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

whisper-live：OpenAI Whisper模型的近实时实现

与依赖连续音频流的传统语音识别系统不同，我们使用语音活动检测（VAD）来检测语音的存在，并且仅在检测到语音时才发送音频数据以耳语。

OpenAI Whisper 大模型

从声纹模型到语音合成：音频处理 AI 技术前沿 | 开源专题 No.45

facebookresearch/audiocraft[1] Stars: 16.6k License: MIT AudioCraft 是一个用于音频生成的

AudioCraft 音频

如何修复GPT幻觉、及评估数据集的挑战

这不仅会增加 API 成本，还会减慢应用程序的速度。

大模型

12个RAG常见痛点及解决方案

, ) 还可以使用各种嵌入和重排序来评估增强RAG的性能，如boost RAG。

RAG 大模型

Asimov的预言与《Reflexion》的Prompt启示：机器人心理学家的新纪元

这不仅是对机器人硬件的检查，更是对其逻辑和思维方式的反思。

大模型

如何用AI做LOGO？

在写文章领域，以ChatGPT为首的生成式AI已经可以驾轻就熟的写出各种文档，从公文到小说，从年终总结到广告文案，甚至还会写代码。

Stable Diffusion 文生图

2万字大模型调研：横向对比文心一言、百川、Minimax、通义千问、讯飞星火、ChatGPT

这些模型凭借其强大的语言理解和生成能力，在文本创作、智能问答、知识检索、商业文案生成等诸多场景中展现出了巨大潜力。

大模型调研

AI助力Logo设计！5类关键词帮你快速获取高质量灵感

icon, black background --v 5 一个有创意的阅读应用程序的标志，绿色和蓝色的渐变，浅色和苍白的颜色，极简主义和平面，方形图标，黑色背景三、中式剪影

midjourney logo制作文生图绘画

什么是BERT？

它强调了不再像以往一样采用传统的单向语言模型或者把两个单向语言模型进行浅层拼接的方法进行预训练，而是采用新的masked language model（MLM），以致能生成深度的双向语言表征。

embedding

对于大模型RAG技术的一些思考

这就导致了需要被向量化的文本段，其主题语义并不是那么明显，和自然形成的段落显示出显著的差距，从而给检索过程造成巨大的困难。

RAG 大模型

面向知识图谱的大模型应用

从不同的种子实体开始搜索，并发地探索图谱，根据向量相似性动态检索节点，有针对性地扩大搜索范围。

知识图谱大模型

AI大模型LLM可以帮助企业做什么？

20 强（2023年08月）》上面这份榜单上图像视频类人工智能生成的产品，在国内和出海的榜单上占据了绝大多数：占据国内前10中5个名额，出海10个中7个。

大模型

基于秋叶整合包-StableDiffusionWebUI启动器快速安装ComfyUI

ComfyUI内部流程进行了优化，针对不同的显卡，生成图片的速度相较于传统的webUI有10%~25%的提升。

秋叶整合包

了解Kimi必看的26个问题 | Kimi系列文（二）

了解到，目前的GenAI有文本类、视频类、绘图类、音频类、编程类、PPT、数字人、AI搜索等形式。

Kimi 大语言模型

<...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