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

AutoGPT与LLM Agent解析

这类项目绝大多数的主要创新还是在 prompt 层面，通过更好的提示词来激发模型的能力，把更多原先需要通过代码来实现的流程“硬逻辑”转化为模型自动生成的“动态逻辑”。

大模型

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

像GPT-4o这样的MLLM的出现，以其卓越的多模态能力和丰富的交互体验，不仅突显了这些技术在实际应用中的不可或缺性，同时也为人类与计算机交互设立了新的基准。

Baichuan-Omni 多模态大模型

大模型量化：什么是模型量化，如何进行模型量化

What：什么是模型量化简单来说，模型量化（Model Quantization）就是通过某种方法将浮点模型转为定点模型。

大模型

ComfyUI官方使用手册【官网直译+关键补充】

Tome (TOken MErging，代表"令牌合并")试图找到一种方法将提示令牌合并，使其对最终图像的影响最小。

文生图图生图 comfyui

聊聊我对AI Agents技术的一些看法

炸翻科研圈》，在其中大模型充当一个“核心协调器”的作用，向上对接人类的以 Prompt 为形式的输入，向下则以网络搜索，Python 脚本等为媒介沟通互联网或自动化实验仪器等工具，从而可以自主完成从实验设计

AI Agents 大模型

什么是ChatGPT？

在 BERT 那个年代，为了训练，大家常常把一句话中随机几个单词遮起来，让计算机用现有的模型预测那几个单词，如果预测准了，就继续加强，如果预测错了，就调整模型，直到上百万上亿次训练之后越来越准。

ChatGPT OpenAI 大模型

中本聪的Web3之路

为此，他设计了一种基于密码学和工作量证明的区块链技术，将交易打包成区块，并通过网络节点之间的共识机制来达成交易顺序和安全。

token 比特币加密货币

全球学术界知名学者教授信息大盘点（全）

本文是学术大佬资料整理得合集（共计86位），他们都是自然语言处理（NLP）方面得权威专家。

AI大佬知名学者

【AI科技大创意】2024年人工智能10大趋势

我预计我们会看到一个专门为研究人员构建的人工智能平台、一个针对记者的写作生成工具以及一个专门为设计师设计的渲染平台，仅举几个例子。

人工智能趋势

Coze多智能体（Multi-Agents）模式体验！

以一个具体的实例作为起点，我计划创建一个“虚拟互联网软件公司”，为开源项目的快速开发提供全面的服务支持。

Coze 多智能体

大语言模型综述<演进，技术路线，区别，微调，实践，潜在问题与讨论>

训练数据是以英语为主的拉丁语系，另外还包含了来自GitHub的代码数据。

大模型

GLM-4-Voice 9B——实时多语言语音对话 AI——几分钟内即可在本地安装

· 高级语音解码：基于 CosyVoice，GLM-4-Voice 解码器能够实现高质量的语音生成，并支持流式传输，在两种语言中保持高清晰度。

GLM-4-Voice 9B 语音安装

产品经理必会的3大流程：业务流程、功能流程、页面流程（附案例）

在工作中，经常有产品经理会犯设计流程图时把三者杂糅在一起的错误，或遇到设计流程图时无从下手的尴尬处境。

产品经理流程

中国电信开源星辰AI大模型：央企中首个完成LLM研发和开源的选手诞生

现在，随着其代码和模型在Github、Gitee、HuggingFace三个平台一并可获取使用，中国电信也顺势成为央企中率先完成大模型研发和开源的选手。

开源大模型电信

<...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