文章列表-AI魔法学院

文章列表

HalluQA: 测测中文大模型有没有一本正经胡说八道

在实验中，我们选取了市面上比较流行的24个具有中文能力的大模型进行了测试，包括开源模型和闭源模型等来源，涵盖了预训练模型、对话模型、检索增强对话模型等大模型生命周期的各个阶段。

大模型中文大模型幻觉

OpenAI真的开源了！这波「实时语音」操作，让万物开口说话，我爱了

但现在回想起来，那只麋鹿的“能说会道”，其实正是 OpenAI 今天才正式揭晓的“谜底”——他们开源了一个叫做嵌入式实时语音 SDK 的东西！

OpenAI 嵌入式实时语音 SDK

Wunjo AI: 合成和克隆英语/俄语/中文语音,实时语音识别,深度换脸和唇动合成,通过文本提示更改视频,分割和修饰

无论您是钻研语音合成、制作 Deepfake 动画、通过文本提示绘制稳定扩散视频还是视频制作，Wunjo AI 都能满足您的需求。

AI语音克隆实时语音识别

腾讯的 PhotoMaker - 更快更像更可控的 AI Avatar

简介文本到图像生成技术在合成基于文本提示的逼真人类照片方面取得了显著进展。

PhotoMaker 文生图

AI Agent新对决：LangGraph与AutoGen的技术角力

3.AutoGen的应用场景 AutoGen的应用场景很广泛，涵盖了数学问题处理，检索增强聊天，决策制定，多智能体编码，动态群聊以及对话式国际象棋，

LangGraph AutoGen 对决

GitHub狂飙3万star的LLM公开资料 - 大模型入门教程

3.2 构建向量存储创建向量存储是构建检索增强生成（RAG）管道的第一步。

LLM 大模型 GitHub

【TTS语音克隆开源最强王者】5款爆火开源模型(Fish、F5、GPT、CosyVoice、MaskGCT)效果对比，等你来评!

在10月24日，趣丸科技&香港中文大学提出一种完全非自回归的TTS模型——掩码生成编解码器变换器（MaskGCT），它消除了对文本和语音监督之间显式对齐信息的需求，以及对音素级别持续时间预测的需求

语音克隆开源模型

[中文开源震撼首发]33B QLoRA大语言模型Anima真的太强大了！QLoRA技术可能是AI转折点！

QLoRA的优化方法，第一次让33B规模的模型可以比较民主化的，比较低成本的finetune训练，让33B模型的普及使用成为了可能。

开源模型

Stable Diffusion

小白也可以一键安装的Stable Diffusion——Easy Diffusion

动手能力强的小伙伴已经开始各种花式出图了，是不是苦于安装的复杂、繁杂的参数设置？

Stable Diffusion 插件安装

准备迎接超级人工智能系统，OpenAI宣布RLHF即将终结！超级对齐技术将接任RLHF，保证超级人工智能系统遵循人类的意志

超级对齐的目标就是通过弱模型微调（如生成好坏的评价），让强模型完成当前类似SFT和RLHF阶段，达到自己的上限。

OpenAI 人工智能

【万字长文】全球AI Agent大盘点，大语言模型创业一定要参考的60个AI智能体

GPT-Engineer旨在成为一个开放平台，供开发人员探索和构建其代码生成工具箱。

大语言模型

只需四步就能构建自己的Agent！达摩院新开源框架小白也能用

光集成的工具就有这么多，比如NLP、语音、视觉、多模态等多种模型，以及默认集成知识检索、API检索等方案。

大模型

构建开源多模态RAG系统

在这个新的冒险中，我们将深入研究使用开源大型语言多模态（LLMM）构建检索增强型生成（RAG）系统的过程。

RAG 大模型

俄罗斯人开源了最大的文生图模型：参数量12B，比SDXL大了3倍多！

Kandinsky 2.2和DALL-E 2一样采用两阶段生成方案：第一阶段采用一个prior模型基于文本生成图像的CLIP image embedding，第二阶段使用CLIP image embedding

Kandinsky-3 文生图开源模型

掌握 Midjourney 提示词技巧成为 25 个流派的摄影大师

Midjourney 以其惊世骇俗的图像生成能力彻底变革了摄影艺术。

文生图摄影提示词

<...23 24 25 262728 29 30 31 32 ...>

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