文章列表-AI魔法学院

文章列表

【语音领域-又双叒更新】阿里开源FunAudioLLM: 2大核心模型、5大亮点功能！效果炸裂！手把手带你理论+实战部署推理!

高性能：与 Whisper-small(已开源) 和 Whisper-large 相比，SenseVoice-Small 的性能分别快 5 倍和 15 倍以上。

asr tts 声音

体验完阿里的EMO模型，我emo了

00:12 四、全民唱演体验全民舞王利用的是一种口唇同步的技术，这是一种让画面人物的口型与所配的语音或文字信息精确匹配的技术

EMO 文生图

通俗解读大模型微调(Fine Tuning)

对这部分人来说，掌握如何用好大模型的技术，更加重要。

大模型微调

Stable Diffusion

Stable Diffusion 文生图全网最细详解

一定程度上决定出图的质量调参区：设置分辨率、每次出图的批次、出图抽象性（和 prompt 关联性的程度）脚本区：通过配置脚本可以提高效率；比如批量出图、多参数的出图效果比较（课程中会大量使用

文生图 SD

LangChain手册（Python版）11模块：提示模板

用例在本教程中，我们将为带有搜索的自问配置几个镜头示例。

大模型

把ChatGPT装进二次元手办，你来吗？AI桌面机器人众筹

智能小车，手机/语音遥控+无线图传+实时拍照，配套浏览器控制界面就能操控，也不需要装额外软件。

ai小车 esp32 开源

用so-vits-svc-4.1进行音色转换的极简教程

如果是歌声的话，还需要使用特别软件进行人声分离，将伴奏声和人物干声分离，然后再对干声训练得到ta的声音模型。

声音 sovits

LangChain + ChatGLM2-6B 搭建私域专属知识库

总的来说，看起来效果还不错，下面跟着树先生一起来试试水~ 本文我将分 3 步带着大家一起实操一遍，并与之前 ChatGLM-6B 进行对比。

知识库

什么情况用Bert模型，什么情况用LLaMA、ChatGLM类大模型，咋选？

答：当前主流微调方法分为：Fine-tune和prompt-tune fine-tune，也叫全参微调，bert微调模型一直用的这种方法，全部参数权重参与更新以适配领域数据，效果好。

大模型

从声纹模型到语音合成：音频处理 AI 技术前沿 | 开源专题 No.45

7.2k License: Apache-2.0 ESPnet 是一个端到端的语音处理工具包，涵盖了端到端语音识别、文本转语音、语音翻译、语音增强、说话人分离等功能

AudioCraft 音频

大模型：泛化即智能，压缩即一切！

Ilya Sutskever 提出可以通过学习数据中的数学结构，即通过分布匹配来实现这一目标。

泛化大模型

4K star！录屏好帮手，超酷的实时按键显示工具

打开这个配置，会仅显示下方Ignore keys中开打的组合键。

Keyviz 录频

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

action=onAll Ø 开源数据集：社区会提供达摩院沉淀的电商领域数据集以及一些通用领域的数据集，结合业内一些经典数据集配合工具自动对外开放 Ø 实训框架

开源

阿里出品自动化视频剪辑工具FunClip！

· 自动生成字幕：剪辑完成的视频将自动配有SRT字幕文件，既适用于全视频，也适用于剪辑出的特定段落，为字幕编辑提供便利

FunClip 视频阿里

大模型训练工程那些事

分布式训练框架与效率分布式训练框架被尤为看重的原因是，它是深度学习的操作系统，实现模型和发挥算力的基础。

训练工程大模型

<...34 35 36 373839 40 41 42 43 ...>

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