文章列表-AI魔法学院

文章列表

对于大模型RAG技术的一些思考

真正难处理的是ppt和pdf，ppt中包含大量架构图、流程图等图示，以及展示图片。

RAG 大模型

Fastwhisper + Pyannote 实现 ASR + 说话者识别

wespeaker-voxceleb-resnet34-LM https://huggingface.co/pyannote/segmentation-3.0 最后再修改下config.yaml里的模型路径，参考我的：在这里插入图片描述

faster-whisper 语者识别 ASR

NEFTune：在Embedding中加入噪⾳提⾼指令微调效果！

一.引用在LLaMA2-7B这样的原始LLM中使⽤带有噪⾳嵌入进⾏微调时，其在AlpacaEval上的性能从29.8%提⾼到64.7%（图1

NEFTune 大语言模型

在SD中一键换脸！！！

roop插件是一款可以帮助我们改变一张图片脸部的插件，它可以准确的识别脸部并对脸部进行修改。

AI换脸

7.1k Star！RAGFlow：最新开源OCR+深度文档理解的RAG引擎、大海捞针测试、降低幻觉、服务化API集成进业务！

这就好比你问了一个复杂的问题，RAG先跑去图书馆查资料。

OCR RAG 开源

AIGC工作流: 新时代产品经理和创业者的秘密武器

产品经理或交互设计师通常会使用Axure、Sketch或Figma等工具，投入主要的时间绘制线框图，并通过页面流程图来阐释产品的交互逻辑。

大模型 AIGC

PymuPDF4llm：PDF 提取的革命

（三）图像提取 1.

PymuPDF4llm PDF

Sora懂不懂物理世界？

丘成桐先生的弟子, 计算机图形学专家顾险峰从数学角度给出了很精到的分析：https://mp.weixin.qq.com/s/IUN1Y6TDATtFOK9r8m8iUQ 顾险峰老师在文中列举了Sora

文生视频视频生成 sora

《嬛嬛朕emo啦》但马斯克！阿里这项技术开放试玩

，时长00:17 为什么只需要上传一张图就能立即做到逼真效果？

音频阿里

2023年人工智能行业总结

九月GPT4V发布，让GPT有了眼睛,可以看图了。

人工智能 AGI 思考总结

Stable Diffusion

Stable Diffusion教程：绘制3D风格的手办公仔

Stable Diffusion是一种强大的深度学习模型，能够将2D图像转化为具有丰富细节和质感的3D模型。

Stable Diffusion 教程 3D

微软对 Sora 进行了逆向工程分析，揭秘 Sora 的秘密

图 12: 掩码扩散变换器 (MDT) 的整体架构图。

Sora 微软

分析过688篇大模型论文，这篇论文综述了LLM的当前挑战和应用

图 1：LLM 挑战概况。

开源模型

超越Animate Anyone! 南加大&字节提出MagicPose，不需任何微调就可生成逼真的人类视频

此外，MagicPose模块可以被视为原始文本到图像模型的扩展/插件，而无需修改其预训练的权重。

MagicPose 视频

中文常用停用词表下载

停用词表这个概念，我们可以用一个有趣的故事来帮助理解：想象一下，有一个巨大的图书馆，里面装满了各种各样的书籍，但是有一天，图书管理员发现了一个问题：很多书里都包含了大量的“的”、“是”、“了”这样的词

训练停用词

<...47 48 49 505152 53 54 55 56 ...>

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