文章列表-AI魔法学院

文章列表

元象首个多模态大模型 XVERSE-V 开源，刷新权威大模型榜单，支持任意宽高比输入

人类获取的信息83%来自视觉，图文多模态大模型能感知更丰富和精确的真实世界信息，构建更全面的认知智能，从而向AGI（通用人工智能）迈出更大步伐。

XVERSE-V 多模态大模型

从 GPT-4o 到 LiveKit：实时语音交互的开源实现

今天不讨论 GPT-4o 的炸裂或颠覆，而是探讨如何作为个人或独立开发者实现这项技术，以及它的应用场景。

GPT-4o 语音交互

AI生成PPT不靠谱？那是你方法没用对

自1984年PPT被发明以来，不仅打工人，学生、家长、公务员、企业家、科学家……大家都需要熬夜肝PPT，Deadline前搞PPT，全社会苦PPT久矣。

PPT 制作 AI

阿里Qwen3系列模型惊艳亮相

Qwen3模型依旧采用宽松的Apache2.0协议开源，这意味着全球的开发者、研究机构和企业都能免费在HuggingFace、魔搭社区等平台下载模型，还能用于商业用途。

阿里 Qwen3 大模型

探索Sora的魔法世界：功能展示、原理解析、未来市场影响大猜想！

当然Sora作为一个视频模拟器目前还展现出许多问题。

视频生成 sora

OpenAI Sora视频生成模型技术报告中英全文+总结+影响分析

▎B端 / 对于商业公司 •所有做AI视频生成的公司将面临第一波危机，但是危中有机。

sora openai 视频生成

深入浅出：大语言模型中必不可少的技术——Embedding简介

如何生成和存储Embedding 总结 Embeddings技术简介及其历史概要在机器学习和自然语言处理中，embedding是指将高维度的数据（例如文字

embedding

2024年值得关注的Agent框架

在2024年，有几个引人注目的Agent框架值得关注。

Agent 框架

用so-vits-svc-4.1进行音色转换的极简教程

如果是歌声的话，还需要使用特别软件进行人声分离，将伴奏声和人物干声分离，然后再对干声训练得到ta的声音模型。

声音 sovits

最强开源大模型Llama 3，在扎克伯格设想中其实是这样的

这实际上已经变成了一个推理问题，因此，如果其他人已经解决了推理问题或在推理方面取得了很大进步，而我们只是坐在这里开发一个基本的聊天机器人，那么我们的产品与其他人的产品相比就显得很差劲

Llama 3 大语言模型

ComfyUI安装及生成第一张图

一、Windows安装在 Windows 上安装 ComfyUI 的两个选项：压缩包安装手动安装如果您不是 ComfyUI 的开发人员，您应该使用选项 1。

ComfyUI 文生图

StableDiffusion升级版SDXL：一键运行包ComfyUI和18G模型分享！

ensp; 可以在图片中显示清晰的文字 · 人物和人脸生成效果更好

comfyui sdxl 文生图

大模型应用的10种架构模式

然而，当我们转向大模型应用和人工智能领域，情况可能会有所不同。

大模型架构

真格基金大模型能力测试问题集---垂直能力篇

垂直问题： `化学` 假设一种计算机设计，其中多个处理器，每个处理器都有私有缓存存储器，使用单个总线共享全局存储器。

中文训练大模型

向量数据库失宠了？OpenAI 力捧检索增强生成（RAG）技术，对行业来说意味着什么？

生产效率低下且成本高昂——很少有组织拥有财力和人力资源来生产和部署基础模型。

检索增强生成大语音模型

<...43 44 45 464748 49 50 51 52 ...>

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