文章列表-AI魔法学院

文章列表

【语音识别】OpenAI语音力作Whisper

模型结构（融入了多任务：多语种的语音识别，语音翻译，语音语言识别，声音活动检测）模型有5个版本，参数量、支持语言、显存和速度如下： &ensp

语音转文字 whisper

手把手带你微调一个自己的 ChatGLM2-6B 模型

ChatGLM2 6B 介绍ChatGLM2 6B 介绍 ChatGLM2-6B 是开源中英双语对话模型 ChatGLM-6B 的第二代版本，在保留了初代模型对话流畅、部署门槛较低等众多优秀特性的基础之上

ChatGLM2-6B

最新最强开源模型Qwen3本地运行指南！Windows+ollama+chatwise轻松搞定

它支持开关深度思考能力，就像给模型配备了一个智能大脑的开关，你可以根据实际需求灵活调整。

Qwen3 开源模型

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！

文章地址：https://arxiv.org/pdf/2312.16486.pdf 项目地址：https://pangu-draw.github.io 00 | 导言目前的大规模扩散模型代表了条件图像合成的巨大飞跃

PanGu-Draw 文生图

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

在本文中，作者介绍了 Baichuan-Omni，这是第一款开源的 7B 多模态大语言模型（MLLM），能够同时处理和分析图像、视频、音频和文本的模态，同时提供先进的模态交互体验和强大性能。

Baichuan-Omni 多模态大模型

Stability AI推出视频生成模型Stable Video Diffusion

Stability AI近日推出了名为Stable Video Diffusion的视频生成模型，该模型基于该公司现有的Stable Diffusion文本转图像模型，能够通过对现有图像进行动画化生成视频

Video 视频创作 SD

RAG模型的主要痛点和解决方案

- 大型语言模型的作用：大型语言模型的表示学习技术可以显著提高检索器模型的语义匹配和相关性判断。

rag 大模型

StableDiffusion升级版SDXL：一键运行包ComfyUI和18G模型分享！

· 模型很大，体积很大，参数很大，35/66亿。

comfyui sdxl 文生图

如何从零开始训练专属 LoRA 模型？4600字总结送给你！

本文主要介绍如何训练 LoRA 模型，LoRA 是一种轻量化的模型微调训练方法，是在原有大模型的基础上，对模型进行微调，从而能够生成特定的人物、物品或画风。

训练

再超Transformer！Google| 提出两个新模型(Griffin、Hawk)，强于Mamba，更省资源

我们知道，循环神经网络（RNN）在深度学习和自然语言处理研究的早期发挥了核心作用，并在许多应用中取得了实功，包括谷歌第一个端到端机器翻译系统。

transformer 训练

国外报告90%的AI类产品公司已经实现盈利，而国内大模型和AIGC的访谈说太卷了

国内大模型行业的发展情况：行业内卷严重，商业化难题突出，技术挑战仍存。”

大模型

推荐一个自动生成复杂提示词的模版：思考链（CoT）如何通过分步推理提升AI任务准确性 | 示例详解

什么是思考链 (CoT) 思考链（Chain of Thought，简称 CoT）是一种推理策略，通过将复杂问题分解为多个简单步骤，从而提升大型语言模型（LLM）的推理能力。

思考链提示词

中文OCR超越GPT-4V，参数量仅2B，面壁小钢炮拿出了第二弹

大语言模型的效率，正在被这家「清华系」创业公司发展到新高度。

MiniCPM 大模型

prompt必须知道的26条军规

①语言模型（Language Models）越来越大，Fine-tune的成本也越来越高：预训练模型在原域上已经有非常好的性能了，域的迁移会受到原域的阻力，因为使用fine-tune改变的weight是原域上的

prompt 大模型

除了深度换脸、模拟配音，还能口型匹配的AI软件出现了

目前LipDub 支持28种语言，包括韩语、西班牙语、捷克语、泰米尔语和乌克兰语，它采用零镜头模式，可以在Captions的视频生成模型在没见过主题的情况下推出流畅的视频。

AI

<...22 23 24 252627 28 29 30 31 ...>

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