文章列表-AI魔法学院

文章列表

GPT-4o实时语音方案提供商Livekit开源voice agent：轻松处理音视频流

该框架包括用于常见工作流程的插件，例如语音活动检测和语音转文本。

voice agent 开源音视频

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

领域内通用的解决方案是，将历史对话或者领域语料中的相关知识通过向量检索，再补充到 GPT 模型的上下文中。

GPT

数字人：从科幻走向现实的技术革命

3.语音合成：语音合成技术可以为数字人提供逼真的语音输出能力。

数字人语音

图片生成速度最高提升10倍！可以做到“实时”生成！清华推出LCM/LCM-LoRA！

近年来，随着SD和Midjourney的火热，文本到图像生成（Text-to-Image Generation）的研究取得了令人瞩目的进展，让我们能够用自然语言指导AI创造出各种各样的图像。

LCM/LCM-LoRA 文生图

TTS它又来了！OpenVoice：一款借鉴于TTS实现的强大的AI语音克隆工具！

无论您是想要模仿某位名人的声音，还是需要在不同语言之间进行语音转换，OpenVoice都能够满足您的需求。

tts 文本转语音

神奇的 OuteTTS - 0.1 - 350M：用几秒钟音频克隆声音的黑科技！

它采用纯语言建模方式，打破了传统 TTS 模型依赖复杂架构和外部适配器的模式，为语音合成领域带来了新的思路。

OuteTTS-0.1-350M 音频

玩转大模型必备：milvus向量数据库私有化安装部署及使用介绍

1.安装目前官方提供单机模式、集群模式、离线模式三种安装方式，目前milvus都是基于docker 容器方式按照，其中单机模式使用docker-compose方式，集群模式主要是依托K8S实现的。

向量数据库

AI Agent的数字化革命：超越文本，走向自主决策与交互

相比模型训练方法，OpenAI 内部目前更关注AI Agent 领域的进展。

生成式AI

姜子牙大模型系列 | 为知识检索而生，Ziya-Reader开源，多个长文本中文任务第一

此外，基于大模型进行知识库问答、基于大模型的智能客服也是火热的创业项目。

大模型 Ziya

生成式AI领域拓展！MetaAI开源AudioCraft：一个支持AudioGen、MusicGen等模型的音频生成开发框架

AudioCraft支持的模型 AudioCraft由三个模型组成：MusicGen、AudioGen和EnCodec。

开源模型

ModelScope(一站式开源的模型即服务共享平台)的简介、安装、使用方法之详细攻略

，包括自然语言处理（NLP）、计算机视觉（CV)、语音（Audio)、多模态（Multi-Modal）等，并提供相关任务的推理、训练等服务。

开源

中国电信开源星辰AI大模型：央企中首个完成LLM研发和开源的选手诞生

除了最基础的星辰语义大模型，还包括： § 星辰语音大模型，它具备关键词检测、超自然语音合成、语音识别、语音翻译、声音匿名、AI 作曲和语音生成七大类算法能力，可用于音频会议纪要整理

开源大模型电信

【爆肝整理】500+ AI 最佳提示词

以下提示词主要通过ChatGPT测试，当然，也同样可以在文心一言、智谱清言等等国产大模型中发挥很好的效果！

提示词

人手一个编程助手！北大最强代码大模型CodeShell-7B开源，性能霸榜，IDE插件全开源

在humaneval的其它编程语言评测中，如JavaScript、Java、C++，CodeShell依然性能领先。

开源模型 AI编程

华为盘古画画3.0发布 | PanGu-Draw：业界最大的中文文生图模型，效果YYDS！

文章地址：https://arxiv.org/pdf/2312.16486.pdf 项目地址：https://pangu-draw.github.io 00 | 导言目前的大规模扩散模型代表了条件图像合成的巨大飞跃

PanGu-Draw 文生图

<...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