文章列表-AI魔法学院

文章列表

元象首个多模态大模型 XVERSE-V 开源，刷新权威大模型榜单，支持任意宽高比输入

注：Concate* 表示按列进行拼接这样的处理方式使模型可以应用于广泛的领域，包括全景图识别、卫星图像、古文物扫描分析等。

XVERSE-V 多模态大模型

AI打破设计界限：一文教你免费打造专属Logo！

别担心，今天我要告诉你一个免费、快速、简单的方法。

文生图

AI出题，做不完，根本做不完

前几天学到了一种针对大模型进行提示词编程的方法，效果比较炸裂，特别分享给大家。

大模型提示词试题

垂直领域大模型的思考

下面介绍的方法都是来尝试解决这个问题。

垂直领域大模型

大模型应用的10种架构模式

在塑造新领域的过程中，我们往往依赖于一些经过实践验证的策略、方法和模式。

大模型架构

中文开源OCR框架对比及介绍

但是对于想要自己DIY或者训练精调模型的开发者来说就比较蛋疼了，除了调个API你什么都动不了，连内部的实现方法都看不到，所有识别也只能基于官方给出的8个固定类型，自由度很低。

OCR

StableDiffusion

StableDiffusion模型推荐系列（全能型）

然而，官方并不是让我们直接用这些模型来生成图片，而是用它们来预训练、提高基础水平。

stablediffusion sd 文生图

clone-voice：一键克隆声音，开源AI技术让声音创作更便捷、更个性化

三、使用方法介绍 1、window预编译版使用方法点击此处打开[Releases](https://github.com/jianchang512/clone-voice/releases)下载页面

clone-voice 声音克隆

大模型实践总结

Huggingface Transformers和DeepSpeed进行通过数据并行进行训练（pretrain），单卡可以跑三百亿参数（启用ZeRO-2或ZeRO-3），如OPT-30B，具体训练教程参考官方样例

大模型训练

本地运行140亿参数，阿里千问玩起来！Qwen+Win11+3060

所以他们的配置方式也有些不一样。

大模型

【语音领域-又双叒更新】阿里开源FunAudioLLM: 2大核心模型、5大亮点功能！效果炸裂！手把手带你理论+实战部署推理!

互动解说,z先生的备忘录,2分钟 LLMs + CosyVoice实现有声电子书阅读有声电子阅读,z先生的备忘录,34秒语音识别-SenseVoice模型: 在线官方体验网址

asr tts 声音

基于Ollama本地部署谷歌开源Gemma大模型！

以及提供了谷歌Colab和Kaggle笔记本快速部署代码和HuggingFace等第三方AI平台的集成，使用户能快速上手体验。

ollama gemma qwen

了解Kimi必看的26个问题 | Kimi系列文（二）

其他大模型，基本都是官方给你弄了很多智能体，自己去找、去用，而不是让你自建智能体。

Kimi 大语言模型

5 种策略控制 ChatGPT 的输出长度

本文针对这两个问题给出了 5 个解决方案，相信总有一个适合你。

写作大模型聊天 ChatGPT

最强国产开源多模态大模型MiniCPM-V：可识别图片、视频，还可在端侧部署

[2024.08.06] 🔥🔥🔥 我们开源了 MiniCPM-V 2.6，该模型在单图、多图和视频理解方面取得了优于 GPT-4V

minicpm 面壁

<...18 19 20 212223 24 25 26 27 ...>

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