文章列表-AI魔法学院

文章列表

2023年人工智能行业总结（精简版）

在这一过程中，山姆奥特曼的命运也发生了转折。

人工智能行业总结

深入解析 Mistral AI 的 Mixtral 8x7B 开源MoE大模型

Mixtral of Experts: https://arxiv.org/pdf/2401.04088.pdf[2].

开源模型 Mixtral 8x7B

无一幸免！OpenAI最强竞对Anthropic：“长上下文”让大模型更不安全

many-shot-jailbreaking https://cdn.sanity.io/files/4zrzovbb/website/af5633c94ed2beb282f6a53c595eb437e8e7b630.pdf

Anthropic 大语言模型

OpenAI的官方Prompt工程指南详解 - 看这一篇真的就够了！

其实就是总结几百页PDF文档的原理，比如让大模型总结一本书，肯定是超Token上限了嘛，所以可以使用一系列查询来总结文档的每个部分。

OpenAI Prompt 提示词

大模型实践总结

但是进行模型训练之前需要先进行模型格式转换，将HF格式转换为Alpa格式的模型文件，具体请参考官方代码。

大模型训练

从声纹模型到语音合成：音频处理 AI 技术前沿 | 开源专题 No.45

voice-changer[2] Stars: 12.4k License: NOASSERTION VC Client 是一个用于实时音频转换的客户端软件

AudioCraft 音频

生成式人工智能的“经济学”，The Economic Case for Generative AI

结果是，这种竞争非常激烈，以至于我们可以看到市场转型所需的经济拐点。

生成式人工智能经济学

ViTPose+：迈向通用身体姿态估计的视觉Transformer基础模型

【文章】ViTPose：https://arxiv.org/abs/2204.12484或https://openreview.net/pdf?

ViTPose+Transformer 身体姿态

教你打造属于自己的AI孙燕姿，AI歌手模型使用及训练保姆级课程 #1/2 使用模型

原始声音处理要使用模型进行推理的话你首先需要一段已经演唱好的声音垫进去，然后使用模型把原来的音色换成你模型训练好的音色（类似AI画图的img2img垫图）。

生成式AI

Stability AI开源上新：3D生成引入视频扩散模型

相机的运动轨迹信息和扩散噪声的时间信息会一起输入到残差模块中，转换为正弦位置嵌入，然后这些嵌入信息会被整合并进行线性变换，加入到噪声时间步长嵌入中。

sv3d 建模

20个常见AI绘画工具大汇总（含免费版哦~）

改头换面之后，他现在可牛逼了！

文生图

F5-TTS：上海交大开源超逼真声音克隆TTS，告别ElevenLabs，以后就用它了！实测真的很牛

项目简介 F5-TTS是一款基于流匹配的全非自回归文本到语音转换系统。

F5-TTS 音频克隆

AI虚拟主播数字人技术实现Wav2Lip

公众所熟知知道的一个常见用例是面部交换的应用。

数字人视频

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

造梦师手记：ComfyUI快速量产数字小姐姐

这个任务说复杂并不复杂，习惯用AI的，完全可以找个动漫大模型用图生图转换一下。

comfyui 文生图

<...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