文章列表-AI魔法学院

文章列表

通俗易懂地解释OpenAI Sora视频生成的特点有哪些？它与此前的Runway Gen2、Pika有什么区别？以及缺点是什么？

在Sora之前，业界已经有了很多视频生成工具和平台。

sora 视频生成

大模型：泛化即智能，压缩即一切

在人工智能领域，通俗地说，泛化是指模型在训练数据中学习到的共性，这样在面对从未见过的数据时就能够具备很好的预测能力。

大模型泛化

Sora相关论文合集---全32套大放送

## 具体操作如下： ### 分类定义: 确定每篇文章或报告主要探讨的是什么？

Sora 论文

理解 o3 及其技术分析

LLM在某些方面超过人类，但并不是所有方面都超过人类。

o3 技术分析

StableDiffusion

AI绘画由入门到精通：StableDiffusion精讲课程

随着人工智能技术的发展，Stable Diffusion作为一款强大的文生图软件已经引发了全球范围内的创作革命。

SD 视频课程 AI绘画

检索增强生成 (RAG):What, Why and How?

由于LLM具有有限的上下文窗口长度，在处理当前任务时只能传递最相关的知识。

检索增强大模型

ChatGLM3-6B：新一代开源双语对话语言模型，流畅对话与低部署门槛再升级

· Tool: 工具模式，模型除了对话外，还可以通过工具进行其他操作。

ChatGLM3 语音模型开源模型

中文LLaMA-2基座模型和Alpaca-2指令精调大模型-中文LLaMA-2以及Alpaca-2系列模型

工具特点 CPU GPU

大模型

QWen1.5: 卓越模型之路

下表提供了每个测试集的详细信息，包括其评测配置、评价指标以及所涉及的具体语言种类。

Qwen1.5 开源模型

人话聊AI大模型：AIGC如何助力营销的秘密（上）

Copy.ai将产品模板分为七大类别，包括商务、职场、人力资源、市场、个人、地产和销售，每个类别都有专属的模板供用户使用。

大模型

OCR是什么以及推荐几款开源中文OCR识别软件

字符切割：　　由于拍照、书写条件的限制，经常造成字符粘连、断笔，直接使用此类图像进行OCR分析将会极大限制OCR性能。　　

OCR

GPT-4o实时语音方案提供商Livekit开源voice agent：轻松处理音视频流

· 插件：一个库类，用于执行来自特定提供程序的特定任务，例如语音转文本。

voice agent 开源音视频

从 GPT-4o 到 LiveKit：实时语音交互的开源实现

在人工智能技术日益普及的今天，GPT-4o 的实时语音功能吸引了大量关注。

GPT-4o 语音交互

从零开始用LangChain、Pinecone和LLMs搭建你自己的文档问答系统

通过将语义搜索的能力与GPT等LLM的卓越能力相结合，我们将演示如何构建一种利用尖端人工智能技术的先进文档问答系统。

知识库 langchain

Stable Diffusion

这篇深入浅出帖助你早日实现Stable diffusion自由

虽然我们把这个过程称之为AI绘画，但实际上它并不是像人类画图一样打草稿、构线描边，再去上色、对细节加工……这样按部就班地去完成一幅画作的，它采取了一个人类不曾设想的路径 —— Diffusion

AI图片

<...46 47 48 495051 52 53 54 55 ...>

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