文章列表-AI魔法学院

文章列表

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

不需要复杂的设计如持续时间模型、文本编码器和音素对齐，能够快速训练并实现实时因素（RTF）0.15的推理速度，显著优于当前基于扩散的TTS模型。

F5-TTS 音频克隆

从零开始了解AI大模型 - 技术篇：万字深度好文人话说大模型技术

其涉及的关键理论和技术如下：无监督预训练：训练使用的数据都是自然文本数据，不需要人工针对不同任务对数据打标签，因此该过程叫作“无监督预训练”。

大模型

垂直领域大模型的一些思考及开源模型汇总

数据：通过医学知识图谱和GPT3.5 API构建了中文医学指令数据集，数据共开源9k条。

垂直领域大模型开源模型汇总

Llama 3突然来袭！开源社区再次沸腾：GPT-4级别模型可以自由访问的时代到来

训练数据上看，Llama 3的训练数据规模达到了15T tokens，全部来自于公开信息，其中5%为非英文数据，涵盖30多种语言。

meta llama3

使用这个工具后，我将 RAG 的准确性和召回率都提高了两倍！

RAG（Retrieval Augmented Generation）是一种检索增强生成技术，它利用大型语言模型来处理用户查询，RAG 技术的主要组成包括数据提取—embedding—创建索引—检索—

RAG 大语言模型

为什么国产大模型都说超越ChatGPT而体验却很拉？警惕 Goodhart law 陷阱

这时候，各家大模型就可以针对这些模型，进行专门的训练，就可能会出现在测试集上表现很好，但可能在现实世界的其他应用场景中表现不尽人意。

ChatGPT 国产大模型

RLHF 在 Text2SQL 领域中的探索

图1 DB-GPT项目原生对话示意图 02 数据集公开的 Text2SQL 数据集比较多

Text2SQL RLHF

微信搜狗爬虫WechatSogou - 从微信公众号获取文章的利器

这类库伴着官方数据结构和反爬虫策略升级，随时有失效可能，请谨慎参考学习，严禁非法使用。

WechatSogou 微信搜狗

秒懂AI-深度学习五大模型：RNN、CNN、Transformer、BERT、GPT简介

，可以处理序列数据。

大模型学习

Stable Diffusion

Stable Diffusion 30分钟打造AI 写真照片生成器｜海马体照相馆这次真的要木得了

训练方式非常简单，只需要提供 5 到 20 张肖像图片（最好是半身照片且尽量不要佩戴眼镜），20 分钟左右，Stable diffusion 就可以训练好数字分身。

SD 文生图写真照

CodeGeeX2来了!效果超LLaMA2-70B

由于代码安全性，很难使用 Github Copilot 去 AI 生成，发现清华发布了「CodeGeeX2」，基于 ChatGLM2-6B 基座模型，CodeGeeX2-6B 进一步经过了 600B 代码数据预训练

CodeGeeX2 开源模型

BGE M3-Embedding：智源最新发布的text embedding模型，多语言检索效果超过微软跟openai

2 BGE M3-Embedding 2.1 训练数据构建 M3-Embedding的训练用了非常庞大且多样化的多语言数据集，

BGE M3-Embedding 多语音检索

人手一个编程助手！北大最强代码大模型CodeShell-7B开源，性能霸榜，IDE插件全开源

CodeShell的原始训练数据基于自己爬取的Github数据、Stack和StarCoder数据集，以及少量高质量的中英文数据。

开源模型 AI编程

Stable Diffusion

Stable Diffusion 必装插件查缺补漏，你还有哪个没装？(上）

Stable Diffusion 的强大很大一部分来源于整个社区提供的免费插件，通过集成不同的插件实现各种炸裂的效果。

Stable Diffusion 文生图

中文开源OCR框架对比及介绍

开源与个性化训练（☆）首先，优图OCR不开源，除了商业化的考量，应该也涉及到自己实验室的算法专利、隐私数据等，不开源属于情理之中。

OCR

<...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