文章列表-AI魔法学院

文章列表

长窗口大战要终结了？谷歌魔改Transformer，推出了“无限注意力”

Infini attention 让基于Transformer的模型能够在有限的内存占用和计算量下高效处理无限长的输入序列，它把压缩内存集成到标准的注意力机制中，并在单个Transformer块内构建了掩码局部注意力和长期线性注意力机制

大模型上下文

从声纹模型到语音合成：音频处理 AI 技术前沿 | 开源专题 No.45

espnet/espnet[3] Stars: 7.2k License: Apache-2.0 ESPnet 是一个端到端的语音处理工具包

AudioCraft 音频

【收藏】那些牛掰的ChatGPT指令爱了～

（其实跟以前问百度一样，有些人很快就能找到解决方案，有些人则抱怨百度搜不到自己想要的）但是以ChatGPT为代表的人工智能诞生以后，人和人之间的差距真的就变成了：不是你回答问题的能力，而是你问问题的能力

提示词 prompt

剪映克隆声音功能详解：剪映上线5秒“AI克隆音色”，一堆AI公司又要进入慢性死亡了...

不管是过去的移动互联网时代，还是现在的AI时代，都有一个很灵魂拷问的问题是： “当BAT/OpenAI，来下场干你的业务，你该怎么办” 尤记得去年11月OpenAI在召开开发者大会的时候，发布了一堆东西，直接全工具

剪映声音克隆

AI Agent / 智能体观察笔记（下）

提供了一些实用性小工具最后，AOMNI还给出了几分调研报告，里面具体罗列了客户的最新进展和计划，其实从这份报告中就能看出客户当下没有和BenQ产品直接相关需求，比如学校今年重点工作有提高学生心理健康水平

大模型

两天star量破千：OpenAI的Whisper被蒸馏后，语音识别数倍加速

Whisper 是 OpenAI 研发并开源的一个自动语音识别（ASR，Automatic Speech Recognition）模型，他们通过从网络上收集了 68 万小时的多语言（

语音 HeyGen

一键AI换脸！小红书和北大合作的InstantID

我之所以要装，主要还是强迫症，好几个工作流还用ReActor。

InstantID 文生图

AI撬开小县城的万元商机

去年年底，重庆市首位乡镇公共服务AI数字形象代言人在荣昌区龙集镇诞生。

AI 商机

元象首个多模态大模型 XVERSE-V 开源，刷新权威大模型榜单，支持任意宽高比输入

人类获取的信息83%来自视觉，图文多模态大模型能感知更丰富和精确的真实世界信息，构建更全面的认知智能，从而向AGI（通用人工智能）迈出更大步伐。

XVERSE-V 多模态大模型

造梦师手记：华夏之美，SDXL时代的第一个国风模型和汉服LoRA

然后用提示词翻译器翻译成英文：A 3-year-old girl wearing Hanfu is walking in the bamboo forest 这个工具基于百度翻译提供的API

文生图

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

向量数据库不是一个单独的数据库分类

随着生成式AI的飞速发展，很大一部分的查询会以“密集向量搜索”的方式执行。

大模型向量数据库

最强开源数字人对口型系统介绍

使用过原版开源的Wav2Lip的都知道，原作者使用分辨率很低的图像数据集训练的模型，嘴部特别清晰，基本没啥价值，但是这个框架和算法倒是不错，如果想得到高清模型，得付出相当大的精力去收集高清数据集从头训练

数字人开源模型

领域大模型LLM训练Trick

问题一：进行领域大模型预训练应用哪些数据集比较好？

垂直训练大模型

测评了8个国产AI大模型，差点崩溃……

近年来，人工智能技术的发展可谓是日新月异，尤其是大模型的应用，更是成为了科技界的焦点。

大模型测评

<...52 53 54 555657 58 59 60 61 ...>

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