文章列表-AI魔法学院

文章列表

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

AI+智能客服：大模型可落地的最成熟场景之一

从工作流程来看，用户真人的语音会先通过ASR（语音识别）技术将其转化为文本，再接入NLU（自然语言理解）进一步理解用户意图。

ai 客服

50+ Midjourney 美食相关提示词，看了别留口水哦

图案在现实世界中让食物排列成一个有趣的图案并不容易，可能你要有精湛的刀工以及深厚的美术功底。

midjourney 文生图绘画

全球生成式 AI 应用全景图

在生成式AI 产业突变的背后是人工智能技术数十年的积累和酝酿，其演进历程具体可分为四个阶段： 1.专家系统： 2.机器学习与神经网络： 3.深度学习： 4.大模型：

大模型

“实时”语音翻译！AI语音具有“情绪”！最强开源AI大模型来了

你想把一种语言的语音或文字直接转换成另一种语言的语音或文字，但是你需要用多个工具，而且效果不理想！

大模型开源模型语音

用AI生成PPT、用AI优化PPT!

我在前几天写过五大AI工具自动生成PPT效果对比（点击看原文），当时我在文中引用的是百度AI对话的PPT生成插件，我对这个插件生成的PPT的评价不高，但是在体验了百度文库的智能PPT功能后，有种“识别三日

AI ppt

开源语音大语言模型来了！阿里基于Qwen-Chat提出Qwen-Audio!

2311.07919.pdf 开源代码：https://github.com/QwenLM/Qwen-Audio 引言大型语言模型（LLMs）由于其良好的知识保留能力、复杂的推理和解决问题能力，在通用人工智能

大模型语音

智源：70万预算，从头开发千亿参数大模型，挑战成功！

智源研究院与国内多所高校及南洋理工联合团队，挑战成功。

大模型

Insanely Fast Whisper：超快的Whisper语音识别脚本

同时，还提到了Whisper.cpp的性能测试、4位推断性能测试、以及一个CLI工具的社区展示。

音频 Whisper

京东开源普通话数字人JoyHallo，一口流利标准普通话还会讲英语

为了解决这个问题，JoyHallo 收集了来自京东健康国际公司员工的29小时普通话语音视频，形成了 jdh-Hallo 数据集。

JoyHallo 数字人开源模型

HalluQA: 测测中文大模型有没有一本正经胡说八道

但是，虽然现阶段大模型已经在各类任务上展现了强大的能力，但当大模型真正进行工业落地时，模型幻觉就成了一个必须要考虑的痛点问题。

大模型中文大模型幻觉

“大模型+机器人”的现状和未来，重磅综述报告来了！

传统的机器人感知方法依赖于特定场景下的特征工程和模型设计，难以适应开放环境的复杂性和多样性。

论文机器人

Prompt全攻略(三):提升Prompt效果的技巧指南

让我们一起见证和推动人工智能在内容生产领域带来的革新与进步。

prompt

Asimov的预言与《Reflexion》的Prompt启示：机器人心理学家的新纪元

Robotics）的主要员工，专门研究机器人的行为和心理。

大模型

一位芯片投资人的十年复盘：谁是中国的英伟达｜AI光年

耀途布局的时候，中国消费电子品牌厂商已经做的不错了，但竞争也非常激烈，消费电子厂商在寻求差异化，不像海外市场苹果三星近乎垄断竞争并不激烈，对新功能需求不那么迫切，中国当下还在一个快速迭代和竞争的过程中，

AI光年芯片投资

<...55 56 57 585960 61 62 63 64 ...>

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