文章列表-AI魔法学院

文章列表

图片生成速度最高提升10倍！可以做到“实时”生成！清华推出LCM/LCM-LoRA！

近年来，随着SD和Midjourney的火热，文本到图像生成（Text-to-Image Generation）的研究取得了令人瞩目的进展，让我们能够用自然语言指导AI创造出各种各样的图像。

LCM/LCM-LoRA 文生图

OCR的终极解法——传统算法VS多模态大模型

在命名实体识别中，算法会分析文本，并将每个单词或短语标记为预定义的类别之一。

OCR 大模型文字识别

最详细的文本分块(Chunking)方法——可以直接影响基于LLM应用效果

这个真正难题我在前面的文章中《一些LLM的声音总结》中提到过，基于大模型的企业应用中很大一部分需求就是RAG——检索增强生成。

RAG 大模型

智谱AI静悄悄的上线了一大波新模型，过年了，真的

我挨个列一下：大语言模型GLM-4-Plus。

智谱AI 大模型

腾讯出品！开源AI数字人框架！号称可以不限时长

今天，介绍一个开源创新的虚拟人视频生成框架：MuseV MuseV是由腾讯音乐娱乐的天琴实验室开源，MuseV专注于生成高质量的虚拟人视频和口型同步，能够制作出具有高度一致性和自然表情的长视频内容

MuseV 视频数字人框架

体验完阿里的EMO模型，我emo了

12 四、全民唱演体验全民舞王利用的是一种口唇同步的技术，这是一种让画面人物的口型与所配的语音或文字信息精确匹配的技术

EMO 文生图

开源新标杆，千问Qwen2系列模型发布，全面超越LLama3

Qwen2 系列模型包括五个尺寸的模型（Qwen2-0.5B、Qwen2-1.5B、Qwen2-7B、Qwen2-57B-A14B 和 Qwen2-72B），这些模型在中文和英文基础上增加了 27 种语言的高质量数据

qwen 千问开源

大模型在金融行业的应用场景

智能客服除了网页端、APP端的类客服形式，还可以接入语音合成系统实现语音播报，或者接入数字人系统进行数字人交互。

大模型金融应用

依赖倒置：以数字和AI的思维模式思考

还是拿抖音举例子，我们把抖音、MCN、主播、用户等看成一个生态型的公司。

写文章

你是否发现ChatGPT甚至不能按字数要求回复问题？有人做了评测并讨论了可能的原因

在将大型语言模型与初始微调的较小模型比较后，作者提出了一个频谱，显示大型语言模型何时落后、可比或超过较小模型的能力。

大模型控制

解读OpenAI Sora文生视频技术原理

一、Spacetime Latent Patches 潜变量时空碎片, 建构视觉语言系统在“ChatGPT是第一个真正意义的人工通用智能”中，笔者总结过大语言模型借助

sora

Flowith：革新你的工作方式，体验节点式 AI 的超流畅生产力

· 图像生成和语音合成：内置图像生成和语音合成功能，增强内容创作的多样性。

Flowith GPT 生产力工具

基于LLM+向量库的文档对话痛点及解决方案

所以说，我们的文档切片最好是按照语义切割。

开源模型

和王小川聊再创业这一年：回应朱啸虎、谈中国AGI第三种可能

（本期你将听到以下内容，可拖动音频进度条选取对应段落收听感兴趣的部分） • 02:00 对《朱啸虎讲了一个中国现实主义AIGC故事》的读后感 • 04:15

王小川中国大模型

AI帮你DIY新年祝福海报，拜年必备神器！

通义实验室（Institute for Intelligent Computing）是阿里巴巴集团众多前沿科研机构中的一员，主要致力于研发和实践各领域大模型技术，覆盖了自然语言处理

拜年海报 ai绘画

<...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