文章列表-AI魔法学院

文章列表

微软最强全自动数据可视化工具！现已开源

会生成全部变量的摘要，包括变量的行数、最小值、最大值、标准差。

大模型

如何用大语言模型构建一个知识问答系统

从大语言模型（Large Language Model, LLM）[2]角度而言，上面的需求是在两阶段训练模式下，面向下游场景进行适配的问题。

知识库

Dify：大模型创业开源工具，46,558 行代码，完全开源

工作流: 在画布上构建和测试功能强大的 AI 工作流程，利用以下所有功能以及更多功能。

Dify 开源工具

EverydayWechat：让微信变得更强大，引领每日生活新体验

一、简介 EverydayWechat是一个强大的Python库，旨在为微信用户提供更多便利和功能扩展。

EverydayWechat

中文对话大模型BELLE全面开源！（附：数据+模型+轻量化）

在中文对话大模型开源社区里，最近迎来了一位优秀的新成员——BELLE。

belle 训练大模型

深入浅出：大语言模型中必不可少的技术——Embedding简介

Embedding在大模型中的价值如何基于Embedding让大模型解决长文本（如PDF）的输入问题？

embedding

来自OpenAI应用研究主管关于Agent的万字长文-AI Agents介绍

另一方面，Andrej Karpathy认为普通人、创业者和极客在构建AI Agents方面相比OpenAI这样的公司更有优势，大家目前处于平等竞争的状态，因此他很期待看到这方面的成果。

Agent

一款构建AI数字人项目开源了！自动实现音视频同步！

1、Video-Tetalking Video-ReTalking 是一个利用AI实现视频人物嘴型与输入的声音同步的创新技术。

AI数字人音视频同步

DeepSeek V3刷屏，550万元2000张卡做出的开源模型，和OpenAI几亿烧出来的一样好

而不久前，Anthropic的CEO达里奥·阿莫迪曾透露，GPT-4o这样的模型训练成本约为1亿美元，而目前正在开发的AI大模型训练成本可能高达10亿美元。

DeepSeek V3 开源模型

【语音领域-又双叒更新】阿里开源FunAudioLLM: 2大核心模型、5大亮点功能！效果炸裂！手把手带你理论+实战部署推理!

2407.04051 理论篇: FunAudioLLM项目介绍 FunAudioLLM整体系统框架介绍 FunAudioLLM 是阿里语音团队最新开源的项目，用于改善人类与大型语言模型的自然语音交互

asr tts 声音

大模型微调数据选择和构造技巧

大模型场景微调里面，最关键地的一个是问题是：选择什么样的数据微调？

大模型微调

整理了近期所有TTS相关的大模型

从 XTTS 到 Pheme,从OpenVoice 到 VITS，每个大模型包括源码地址，支持的语言，非常棒！

TTS 大模型

AI“同声传译”新进展！Google发布，无监督，语音识别：Translatotron 3！

语音识别（ASR）是指将人类的语音转换为文本的技术，然而，目前的语音识别技术还面临着一些挑战，其中最大的一个就是如何支持更多的语言。

Translatotron 语音识别

通过声音生成逼真的全身形象？！Meta开源AI工具：audio2photoreal

它使用了一种叫做变分自编码器的方法，可以从大量的人体数据中学习出一个低维的表示空间，然后用这个空间来生成多样的身体姿态。

audio2photoreal 开源工具

腾讯出品！开源AI数字人框架！号称可以不限时长

腾讯推出开源AI框架：AniPortrait 2、开源、可本地部署的AI知识问答库来了！

MuseV 视频数字人框架

<...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