文章列表-AI魔法学院

文章列表

Fastwhisper + Pyannote 实现 ASR + 说话者识别

同时在CPU和GPU上进行8位量化，可以进一步提高算法效率。

faster-whisper 语者识别 ASR

OCR是什么以及推荐几款开源中文OCR识别软件

二值化：　　如今数码摄像头拍摄的图片大多是彩色图像，彩色图像所含信息量巨大，不适用于OCR技术。

OCR

吴恩达老师建议大家关注 AI 智能体工作流

这好比要求一个人一气呵成地写完一篇文章，不允许回退修改，却期望文章能达到高质量。

智能体大语言模型

什么是GPTs！如何创建自己的第一个GPTs？

知识库：可以上传自己的知识库，那么GPT在回答的时候会进行一个相关性的搜索。

大模型应用 chatgpt

Stable Diffusion

17/180 Stable diffusion 抽卡神器 dynamic prompts (二)

通配符文件位置是 /path/to/stable-diffusion-webui/extensions/sd-dynamic-prompts/wildcards 集合目录包含各种修饰符库

文生图文生图

苹果一次性开源了8个大模型！包含模型权重、训练日志和设置，OpenELM全面开源

而OpenELM中的每个Transformer层具有不同的配置（例如，注意力头数量和前馈网络维度），导致模型的每个层中参数数量不同。

OpenELM 大模型

大模型是怎么“用工具”的：一文讲透 Function Calling 策略

Function Calling 的优点： ✅ 调用标准、结构清晰 ✅ 非常适合标准 API、函数库、数据库接口等 ✅ 不需要来回猜测“模型到底想调用哪个函数

Function Calling 大模型

谈谈LLM在推荐域的渗透，探索推荐新范式

微软的几个点给我印象深刻： 1、50%左右的人没有用过AIGC； 2、80%的人只用过简单的提示词，把AI作为知识库； 3、90%的人过度理解AI，AI可以解决一切。

大模型

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

通过transformers来调用中文模型 transformers是一个用于自然语言处理（NLP）的开源库，由Hugging Face开发和维护。

Whisper 语音优化

胎教级SO-VITS-SVC使用教程：人工智能生成歌曲

是一种结合变分推理（variational inference）、标准化流（normalizing flows）和对抗训练的高表现力语音合成模型应用so-vits-svc快速生成AI歌曲，仓库地址

音乐

RPA机器人实现网页自动翻页功能

RPA通常可以执行以下类型的任务： 1.数据输入和处理：包括从电子表格、数据库等数据源中提取数据，进行处理和转换，再输入到其他系统中。

RPA 自动

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！

我们已经做了大模型微调、知识库+RAG、数据预处理、langchain+llama_index的内容！

Qwen1.5 开源模型

开源！数字人资源大集合！

pythonking/Fay 数字人资源合集源代码 http://www.gitpp.com/digital/awesome-digital-human 包含大量论文

数字人开源

AIGC工作流: 新时代产品经理和创业者的秘密武器

例如，著名图片生成工具Midjourney以对话机器人的形式呈现，用户只要在Discord中和它对话就能获得高质量的图片，因为Midjourney很清楚地知道：用户更关心的是我们能不能根据提示词生成优质的图片

大模型 AIGC

在Win11上部署ChatGLM3详细步骤

1、下载本仓库 git clone https://github.com/THUDM/ChatGLM3 cd ChatGLM3 2、安装相关依赖 pip install -r requirements.txt

大模型 ChatGLM 智普

<...41 42 43 444546 47 48 49 50 ...>

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