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

LiveKit 支持语音、视频和数据流处理，内置了自动语音识别（ASR）和文本转语音（TTS）功能，简化了语音到文本和文本到语音的转换过程。

GPT-4o 语音交互

Prompt逆向工程：ChatGPT通过多角色对抗生成完美提示词

6.统计特征分析：可以通过统计两篇文章的词频、句长、词汇丰富度等特征，判断它们是否具有相似的写作风格或模式。

Prompt ChatGPT

如何从零开始，打造一家AI驱动的公司？

nbsp; 自动将日期等非结构化数据转换为结构化数据 · · 图像转文本功能，以便用户为图片添加文本并提取收据、PDF 等文本数据 · · 音频转文本功能

大模型打造公司

AI声音克隆 | 最全最简教程（权威版）

请看自己开发一个免费的文本转语音小工具如果你觉得功能少，可以使用国内的魔音工坊，但是要收费的哈但这些都不能指定声音转换，所以这里使用声音克隆，来将指定人声训练成模型，然后文字转音频。

声音克隆教程

AI领域的agent是什么意思？

）的嵌入表示；将短期记忆视为在上下文中（prompt）学习。

大模型

10个大模型私有化需要关注的问题

LLM落地涉及到众多软件配合，关注版本，软硬件兼容关系，正确配置，对于少走弯路至关重要，私有环境的复杂度需要足够重视。

开源模型

国内厂商语音识别与Whisper评测：现状与概况对比

ensp; 科大讯飞：讯飞语音云、语音输入法、讯飞听见 · 小米：小爱开放平台、小爱音箱、电视语音控制

语音识别 Faster-Whisper

开源即巅峰！微软VibeVoice 7B模型：跨语言、多说话人、长文本一次到位

这一功能使得VibeVoice在各种应用场景中都能提供高质量的音频输出。

VibeVoice 7B 语音

5个最佳开源RPA框架！

此外，它还包含一个带有拖放机制的可视化脚本生成器，在“所见即所得”设计器中中设计机器人模型。

智能自动化大模型 RPA框架

5个最佳开源RPA框架

此外，它还包含一个带有拖放机制的可视化脚本生成器，在“所见即所得”设计器中中设计机器人模型。

开源模型智能自动化

为什么说AI现在还不行！

这种视角可以描述成为场景的智能密度，显然的拧螺丝的智能密度度低于算数学题。

大模型

RAG 修炼手册｜一文讲透 RAG 背后的技术

§ 基于词频搜索的传统算法包括如 TF-IDF、BM25。

RAG Embedding

Suno音乐新手指南（手把手完整版教程）

你还可以下载Audio后导入剪映APP等工具，进行后期剪辑，搭配图片和视频、自动生成字幕后，做出AI音乐视频（MV）来。

suno 歌曲教程

“大模型+机器人”的现状和未来，重磅综述报告来了！

在视觉感知方面，视觉Transformer模型展现出了强大的特征提取和泛化能力。

论文机器人

大模型训练工程那些事

这些数据可以包括文本、图像、音频、视频等不同模态的数据。

训练工程大模型

<...21 22 23 242526 27 28 29 30 ...>

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