文章列表-AI魔法学院

文章列表

京东开源普通话数字人JoyHallo，一口流利标准普通话还会讲英语

首先，收集全面的普通话数据集非常困难；其次，普通话的复杂口型动作使得模型训练比英语更具挑战性。

JoyHallo 数字人开源模型

深度洞察：人工智能体(AI Agent)2024年重要发展趋势指南

随着大语言模型(LLM)驱动的人工智能体(AI Agent)的兴起，我们正处于一个新时代的边缘：人工智能体可能会形成自己的社会，与人类和谐共存。

AI Agent 人工智能

一旦参透「第一性原理」，便洞悉所有事的本质

建议您先大致浏览一遍并将其收藏，以便将来实际操作时能够参照查看，一旦学会，终身受用！

第一性原理大模型

Stable Diffusion

Stable Diffusion WebUI v1.9.0重大更新！

根据模型时间步长（Model timesteps）而不是采样步骤（Sampling steps）进行精炼器（Refiner）切换从原理上来讲精炼器（Refiner）会根据采样器和模型的训练方式

Stable Diffusion 文生图大模型

聊聊 AIGC 一些拧巴的现状

今天，整理一下我得到的一些碎片化信息和观点分享给大家，希望有用。

开源模型

开源打败闭源？Meta即将推出开源代码生成平台Code Llama，剑指OpenAI Codex

这套新的编码模型将与 OpenAI 打造的 Codex 正面抗衡，并基于 Meta 的 Llma 2 软件——这是一种能够理解并生成会话文本的大语言模型。

开源模型

开发语音产品时设计唤醒词和命令词的技巧

韵母选择大口型，开口音的韵母，比如 a、ai、an、ian、ao，避免 e、i、en、in 等； 9.

语音产品唤醒词命令词

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

LiveKit 不仅有一个开源的 voice agent 方案[1]，还能为你提供一个成熟且强大的实时多模态 AI 解决方案。

GPT-4o 语音交互

AI能赚到钱了么？

最近各种大模型密集发布，“赶上GPT4”“成为中国的OpenAI”等观点散见于各种文章。

大模型商业模式

全球学术界知名学者教授信息大盘点（全）

本文是学术大佬资料整理得合集（共计86位），他们都是自然语言处理（NLP）方面得权威专家。

AI大佬知名学者

比尔盖茨最新预言：AI智能体颠覆计算机交互体验甚至软件行业

这就使一种未来变得更加清晰：人人都能使用自然语言开发软件、拥有多个专属私人助理，像浏览应用一样购买流行的私人助理，就像在苹果应用商店里下载App。

AI智能体

惊艳推荐！8款好用又免费的文本转语音TTS工具

这种技术使用深度神经网络模型来合成语音，能够更自然地模拟人类的发音和语调，从而产生更加流畅和自然的语音输出。

TTS Maker 语音

检索增强生成 (RAG):What, Why and How?

例如，如果询问模型关于截止日期之后发生的事件，则提供该事件作为背景信息并随后提问将帮助模型正确回答问题。

检索增强大模型

AI产品经理视角：如何构建人工智能产品

就核心人工智能模型而言，您可以使用三个主要选项：提示现有模型。

大模型产品经理

<...42 43 44 454647 48 49 50 51 ...>

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