文章列表-AI魔法学院

文章列表

研究人员开源中文文本嵌入模型，填补中文向量文本检索领域的空白

值得关注的是，目前，M3E 模型中使用的数据集、训练脚本、训练好的模型、评测数据集以及评测脚本都已开源，用户可以自由地访问和使用相关资源。

GPT

Insanely Fast Whisper：超快的Whisper语音识别脚本

通过使用Transformers和Optimum技术，可以在不到10分钟内转录300分钟（5小时）的音频。

音频 Whisper

pdf2htmlEX：效果相当好的一个PDF转HTML程序，和原始PDF几乎一模一样。

其背后是利用的Chrome Headless，让Chrome渲染PDF，再导出成HTML，甚至图片都转成了 base64 字符，所以一个网页就可以包含完整的文本、字体和图片等内容这是我的

PDF转换

世界上最流行（github排名高）的开源移动机器人的操作系统ROS开源了！！

此外，TurtleBot3还支持语音识别和语音合成技术，可以与人进行自然语言交互，完成特定任务。

ROS 机器人开源模型

马斯克怒告OpenAI案解密：Ilya看到了什么？125万亿参数Q*细节曝光，53页PDF全网疯转

虽然在大多数人看来，这并不是什么令人印象深刻的事，但这的确是朝向AGI迈出的一大步，堪称重要的技术里程碑。

OpenAI 大模型

StableDiffusion

AI绘画由入门到精通：StableDiffusion精讲课程

随着人工智能技术的发展，Stable Diffusion作为一款强大的文生图软件已经引发了全球范围内的创作革命。

SD 视频课程 AI绘画

一网打尽 | 掌握64个策划思维模型，逆转职业寒冬!（高清图+模型详解）

技术因素（Technology）：有高新技术、工艺技术和基础研究的突破性进展。

策划思维模型方法论

几款开源的OCR识别项目，收藏备用

goncalopp/simple-ocr-opencv.git OCR工具 OCRmyPDF OCRmyPDF是基于tesseract-ocr开发、训练的文字识别提取的开源项目

OCR

OCR是什么以及推荐几款开源中文OCR识别软件

二值化：　　如今数码摄像头拍摄的图片大多是彩色图像，彩色图像所含信息量巨大，不适用于OCR技术。

OCR

从⼤模型到 AI 应⽤落地，工程实现有多复杂?

众所周知，⼤模型代表了⼈⼯智能技术的前沿发展。

大模型

微软对 Sora 进行了逆向工程分析，揭秘 Sora 的秘密

文章首先回顾了 Sora 的开发历程，探索了支撑这一“数字世界构建者”的关键技术。

Sora 微软

使用 ChatGPT + Claude 撰写成功的商业计划书

以下是广泛分析中的一些要点：在技术和个性化的推动下，预计将实现快速增长。

工作

阿里通义实验室薄列峰：从兵马俑跳“科目三”到照片唱歌，四大框架让AI生成的人物活起来丨GenAICon 2024

采用Video2Motion，基于视频人物动作驱动3D数字人；人物唱演视频生成框架Emote Portrait Alive能够基于单张图和音频，输出准确、生动的人物唱演视频。

通义文生视频

你还在为钱发愁？2023年十大赚钱GPT Prompts高级指南！（国际版）

而你所做的，只是运用ChatGPT等AI工具的技术。

prompt

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

虽然音频技术日新月异，但许多现有方案在复杂场景中仍难以提供稳定且高质量的音频体验。

ClearerVoice-Studio 语音

<...32 33 34 353637 38 39 40 41 ...>

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