文章列表-AI魔法学院

文章列表

【语音领域-又双叒更新】阿里开源FunAudioLLM: 2大核心模型、5大亮点功能！效果炸裂！手把手带你理论+实战部署推理!

包含两个核心模型：SenseVoice 负责语音识别和音频处理，CosyVoice 负责语音生成和控制。

asr tts 声音

我，大语言模型

我不断生成下一个较可能的字。

大模型

AI Agent新对决：LangGraph与AutoGen的技术角力

类似AutoGPT之类的工具过于理想化，试图完全脱离人工来实现自动处理。

LangGraph AutoGen 对决

智能时代的变革者：定制化GPTs重塑未来的五大预言

图片由DALL·E 3根据本文内容生成。

GPTs 智能

MaskGCT：登上GitHub趋势榜榜首的TTS开源大模型

该模型在包含10万小时多语言数据的Emilia数据集上进行训练，展现出超自然的语音克隆、风格迁移以及跨语种生成能力，同时保持了较强的稳定性。

MaskGCT 声音克隆

Stable Diffusion

Stable Diffusion 30种采样器全解

o Euler：ODM求解器，简单直接，可收敛——能产生最终稳定图像。

Stable Diffusion 采样器

人工智能的应用范式呼之欲出

整个架构方案可以概括为一个十步的工作流，参见下图：看完这张流程图，我想应该有不少同行会和笔者有同样的预感：这套十步工作流极有可能成为未来三到五年乃至更长时期内人工智能大模型的应用范式

大模型

大模型能自己优化Prompt了，曾经那么火的提示工程要死了吗？

Battle 说：「我简直不敢相信它生成的一些东西。」

prompt 大模型提示

LLM每周速递！大模型最前沿：多模态RAG、RAG加速、大模型Agent、模型微调/对齐

本文作者研究主要关注两个问题：1）基于工业领域中的PDF文档，将单模态文本、单模态图像、文本+图像双模态放入RAG系统中，看一看文本+图像双模态是否能够提升RAG系统的性能？

大模型研究

Rerank——RAG中百尺竿头更进一步的神器，从原理到解决方案

检索增强生成（RAG）是解决大语言模型（LLM）实际使用中的一套完整的技术，它可以有效解决LLM的三个主要问题：数据时效性、幻觉和数据安全问题（在我之前的文章《大模型主流应用RAG的介绍

RAG 检索增强

深度好文，Agent盛行前传

；后期学习的知识更多的是为了适应未来复杂的、随机性强的和多元的环境和诉求；对于与生俱来的知识，奖赏发生在成功躲避猛兽的追捕；对于后期学习的知识，奖赏在未来解决一个之前并不擅长的疑问。

Agent 大模型

大模型应用发展的方向｜代理 Agent 的兴起及其未来（上）

虽然它们可能没有意图或欲望，但研究表明它们可以隐含地生成这些状态的表示，并指导模型的推理过程。

大模型

Stable Diffusion

读取大脑重建高清视频，Stable Diffusion还能这么用

之所以会如此，是因为与重建一张静态图片不同，我们视觉所看到的的场景、动作和物体的变化是连续、多样化的。

stablediffusion

和大模型相关的一些术语（持续更新中）

人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。

大模型人工智能

AI 换脸——Deepfacelab 下载与安装，新手教程

AI 换脸就是采用生成式对抗网络（GAN, Generative Adversarial Networks ）的人工智能算法，第一次接触是冯·诺依曼研究的博弈论，在这里不再深入探究，大家有兴趣可以去了解

Deepfacelab 换脸

<...45 46 47 484950 51 52 53 54 ...>

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