文章列表-AI魔法学院

文章列表

实现聊天机器人打字机形式输出内容：SSE原理介绍及Post实现方式

服务端有数据就可以返回数据给客户端，这个返回可以是多次间隔的方式 2、SSE特点长连接服务端可以向客户端推送信息从 sse 的特点出发，我们可以大致的判断出它的应用场景

大模型

聊天大模型的输出速度应该是多少？单张显卡最多可以支持多少个人同时聊天？来自贾扬清最新的讨论~

大模型应用中一个非常重要的问题就是大模型的响应速度。

大模型

Yi技术报告细节分享

Yi模型在开篇就强调了模型设计思路是围绕模型规模、数据规模和数据质量。

Yi模型大模型

网易有道强力开源中英双语语音克隆

127.0.0.1:8501:8501 syq163/emoti-voice:latest 现在打开浏览器，导航到 http://localhost:8501 ，就可以体验EmotiVoice强大的

语音开源

最强开源数字人对口型系统介绍

使用过原版开源的Wav2Lip的都知道，原作者使用分辨率很低的图像数据集训练的模型，嘴部特别清晰，基本没啥价值，但是这个框架和算法倒是不错，如果想得到高清模型，得付出相当大的精力去收集高清数据集从头训练

数字人开源模型

PymuPDF4llm：PDF 提取的革命

PDF 文件作为一种广泛使用的文档格式，包含着大量有价值的信息。

PymuPDF4llm PDF

【AI代理】扣子，开始探索多代理模式

代理模式不仅可以拓展大模型的功能（比如给大模型加上网页搜索，加入知识库等），还可以规避大模型的弱点（比如需求是一段代码，但是大模型回复的内容不单单包含代码，还有一些解释语句）。

多代理模式大模型

【CLIP系列Paper解读】CLIP: Learning Transferable Visual Models From Natural Language Supervision

预训练完之后，在下游任务上，我们可以通过用自然语言（文本）匹配视觉概念（图像）从而实现zero-shot transfer。

OpenAI 自然语言监督

数字人直播哪家强？百度、硅基、风平与闪剪四大AI数字人横向评测！

在AI大模型的驱动下，基于深度学习的自然语言生成技术与数字人结合成为可能，使得数字人的智能化水平有望大幅提升，解决了数字人技术门槛高、资金投入大等难题，真正赋予数字人以"人"的要素。

数字人数字分身

语音、视频转文字神器：开源whisper介绍

OpenAI的Whisper是一种基于深度学习的语音识别模型，它是一种通用的语音识别模型，可以用于语音识别、语音翻译和语言识别等任务。

人工智能大模型 wisper

Stable Diffusion

详解Stable Diffusion提示词prompt语法

通用型：best quality, ultra-detailed, masterpiece, hires, 8k 特定型：比如 extremely detailed CG unity

SD prompt 文生图提示词

AI文本转语音工具（TTS）：MeloTTS

今天给大家介绍一个效果不错的开源文本转语音工具：MeloTTS MeloTTS是一个可以把文字转换成声音的工具，它支持英语、西班牙语、法语、中文、日语和韩语等多种语言。

MeloTTS 语音工具

阿里巴巴语音实验室发布开源语音处理框架ClearerVoice-Studio，支持语音增强、分离、目标说话人提取

.02 技术亮点：多模型协作，创新驱动性能突破 ClearerVoice-Studio 的核心优势在于其精心设计的模型体系，针对不同的语音处理任务量身打造了多款创新模型

ClearerVoice-Studio 语音

OpenAI Sora视频生成模型技术报告中英全文+总结+影响分析

因为OpenAI证明了用大模型的思路做视频是可行的，那么他们需要做的只是证明我也可以用大模型做视频。

sora openai 视频生成

【进阶】-文生图术语解释

黑话# 缩写/术语解释 oneshot 一张图

文生图

<...30 31 32 333435 36 37 38 39 ...>

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