文章列表-AI魔法学院

文章列表

有道开源的国产语音库EmotiVoice爆火了！具有情绪控制功能的语音合成引擎！

EmotiVoice 项目介绍 EmotiVoice 是一款现代化的开源语音合成引擎，支持中英文双语，包含2000多种不同的音色，以及特色的情感合成功能，支持合成包含快乐、兴奋、悲伤、愤怒等广泛情感的语音

EmotiVoice 语音库

从第一性原理看大模型Agent技术

我们将整个内容分为四个部分：首先，会对从大模型到现在的智能体的技术发展做一个串讲；接着，介绍通用智能原理和面向目标架构这个两个根本性问题；最后，基于这两个原理，分析现在的智能体架构仍存在的缺陷，以及未来可能的发展方向

大模型 agent

EverydayWechat：让微信变得更强大，引领每日生活新体验

通过EverydayWechat，用户可以将微信打造成一个更加智能和个性化的工具。

EverydayWechat

【全文翻译】微软166页论文解读 GPT-4V：多模态大模型的黎明

通过与先前技术的显著增强性能和通用性，展示了 GPT-4V 的非凡智能。

多模态大模型 GPT-4V 文生图

“大模型+机器人”的现状和未来，重磅综述报告来了！

在下游任务中，CLIP可以根据文本描述动态生成视觉分类器，实现开放集识别。

论文机器人

使用 ChatGPT + Claude 撰写成功的商业计划书

广泛的提示有助于模型能够细致地解释应用程序的跨类别功能，例如预算、费用跟踪、目标设定、财务洞察、数据安全等等。

工作

令人惊艳的开源图标生成AI模型：ChartLlama （南洋理&腾讯）

今天就介绍一个能够生成各类型图标的开源AI大模型：ChartLlama ！

ChartLlama 开源模型图标

一文读懂AIGC产业链：AIGC的前世今生和未来展望

人工智能和AIGC产业链结构人工智能产业链分为基础层、技术层和应用层三个层面。

生成式AI

一种通用的 Prompt 框架 - CRISPE

它包括设计提示，引导模型生成特定的语调、风格或内容类型。

Prompt 提示词工程

国内厂商语音识别与Whisper评测：现状与概况对比

随着人工智能技术的飞速发展，语音识别已经成为了现代社会中一个重要的研究领域。

语音识别 Faster-Whisper

通往 AGI 之路：走进大语言模型

AGI 也就是通用人工智能，是我们的愿景，虽然实现它有很长的一段路要走。

AGI ChatGPT 大语言模型

Prompt、RAG、微调还是重新训练？如何选择正确的生成式AI的使用方法

生成式人工智能正在快速发展，许多人正在尝试使用这项技术来解决他们的业务问题。

生成式AI

快手版Sora「可灵」开放测试：生成超120s视频，更懂物理，复杂运动也能精准建模

数据上看，可灵支持生成长达2分钟的30fps的超长视频，分辨率高达1080p，且支持多种宽高比。

可灵快手文生视频

[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！

之前大部分开源可finetune的模型大都是比较小的模型7B或者13B，虽然可以在一些简单的chatbot评测集上，通过finetune训练有不错的表现。

开源模型

中国首个长时长、高一致性、高动态性视频大模型，Vidu 登场

今日，在中关村论坛未来人工智能先锋论坛上，生数科技联合清华大学正式发布中国首个长时长、高一致性、高动态性视频大模型——「Vidu」。

Vidu 大模型视频

<...24 25 26 272829 30 31 32 33 ...>

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