文章列表-AI魔法学院

文章列表

Fastwhisper + Pyannote 实现 ASR + 说话者识别

github.com/SYSTRAN/faster-whisper 二、pyannote.audio介绍 pyannote.audio是一个用Python编写的用于扬声器diarization的开源工具包

faster-whisper 语者识别 ASR

为什么说AI现在还不行！

AI则在很大程度上折叠这个中间环节，对话即计算，同时让这种计算变的更加泛化和无边界。

大模型

AI产品经理视角：如何构建人工智能产品

人工智能开发是一个高度协作的企业。

大模型产品经理

GPTs使用指南 | 保姆级GPTs入门教程，0代码基础也能做AI产品

准备工作就绪之后，我们开始学习如何创建一款GPTs~ 一、GPTs创建入口：温馨提示：ChatGPT官方仅对Plus用户（GPT-4账号）开放了GPTs功能，需要满足该条件才可创建

GPTs 入门教程

LLM之RAG实战（五）| 高级RAG 01：使用小块检索，小块所属的大块喂给LLM，可以提高RAG性能

install -U llama_hub llama_index braintrust autoevals pypdf pillow transformers torch torchvision 设置环境变量

RAG 检索

面向知识图谱的大模型应用

而且，LLM 在处理涉及大量相互关联知识的复杂现实环境时仍然有很多局限性。

知识图谱大模型

体验Outfit Anyone，高质量虚拟换装，效果如何？

Outfit Anyone，阿里智能计算研究院最新发布的基于条件扩散模型的虚拟试穿技术。

Outfit Anyone 模拟

LLM微调经验&认知

Lora框架peft需要torch>=1.13.1，torch1.13.1可能需要cuda11.7，安装环境够让人头疼一会了。

LLM 大模型

一人搞定30万商品分类：AI落地实践故事！

上面的例子中只是一个3维向量，而实际可用的嵌入式模型中，维度要大得多，比如OpenAI提供的Embeddings接口支持1536维度，开源的中文embeddings中m3e-base支持768维度。

embedding 大数据分类

OmniVision - 968M：小巧精悍的视觉语言模型，释放多模态边缘计算强大潜能

一、模型概述 OmniVision - 968M是一款由NexaAI研发的紧凑且高效的多模态模型，其参数规模小于10亿（968M），却具备强大的视觉和文本处理能力。

OmniVision -968M 多模态模型

ComfyUI 图片以及工作流管理神器

不仅如此，还可以远程订阅官方或者大佬们公开的工作流网站，方便我们学习最新的工作流技术，与时俱进。

comfyui 工作流

如何最简单、通俗地理解Transformer？

这些特点让Transformer自2017年发布以来，持续受到关注，基于Transformer的工作和应用层出不穷。

Transformer 大模型

AI制作艺术二维码 - 文生图

由于内容比较多，这篇文章先讲文生图，图生图后边再开一篇。

文生图

解读提示工程（Prompt Engineering）

根据具体应用和使用情境，您可以选择适当的提示类型。

Prompt 提示词

ChatPDF | LLM文档对话 | pdf解析关键问题

在此记录一些难题和解决方案，首先讲解主要思想，其次以问题+回答的形式展开。

大模型

<...48 49 50 515253 54 55 56 57 ...>

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