文章列表-AI魔法学院

文章列表

Prompt | 抖音视频脚本

复制脚本并访问 https://beta.elevenlabs.io/speech-synthesis 以生成文本转语音。

prompt

大规模中文开源数据集发布！2TB、几十亿条可商用的中文数据集书生·万卷 1.0开源~中文大模型能力可能要更上一层楼了！

但是当前领先的预训练模型使用的数据集细节往往不公开，开源数据的匮乏制约着研究社区的进一步发展。

大模型

长窗口大战要终结了？谷歌魔改Transformer，推出了“无限注意力”

常规的注意力机制，是把注意力计算中所有的键值（KV）和查询状态丢弃；而经过改进的注意力机制，将注意力的旧KV状态存储在压缩内存中，用于长期记忆中的巩固和检索。

大模型上下文

借题发挥下最近几例声音克隆的应用案例

最近接连接到几个客户找我订制声音的案例： 1.某父亲痛失爱子，因为儿子托梦告知人是可以复活的，于是这位父亲到处寻找让人复活的办法，于是他关注到了最新的人工智能技术，开始找人咨询和学习技术，通过摸索，他知道通过

声音克隆数字人

LlamaIndex的QueryPipeline在实现RAG应用后，Agent应用也可以实现了（附开发示例）

AgentExecutor的实现，支持ReAct模式的循环）在其上实现了一些Agent特有的组件，进而基于此实现了AgentPipeline，但langchain现在已经发现了这样设计在生产条件下的限制，

Agent QueryPipeline 大模型

OpenAI视频模型Sora的推理生成成本多高？

models as world simulators ，Sora 是一个 Diffusion Model，且应该使用的是 Diffusion Transformer （DiT）作为主干模型网络

Sora 推理算力

解放AI生产力——为什么要使用ComfyUI

但在介绍怎么使用它之前，我先介绍一下它相比于原来的工作优点。

文生图

炸裂！百川开源第1个7B多模态大模型 Baichuan-Omni | 能够同时分析图像/视频/音频/文本

考虑到音频数据的多样性，作者从各种媒体模态中提取音频，包括不同的录制环境、语言、口音和说话者。

Baichuan-Omni 多模态大模型

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

注意力机制应用注意力机制在Westlake - Omni中起到了关键作用。

Westlake -Omni 语音

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

3月，国内外模型公司动作频频。

零一万物 YI 李开复

【大模型微调】 Llama 2 ：对话模型的全过程微调

该项工作的作者提出 Llama 2 模型：这是经过一系列预训练和微调的大语言模型 (LLM)，其参数规模从 7B 亿到 70B 不等。

大模型

大模型应用发展的方向｜代理 Agent 的兴起及其未来（下）

早期的研究主要集中在强化学习和模仿学习上，使代理能够制作一些低级物品。

大模型

解读OpenAI Sora文生视频技术原理

OpenAI Sora文生视频（图像看作单帧视频）一放出就炸翻整个AI 圈，也是ChatGPT掀起GenAI热潮时隔一年后，OpenAI再次史诗级的更新。

sora

AI数字人：重构人货场的新力量

随着人工智能技术的飞速发展，生成式AI正在深刻改变着电商行业的运作模式。

数字人 AI 商业

华为盘古画画3.0发布 | PanGu-Draw：业界最大的中文文生图模型，效果YYDS！

针对这些限制，本文提出了“PanGu-Draw”，这是一种新型的潜在扩散模型，专为资源高效的文本到图像合成而设计，能够适应多种控制信号。

PanGu-Draw 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