文章列表-AI魔法学院

文章列表

OpenAI真的开源了！这波「实时语音」操作，让万物开口说话，我爱了

以前，智能玩具里只能播放预设的程序和声音，顶多就是进行一两轮简单提问，你可以理解成是“单向输出”，现在有了这个 openAI 的实时语音软件开发包，就变成了“双向交互”，能和你进行实时的语音对话。

OpenAI 嵌入式实时语音 SDK

阿里巴巴语音实验室发布开源语音处理框架ClearerVoice-Studio，支持语音增强、分离、目标说话人提取

清晰之声，重塑沟通体验为了解决这些痛点，阿里巴巴语音实验室推出了 ClearerVoice-Studio——一款功能全面的语音处理框架。

ClearerVoice-Studio 语音

快手版Sora「可灵」开放测试：生成超120s视频，更懂物理，复杂运动也能精准建模

Transformer的处理能力和生成能力更强大，扩展能力更强、收敛效率更好，解决了U-Net在处理复杂任务时冗余过大、感受野和定位精度不可兼得的局限。

可灵快手文生视频

爆火的“女孩的一生”，plus版教程它来了

我们先来看看效果首先，咱们得了解一下什么是animatediff。

动画视频 AnimateDiff

中国首个长时长、高一致性、高动态性视频大模型，Vidu 登场

基于对U-ViT架构的深入理解以及长期积累的工程与数据经验，团队在短短两个月里进一步突破了长视频表示与处理的多项关键技术，研发了Vidu视频大模型，显著提升视频的连贯性和动态性。

Vidu 大模型视频

Sora相关论文合集---全32套大放送

### 我的阅读预期: 我希望了解AI行业的未来趋势。

Sora 论文

GTC大会黄仁勋发言稿

这些非IT 行业的发言者正在使用加速计算解决普通计算机无法解决的问题。

黄仁勋 nvidia

玩一玩阿里通义千问开源版，Win11 RTX3060本地安装记录！

其实还有很多包还没装完，我就按我出错的顺序和解决方法，一个个来记录吧。

通义千问

《嬛嬛朕emo啦》但马斯克！阿里这项技术开放试玩

他表示在放心把技术开源之前，首先还是要解决安全问题。

音频阿里

聊聊我对AI Agents技术的一些看法

支持三种Agent模式），在介绍的博客里，余老师如是描述大模型 Agent：想象一下这个过程，将以日常语言为载体的人类的指示或问题转化为机器可以理解的动作和代码，随后机器在特定的环境中执行这些动作，

AI Agents 大模型

LLM大模型推理输出生成方式总结

参数：do_sample = True, num_beams = 1 优点：解决了生成重复的问题，但是可能会出现生成的文本不准守基本的语法 Beam-search multinomial sampling

大模型

微调百川Baichuan-13B保姆式教程，手把手教你训练百亿大模型

进行实践和项目：实践和项目是学习编程的重要组成部分，可以帮助你更好地了解和掌握编程技能，同时也可以提高学习的兴趣和动力。

大模型微调

百模大战，谁是大模型的裁判员？

作为最早明确、规范的大语言模型评测基准发布以来，在大语言模型评测基准的议题上，主要分为几条评测路径：一是以GLUE为代表，通过评估模型在自然语言推断、文本蕴含、情感分析、语义相似等NLU（自然语言理解）

大模型

使用python调用comfyui-api，实现出图自由

# 解析工作流并获取图片 72.

comfyui 工作流

5个最佳开源RPA框架！

这个解决方案拥有非常活跃的社区，并且积极在为项目做贡献，软件更新非常频繁。

智能自动化大模型 RPA框架

<...54 55 56 575859 60 61 62 63 ...>

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