文章列表-AI魔法学院

文章列表

两天star量破千：OpenAI的Whisper被蒸馏后，语音识别数倍加速

前段时间，「霉霉大秀中文」的视频在各个社交媒体走红，随后又出现了「郭德纲大秀英语」等类似视频。

语音 HeyGen

和大模型相关的一些术语（持续更新中）

1.什么是AI AI，人工智能（Artificial Intelligence）的英文缩写。

大模型人工智能

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

深入浅出：大语言模型中必不可少的技术——Embedding简介

、图片、音频）映射到低维度空间的过程。

embedding

AI声音克隆 | 最全最简教程（权威版）

TTS 的英文全名是 Text To Speech,中文译名是“文本转语音”。

声音克隆教程

中文开源OCR框架对比及介绍

亦即将图像中的文字进行识别，并以文本的形式返回。

OCR

大规模中文开源数据集发布！2TB、几十亿条可商用的中文数据集书生·万卷 1.0开源~中文大模型能力可能要更上一层楼了！

特别是大规模中文数据集十分缺乏，对中文大模型以及业界模型的中文支持都有很大的影响。

大模型

OpenAI 开源语音识别 Whisper 的使用体验怎么样？

关于Buzz 　　Buzz 是一款基于 OpenAI 开源 Whisper 自动语音识别模型的软件工具，能够将音频或视频中的语音自动识别为带有时间戳的文本字幕。

生成式AI

从 GPT-4o 到 LiveKit：实时语音交互的开源实现

今天我们来聊聊OpenAI 发布会提到的实时对话语音技术。

GPT-4o 语音交互

GLM-4-Voice 9B——实时多语言语音对话 AI——几分钟内即可在本地安装

如何设置 GLM-4-Voice 9B 以实现无缝的实时语音交互，支持英语和中文，并探索其独特的架构、低延迟响应和可定制的声音属性。

GLM-4-Voice 9B 语音安装

语言大模型100K上下文窗口的秘诀

在语言模型中，上下文窗口对于理解和生成与特定上下文相关的文本至关重要。

大模型

Claude 官方提示词，中文版（含API Prompt）

这里有一份文件,你将回答有关的问题:[Matterport SEC 备案10-K 2023的全文,为简洁起见未粘贴]首先,找出文件中与回答问题最相关的引语,并按编号顺序打印出来。

prompt 写作

TTS，一个奇妙的AI工具

简介 TTS是一个将文本变换成语音的AI工具。

TTS 文本转语音

中文原生文生图大模型来了！腾讯混元推出，Sora 同架构

　　开源地址：https://github.com/Tencent/HunyuanDiT 　　这是业内首个中文原生的DiT架构文生图开源模型，支持中英文双语输入及理解，

文生图混元腾讯

8个常用中文OCR数据集，附下载链接

2012 年在 CVPR 发布，是一个用于测试和评估多方向、多语言文字检测算法的自然图像数据集，包含500幅拍摄于室内（办公室和商场）和室外（街道）场景的自然图像。

OCR

<1 2 345 6 7 8 9 10 ...>

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