文章列表-AI魔法学院

文章列表

必读！RAG好用的3种Router

例如：写代码的Code-LM、做数学的meta-math,做图文多模态的Macaw-llm等等。

RAG Router

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

实时语音识别：听写文本并获得即时转录。

AI语音克隆实时语音识别

被高估的Pika，被低估的多模态AI

从 GPT-4V 的“惊艳亮相”，到 AI 视频生成工具 Pika 1.0 的“火爆出圈”，再到谷歌 Gemini 的“全面领先”，多模态 AI 都是其中的关键词。

大模型多模态

没有思考过 Embedding，不足以谈 AI

例如 "Hello World" 这句话就可以作为 ”3942 98783“ 这样的数字序列输入，从而可以被计算机处理。

开源模型

释放潜能：大模型与企业微信SCRM系统的完美结合

看完这篇就懂了~SCRM是Social Customer Relationship Management的缩写，意思是社交客户关系管理。

SCRM 大模型

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

遵循之前工作的原则，作者提出音频质量的差异有助于增强语音理解能力。

Baichuan-Omni 多模态大模型

新模型Cascade你真的用对了吗？！

最后我整理打包了此模型，【Stable cascade模型+安装方法+工作流】整套放在了文章最后，伙伴们自行下载~ 02 效果对比(Cascade 模型与SDXL模型）左边使用Cascade

Stable Cascade 模型

Qwen2.5更新百万超长上下文，推理速度4.3倍加速，网友：RAG要过时了

这不，刚在写代码这事儿上刷新SOTA，Qwen2.5系列又双叒突然更新了—— 一口气读三本《三体》不费事，并且45秒左右就能完整总结出这69万token的主要内容，还真不是糊弄事儿，“大海捞针”实验显示

Qwen2.5 开源模型

通往AGI之路：什么是结构化提示词

常见的结构化数据，比如我们常写的文章，计算机编程中常用的 Json，Yaml，Xml，Markdown 等都是结构化的。

提示词结构化

换脸软件 FaceFusion 保姆级教程

在制作定制数字人时，有时候为了不侵权，会使用换脸软件将原素材的脸型进行替换，今天一个客户就提出了这样的需求，所以，这里我使用 FaceFusuion 这款软件来进行操作。

FaceFusion 教程

大模型应用发展的方向｜代理 Agent 的兴起及其未来（下）

它不仅具备GPT-4等大型语言模型的基本功能，还包括各种实用的外部工具和长/短期记忆管理。

大模型

零一万物API开放平台出场！通用Chat多模态通通开放，还有200K超长上下文版本

这不，前脚刚发布高性能向量数据库，零一万物又立马正式发布了自己的API开放平台，共为开发者提供三个版本的模型： § Yi-34B-Chat-0205：支持通用聊天、问答、对话、写作、翻译等功能。

零一万物 YI 李开复

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

该工作对于指引RAG研发的工作具有一定的借鉴意义，本文对该工作进行介绍，供大家一起参考。

大模型 RAG检索增强

Stable Diffusion

造梦师手记：腾讯加入Stable Diffusion的ControlNet模型开发，效果艳丽

ghostmix模型作者认为，应该尽可能的少做大模型，然后使用lora、ControlNet等微调工具来适配更多的场景。

Stable Diffusion

解读OpenAI Sora文生视频技术原理

一、Spacetime Latent Patches 潜变量时空碎片, 建构视觉语言系统在“ChatGPT是第一个真正意义的人工通用智能”中，笔者总结过大语言模型借助

sora

<...36 37 38 394041 42 43 44 45 ...>

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