音力作Whisper

与Wav2Vec 2.0等前作不同，以往的模型都是在未标注的音频数据上预训练的，而 Whisper 是在大量的已标注音频转录数据上预训练的。

语音转文字 whisper

精通百种语言的翻译AI来了！Meta推出，免费、开源！

这个模型可以实现近101种语言之间的文本、音频、视频等多种形式的翻译，而且只需要一个模型就可以完成所有任务。

大语言模型

ModelScope(一站式开源的模型即服务共享平台)的简介、安装、使用方法之详细攻略

短视频内容分类解析短视频语义进行场景分类 video-detecction 视频检测对视频信息进行内容解析

开源

开源语音大语言模型来了！阿里基于Qwen-Chat提出Qwen-Audio!

使LLMs能够感知和理解丰富的音频信号以进行音频交互引起了广泛关注。

大模型语音

AI大模型LLM可以帮助企业做什么？

100 强和出海 20 强（2023年08月）》上面这份榜单上图像视频类人工智能生成的产品，在国内和出海的榜单上占据了绝大多数：占据国内前10中5个名额，出海10个中7个。

大模型

腾讯的 PhotoMaker - 更快更像更可控的 AI Avatar

这种嵌入可以被视为待生成身份标识的统一表示。

PhotoMaker 文生图

Stable Diffusion

免配置、免翻墙，Stable Diffusion平替来了！

LeonardoAI是一个稳定的在线平台，不仅免费，还是一款可视化编辑工具，操作界面对用户非常友好，在实际图像质量方面也处于目前AI工具的前沿。

LeonardoAI 文生图

让AI帮你读财报：Reportify让你看得清、聊得深

Reportify是一款帮助人们解读公司财报的AI分析工具。

Reportify 读财报

替代画师？不，AI把枪指向了商业摄影

今年以来，关于AI绘画是否能取代画师的争论一直喋喋不休。

文生图

【AI科技大创意】2024年人工智能10大趋势

三、AI垂类定制、专门构建的AI agents 奥利维亚·摩尔 (Olivia Moore) 是消费者投资团队的合伙人，她专注于投资市场初创公司。

人工智能趋势

如何从零开始，打造一家AI驱动的公司？

当前AI浪潮中，AI驱动的创业公司备受关注。

大模型打造公司

惊艳！2.77亿参数锻造出Agent+GPT-4V模型组合，领航AI领航机器人、游戏、医疗革新，通用智能时代你准备好了吗？

在这里插入图片描述注意：LangChain Agent主要增强基于语言的互动能力，而交互式代理基础模型寻求统一多模态输入，以实现更广泛的通用AI应用。

Agent+GPT-4V 大模型

AI Agent的千亿美金问题：如何重构10亿知识工作职业，掀起软件生产革命？

目前有两类介入使 Agent 更可控的思路，这两类产品从不同的视角切入，我们认为都有未来的商业前景。

大模型 AI编程

2024年傅盛开年AI大课演讲内容PPT

他在近期的开年AI大课活动中发表的重要演讲稿，重点阐述了AI大模型在企业运营决策中的关键角色。

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

coqui-ai TTS实现跨语种、无需训练克隆语音的方法是基于Tacotron模型，该模型使用了一种音素输入表示来鼓励在不同语种之间共享模型容量。

coqui-ai TTS 语音

<...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