文章列表-AI魔法学院

文章列表

从 GPT-4o 到 LiveKit：实时语音交互的开源实现

在人工智能技术日益普及的今天，GPT-4o 的实时语音功能吸引了大量关注。

GPT-4o 语音交互

依赖倒置：以数字和AI的思维模式思考

抛开怎么干更合理，这就是真的依赖倒置，现实世界的电费缴纳活动，现在核心依赖变成了数字的微信，会不会用微信变成了关键入口。

写文章

语音、视频转文字神器：开源whisper介绍

Whisper模型的训练过程非常复杂，需要大量的计算资源和时间。

人工智能大模型 wisper

FFmpeg之父新作——音频压缩工具 TSAC

如果使用普通的向量量化器，这就需要最终的码本向量个数为N = 2^80，这显然是不切实际的。

TSAC 音频工具

PymuPDF4llm：PDF 提取的革命

PDF 文件作为一种广泛使用的文档格式，包含着大量有价值的信息。

PymuPDF4llm PDF

大模型的研究新方向：混合专家模型（MoE）

为了实现大模型的高效训练和推理，有的是从模型底层下手，比如直接改变底层模型架构，将原来的Transformer架构改成近期新出的基于状态空间模型（SSM）的mamba架构；有的是在预训练微调方法上下手，

MoE 大模型

解读 Openai 给 DALLE3 设的完整系统提示词

如果用户没有要求生成特定数量的图像，默认创建四个提示发送给dalle，这些提示应尽可能多样化。

提示词绘画 DALLE

盘点字节跳动最新的AI应用

#65039;⃣ 今日头条的小悟空（200+AI工具集，海外名称为ChipChop），4️⃣ 大力教育的河马爱学（AI辅助学习工具），5️⃣ 巨量引擎的即创

字节 AI工具

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！

然而，它们对大量计算资源和广泛数据收集的依赖仍然是一个瓶颈。

PanGu-Draw 文生图

Deepseek-V2技术报告解读！全网最细！

模型参数量方面达到236B ，同时由于模型小专家混合的特性，模型在推理时的激活参数很少，可以实现高推理速度。

Deepseek-V2 大模型

如何改善你的回测方法，提高策略的未来收益

其优势在于，如果数据生成过程是正确且未改变，所观察到的性能确实可以代表未来的结果。

回测方法

搭建程序员自己的在线工具库 it-tools

虽然有一些开发工具也具有一些常用的格式化功能，有时候，我们可能也需要一些其它轻量级的工具。

开源项目工具类

大模型：泛化即智能，压缩即一切！

定义1: 模型的泛化程度与你将不同数据推入足够高容量模型的速度成正比。

泛化大模型

神奇的 OuteTTS - 0.1 - 350M：用几秒钟音频克隆声音的黑科技！

在当今数字化时代，文本转语音（TTS）技术的应用愈发广泛，从智能语音助手到有声读物，从无障碍服务到教育娱乐领域，都离不开高质量的语音合成。

OuteTTS-0.1-350M 音频

【AI绘画】入门英文名词解析

最近AI绘画爆火，由于是艺术和技术的跨界结合，因此出现了大量专有名词（英文和中文都有），有些是公司名，有些是项目名，有些是技术名词，有些特指模型，有些特指插件或者网站，有些是二次元人物，游戏风格等，

文生图 AI绘画

<...19 20 21 222324 25 26 27 28 ...>

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