文章列表-AI魔法学院

文章列表

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

· AudioGen：一种最新技术实现的文本到声音模型。

AudioCraft 音频

6个最佳开源TTS引擎

本文主要查找收集了一些较好的开源TTS引擎。

TTS引擎开源模型

超越巨头：Zephyr-7B领跑7B级大模型竞赛，开源且笔记本可运行

它不仅性能超越了700亿参数的LLaMA2模型，更引人注目的是，这一开源模型可在常规笔记本电脑上运行，极大地提高了AI技术的可达性。

大语言模型开源模型

重磅来袭！Llama中文社区开源预训练中文版Atom-7B大模型

完全开源可商用！

大模型

最新最强开源模型Qwen3本地运行指南！Windows+ollama+chatwise轻松搞定

这一开源模型的诞生，无疑是给人工智能领域投下了一枚重磅炸弹，瞬间引发了广泛的关注和热议。

Qwen3 开源模型

开源大模型王座易主！谷歌Gemma杀入场，笔记本可跑，可商用

刚刚，谷歌杀入开源大模型。

开源模型 Gemma

“实时”语音翻译！AI语音具有“情绪”！最强开源AI大模型来了

如果你有这样的困扰，那么你一定会对meta的开源AI模型seamless-communication感兴趣。

大模型开源模型语音

最强开源大模型Llama 3，在扎克伯格设想中其实是这样的

Meta重磅发布了大语言模型Llama 3，并且发布即开源。

Llama 3 大语言模型

常用的开源协议说明--一句话说明开源协议本质

使用者也可以在需要的时候修改代码来满足需要并作为开源或商业产品发布/销售。

开源

腾讯悄悄开源混元版「Sora」，这就是开源领域的No.1。

上个月5号，他们宣布开源大语言模型混元Large和3D大模型Hunyuan3D-1.0。

sora 视频生成

最佳开源文生图大模型可图：安装与批量出图的完整教程

Kolors可图是快手Kolors团队开发的基于潜在扩散的大规模文本到图像生成模型。

可图 kolors

最强国产开源多模态大模型MiniCPM-V：可识别图片、视频，还可在端侧部署

在单图理解上，它取得了优于 GPT-4o mini、Gemini 1.5 Pro 和 Claude 3.5 Sonnet等商用闭源模型的表现，并进一步优化了 MiniCPM-Llama3

minicpm 面壁

炸裂！百川开源第1个7B多模态大模型 Baichuan-Omni | 能够同时分析图像/视频/音频/文本

在本文中，作者介绍了 Baichuan-Omni，这是第一款开源的 7B 多模态大语言模型（MLLM），能够同时处理和分析图像、视频、音频和文本的模态，同时提供先进的模态交互体验和强大性能。

Baichuan-Omni 多模态大模型

最强开源数字人对口型系统介绍

大家好，今天给大家介绍的是开源“最强”的数字人克隆方法 Easy-Wav2Lip: 仓库地址： https://github.com/anothermartz/Easy-Wav2Lip

数字人开源模型

无显卡+纯本地跑Qwen1.5版模型！0基础闭眼部署指南！适用绝大部分开源模型！llama2+Mistral+Zephyr通杀！

我需要部署一个本地开源模型，完成任务！

Qwen1.5 开源模型

<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