文章列表-AI魔法学院

文章列表

Fastwhisper + Pyannote 实现 ASR + 说话者识别

前言最近在研究ASR相关的业务，也是调研了不少模型，踩了不少坑，ASR这块，目前中文普通话效果最好的应该是阿里的modelscope上的中文模型了，英文的话，还是非whisper莫属了，而且

faster-whisper 语者识别 ASR

收藏！万字长文聊聊LLM Agents的现状，问题与未来

恳请诸位指出错误或不足，尽情提出需要补充内容的部分，我会尽力让本文变得更完善。

LLM Agents

目前有哪些比较成功的人工智能应用？

语音：音乐，录音等等音频格式的文件。

生成式AI

【提前体验GPT-5】吴恩达AI智能体工作流详细解读

当时他只是文本简单介绍了一下，现在他在斯坦福大学对此内容的演讲视频已经发布。

GPT-5 智能体

十篇高质量的AI-Agents相关论文，让AI教你认识AI-Agents

通过利用ChatGPT强大的语言能力和Hugging Face中丰富的人工智能模型，HuggingGPT能够涵盖许多不同模态和领域的复杂人工智能任务，并在语言、视觉、语音和其他具有挑战性的任务中取得令人印象深刻的成果

开源模型

【AI科技大创意】2024年人工智能10大趋势

11labs可以通过语音克隆和音频配音在几秒钟内翻译内容 - 跨越数十种语言（这是我在看着配音不佳的外国电影长大时无法想象的！）。

人工智能趋势

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

今日凌晨，OpenAI 的最强竞争对手 Anthropic 在一篇最新发布的研究论文中，揭示了一种可以用来规避大型语言模型（LLM）开发者设置的安全防护措施的方法——Many-shot

Anthropic 大语言模型

Agent四大范式 | 综述：全面理解Agent工作原理

该代理擅长处理如图像生成、分类、物体识别、视频注释、语音转文本等任务。

Agent 大语言模型

全量免费的EMO模型上架通义APP，外媒称之为Sora之后最受期待的大模型之一

两个月前，阿里巴巴通义实验室公开了一篇能够让照片唱歌说话的生成式AI模型论文，EMO（Emote Portrait Alive），在海外媒体和社交平台引起热烈反响，被一批科技圈大V轮番转发。

EMO 阿里全民演唱

Stable Diffusion

Stable Diffusion教程：采样器

简单点说，前向扩散是将图片转换为数据模型，而后向扩散是从数据模型生成图片。

画图 SD 采样器

Stable Diffusion

【ComfyUI】Blender+Stable Diffusion！少年啊，这盛世如你所愿！（附中文汉化插件）

在上一期介绍了ComfyUI的本地部署之后，很多小伙伴发现界面还是英文的，这样使用起来属实不太友好。

开源模型

九问中国大模型掌门人，万字长文详解大模型进度趋势

因此，我们从头开始训练，对中文语料进行更好的理解，同时也会输入掌握英文知识。

大模型详解

一文读懂AIGC产业链：AIGC的前世今生和未来展望

（民生证券《电子行业专题研究：国产AI算力芯片全景图》） AIGC产业依赖算法、数据和算力的发展 2、中游，技术层：它侧重核心技术的研发，主包括机器学习、计算机视觉、算法理论、智能语音、自然语言处理等

生成式AI

Stable Diffusion

stable diffusion API 调用，超级详细代码示例和说明

本文主要介绍 stable diffusion API 调用，准确来说是对 stable diffusion webui 的 API 调用。

文生图工作图生图

吴恩达Prompt教程之总结图解

本篇文章是前几篇文章的总结，一图胜千言，所以用如下的思维导图将吴恩达老师Prompt教程进行了梳理。

prompt 教程吴恩达

<...29 30 31 323334 35 36 37 38 ...>

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