文章列表-AI魔法学院

文章列表

【语音识别】OpenAI语音力作Whisper

A：因为许多ASR的训练语料都对转写文本做了标准化，比如删除或规范化了从音频信号中难以预测的方面，例如复杂的标点符号（感叹号、逗号和问号）、格式化空白（例如段落）或风格大小写等方面。

语音转文字 whisper

最透彻的大模型PPO原理和源码解读

(2) 预估收益优化一、强化学习概述 11.

PPO 大模型源码解读

Stable Diffusion

Stable Diffusion 入门教程开篇

正向扩散：在潜在空间中，模型通过逐步添加噪声来“扩散”图像，最终将图像转化为完全随机的噪声分布。

Stable Diffusion 文生图入门教程

【分享】SDXL模型最佳拍档！COMFY UI上手指南

COMFYUI是一款易于上手的工作流设计工具，具有以下特点：基于工作流节点设计，可视化工作流搭建，快速切换工作流，对显存占用小，速度快，支持多种插件，如ADetailer、Controlnet

大模型

语音克隆又又又又又升级了

之前在前面的文章中有介绍，克隆你的声音，只需要你三秒的录音，声音克隆又进化了！

Meta 语音生成

Deepseek-V2技术报告解读！全网最细！

借助YaRN优化的长度外推训练方法，模型的上下文能力得以扩展到了128k大小。

Deepseek-V2 大模型

【全文翻译】微软166页论文解读 GPT-4V：多模态大模型的黎明

由于视角变化、光照条件、遮挡和季节变化等因素，地标在外观上表现出相当大的变化。

多模态大模型 GPT-4V 文生图

LangChain Agent 原理解析

它提供了一套工具、组件和接口，可以简化创建由 LLM 和聊天模型提供支持的应用程序的过程。

大模型

如何使用 Megatron-LM 训练语言模型

我们通常需要将模型分布在多个设备上，并使用许多优化技术以实现稳定高效的训练。

开源模型

一文带你认识ELMo

NLP任务中表现出了很好的性能，已经是很多NLP任务不可或缺的一部分，论文作者认为一个好的word representation需要能建模以下两部分信息：单词的特征，如语义，语法；单词在不同语境下的变化，

embedding

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）

品牌也可以通过丰富的案例，获取不同指标的详细提升策略，包括但不限于：内容能见度（Aware）：全渠道投放、深耕明星／KOL流量、精细化内容运营；内容吸引度（Appeal）：品牌个性化、内容情感化

策划思维模型方法论

ChatGPT提示工程5篇合集(一)：ChatGPT提示工程的两个关键原则 - 吴恩达和OpenAI合作（珍藏版）

策略2：提示模型以结构化格式输出结果通过明确提示模型，以JSON、HTML等结构化格式输出结果。

prompt 提示词

Stable Diffusion

Stable Diffusion｜提示词高阶用法（四）LoRA指定区域

如果这个值小于0.6，那么LoRA模型的特征将被淡化接近为无，如果大于0.6，比如为1时，LoRA模型的其他并不是你想要的特征将被放大。

文生图

AI产生意识，对人类意味着什么

但是，随着AI的发展，其系统规模和结构设计也在不断优化，逐渐模拟甚至超越人脑结构的复杂性。

AI 意识

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

这种高效的标记化过程将音频信号转化为模型能够理解和处理的格式，为后续的语音合成提供了关键的数据基础。

OuteTTS-0.1-350M 音频

<...33 34 35 363738 39 40 41 42 ...>

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