文章列表-AI魔法学院

文章列表

【开源项目】Flow Matching 语音合成

CFM是一种新技术，已被证明可以改进扩散模型，Meta的Voicebox模型将CFM引入语音合成领域，下面是voicebox的一个工作流程图 Matcha-TTS是第一个开源conditional

音视频 Flow Matching

网易（TTS）EmotiVoice：开源语音合成，支持2000多音色

EmotiVoice是一个强大而现代的开源文本到语音引擎，它可以让你用超过2000种不同的声音来合成中文和英文的语音。

EmotiVoice 语音合成

新测试基准发布，最强开源Llama 3尴尬了

除了上面两个指标都达到SOTA之外，还有一个额外的好处：实时更新的测试数据包含人类新想出的、AI在训练阶段从未见过的提示词，减轻潜在的数据泄露。

Llama 3 大模型开源

十大开源语音识别项目

本文将为您介绍十个相关的开源项目（以github上星标数排名），其中大多数都支持中文。

语音识别开源项目

3 个令人惊艳的 GitHub 开源项目，诞生了！

其实想做头像定制，也没那么难，今天给大家推荐一个在 GitHub 上开源的 AI 工具：Photoshot。

开源模型

基于Ollama本地部署谷歌开源Gemma大模型！

在开始使用Gemma开源大语言模型（LLM）前，我们先了解下Gemma以及配套的工具。

ollama gemma qwen

阿里推理模型来了！Marco-o1 发布即开源

阿里巴巴刚刚发布了一款全新的开源推理模型Marco-o1，它不仅专注于标准答案领域，更致力于解决开放性问题。

Marco-o1 推理模型

世界上最流行（github排名高）的开源移动机器人的操作系统ROS开源了！！

TurtleBot的机器人操作系统ROS，开源了！！

ROS 机器人开源模型

clone-voice：一键克隆声音，开源AI技术让声音创作更便捷、更个性化

一、什么是clone-voice clone-voice是一款免费开源的声音克隆工具，它凭借先进的人工智能技术，能够分析和模拟人类声音的特征，从而实现高质量的声音克隆.

clone-voice 声音克隆

Meta无限长文本大模型来了：参数仅7B，已开源

短上下文评估表 1 总结了 MEGALODON 和 LLAMA2 在学术基准上的结果，以及其他开源基础模型，包括 MPT、RWKV 、Mamba

Meta 长文本大模型

接私活必看的11个开源项目

还有平时靠知识储备，以及开源项目收集做准备，随时准备迎接赚钱的机会。

私活开源项目

中文开源OCR框架对比及介绍

开源与个性化训练（☆）首先，优图OCR不开源，除了商业化的考量，应该也涉及到自己实验室的算法专利、隐私数据等，不开源属于情理之中。

OCR

图片拖拽神器DragGAN介绍及官方安装文档说明

Install 方式 # 接来下的图片展示以Windows下的部署为例，Linux下的部署也是相同的目前， Zeqiang-Lai/DragGAN 的实现已经上传到 PyPI 源上了

开源

清华&面壁开源新一代主动Agent交互范式！让AI从被命令到主动帮助

让 AI 拥有“主观能动性”！

Agent 大模型

微软最新模型Phi-3 Mini开源登场！小模型，大未来！

令人兴奋的是，Phi-3 Mini 是开源的，这意味着任何人都可以免费在本地使用它。

Phi-3 Mini 开源模型微软

<1 2 3 456 7 8 9 10 ...>

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