文章列表-AI魔法学院

文章列表

OCR终结了？旷视提出可以文档级OCR的多模态大模型框架Vary，支持中英文，已开源！

通过 LLM 极强的语言先验，这种架构还可以避免 OCR 中的易错字，比如“杠杆”和“杜杆”等，对于模糊文档，也有望在语言先验的帮助下实现更强的 OCR 效果。

OCR 手写文字识别

实操：基于 Ollama+AnythingLLM 的 AI 超级阅读法

ensp; 在没有 AI 之前，我的文章处理步骤是这样的： 1.一篇篇快速浏览，筛选信息 2.集合筛选过的信息，详细突击阅读其中内容 3.整理摘抄读过后认为重要的观点、论证、

Ollama AnythingLLM 阅读

大模型在金融行业的应用场景

2.摩根士丹利为财务顾问及其团队提供基于私有数据的知识问答，保证答案100%来自源数据。

大模型金融应用

AI 爆文写作：如何用GPT写出10万＋？这篇五千字长文给你答案

你也可以提前收集一些你喜欢的、经受过市场验证的标题，然后当作范例输入到对话中。

AI写作 GPT

说真的，SDXL究竟藏着多少秘密，也许没人知道

这恐怕是个难以穷举的问题，要知道作为AI出图的特征之一，每张图都有对应一系列设定的唯一seed，有点像图片身份证的意思。

文生图

微调大型语言模型-核心思想和方法介绍

请注意，不只是微调编码器样式的 LLM，相同的方法适用于类似 GPT 的解码器样式的 LLM。

大模型训练

Whisper对于中文语音识别与转写中文文本优化的实践(Python3.10)

Erwin_15.wav|Erwin|ZH|因为艰辛着 Erwin_16.wav|Erwin|ZH|我才想能够得到证实 Erwin

Whisper 语音优化

学术党狂喜，Meta推出OCR神器，PDF、数学公式都能转

方法概述本文架构是一个编码器 - 解码器 Transformer 架构，允许端到端的训练，并以 Donut 架构为基础。

大模型

大模型微调数据选择和构造技巧

我们简单地把已有的数据全部当成正样本打上1，然后待筛选的数据全部当成负样本打上0，我们使用deberta等构建二分类模型，并进行K-fold的交叉验证，在交叉验证过程中，选出每一个fold过程中的测试集合里概率接近于

大模型微调

惊艳！2.77亿参数锻造出Agent+GPT-4V模型组合，领航AI领航机器人、游戏、医疗革新，通用智能时代你准备好了吗？

强大的预训练子模块：通过利用CLIP ViT-B16和OPT-125M这两个预训练模型，该架构在视觉编码、动作理解和语言处理方面都具有出色的性能基础。

Agent+GPT-4V 大模型

有感情的语音合成开源模型：ChatTTS安装使用详解

ChatTTS适用于大型语言模型助手的对话任务、对话语音和视频介绍等，这表明它可以集成到多种应用程序和服务中，提供更加自然和流畅的交互体验。

ChatTTS 语音合成

一文看懂RAG：大语言模型落地应用的未来

提升用户体验：在用户交互方面，如聊天机器人或虚拟助手，RAG能够提供更自然、连贯且信息丰富的对话体验。

rag 检索增强

Falcon 180B 开源影响了谁？

比如英伟达的资深研究员Jim Fan就公开指出：Falcon-180B的训练数据中，代码只占5%，没有代码能力，就不能声称「优于GPT-3.5」或「接近GPT-4」。

大模型

大模型RAG检索增强问答如何评估：噪声、拒答、反事实、信息整合四大能力评测任务探索

然后，对生成的答案进行人工验证，并如上所述检索相关文档。

大模型 RAG检索增强

Wunjo AI: 合成和克隆英语/俄语/中文语音,实时语音识别,深度换脸和唇动合成,通过文本提示更改视频,分割和修饰

实验性功能。

AI语音克隆实时语音识别

<...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