文章列表-AI魔法学院

文章列表

几款开源的OCR识别项目，收藏备用

tesseract Tesseract，一款由HP实验室开发由Google维护的开源OCR引擎，开源，免费，支持多语言，多平台; https://github.com/tesseract-ocr

OCR

大模型应用中大部分人真正需要去关心的核心——Embedding

当然，包括像阿里的商用embedding模型也是不错的，1500+维的。

大模型

Stable Diffusion

Stable Diffusion 常用插件推荐

https://gitcode.net/ranting8323/multidiffusion-upscaler-for-automatic1111 放大图像

Stable Diffusion 插件

七问大模型幻觉｜LLM Hallucination

比如在医疗应用中，对患者生成的报告如果存在幻觉可能导致错误诊断甚至影响生命安全。

大模型

制作可爱的表情包

开始制作之前，我们可以网络上搜索自己喜欢的风格和元素，参考图片，制作你的个性表情包。

绘画表情包

clone-voice：一键克隆声音，开源AI技术让声音创作更便捷、更个性化

Mel-spectrogram是一种能够有效捕捉音频信号频谱特征的工具，它将音频信号转换为一种更适合机器学习模型处理的图像形式，成为许多语音合成模型的标准输入形式，有助于模型更好地理解和学习声音的特征。

clone-voice 声音克隆

吴恩达老师建议大家关注 AI 智能体工作流

吴恩达老师建议大家关注 AI 智能体工作流，可以大幅提升 AI 应用的性能，并且他们总结了一套智能体设计模式： · • 反思：让大语言模型对自己的结果检查改进 ·

智能体大语言模型

TrOCR——基于transformer模型的OCR手写文字识别

该数据集包括数亿张打印文本行的图像。

OCR 手写文字识别

一文看懂RAG：大语言模型落地应用的未来

处理大量和多样化的数据：RAG可以处理和理解庞大的数据集，如维基百科或其他专业数据库。

rag 检索增强

Kimi+扣子Coze，我零门槛制作了一个好用的智能体Agent | 智能体开发

开发者在扣子（coze.cn）上，可以体验到 Kimi 大模型全新的 Tool Calling 能力和超强的用户意图识别能力，将这颗全新的'大脑'与平台上丰富的插件、工作流等能力结合，低门槛地打造各种业务场景下的

Kimi 扣子Coze 大模型

医疗+人工智能的创新应用

计算机通过“学习”相关的专业知识，模拟医生的思维和诊断推理，从而给出可靠诊断和治疗方案。

大模型

一个充满多智能体的数字社会正在浮现，商业的底层逻辑已进入重构倒计时

这种幻觉问题在天真地链接多个智能代理时会成倍增加，导致无法有效解决复杂问题。

大模型

Whisper对于中文语音识别与转写中文文本优化的实践(Python3.10)

但事实上，Whisper完全可以针对中文进行标注，只需要添加对应的引导词： options = whisper.DecodingOptions(beam_size=5,prompt

Whisper 语音优化

AI产生意识，对人类意味着什么

其核心思想是，意识与系统包含的“集成信息”量相同。

AI 意识

ChatGPT写论文指令全集

这种提示适合探索性的对话、创意思考或当用户需要灵感和想法时使用。

ChatGPT 写作

<...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