文章列表-AI魔法学院

文章列表

开源即巅峰！微软VibeVoice 7B模型：跨语言、多说话人、长文本一次到位

（三）富有表现力的语音 VibeVoice根据文本内容生成带有情感和语调的语音，使对话更加自然和生动。

VibeVoice 7B 语音

全球最大开源prompt社区即将开放中文版

我一直也在关注国内外一些 prompt 社区的动向，前不久我终于找到了一个非常优秀的prompt开源学习交流社区：flowgpt.com，我愿称它为prompt工程师的“梦中情站”！

开源模型

AI虚拟主播数字人技术实现Wav2Lip

本文主要实现图片说话（如下图的蒙娜丽莎）、视频融合语音（这里的核心都是人物口型与音频中的语音唇形同步）。

数字人视频

一文看懂RAG：大语言模型落地应用的未来

其中一些主要限制包括：不适应多模态数据：基础RAG主要关注文本数据的检索和生成，对于多模态数据（例如图像、音频）的处理能力有限。

rag 检索增强

万字长文-大语言模型指令调优综述

提示符有时被称为任务模板，是将传统NLP任务(例如，问题回答、文本分类)中的数据实例映射到自然语言输入-输出对的函数。

大语言模型

「语音识别的未来已来」——探索Distil-Whisper，轻量级AI的强大力量

在AI技术的浪潮中，一款新型的语音识别模型Distil-Whisper以其独特的魅力和强大的性能脱颖而出。

Distil-Whisper 语音识别

华为盘古画画3.0发布 | PanGu-Draw：业界最大的中文文生图模型，效果YYDS！

结构生成器从文本中派生图像结构，需要在包含广泛概念的广泛数据集上进行训练。

PanGu-Draw 文生图

语义检索系统[全]：基于Milvus+ERNIE+SimCSE+In-batch Negatives样本策略的学术文献语义检索

\t中西方文化差异以及语言体现中西方文化', '差异', '语言体现\t0.43203747272491455'] ['中西方语言与文化的差异\t论中西方文化差异在非言语交际中的体现中西方文化', '

开源模型

中文对话大模型BELLE全面开源！（附：数据+模型+轻量化）

在中文对话大模型开源社区里，最近迎来了一位优秀的新成员——BELLE。

belle 训练大模型

一文读懂GPT-1：生成式预训练如何提升语言理解

为了深入探索大语言模型的发展历程，我们精心挑选了一系列经典论文进行分享，希望能与大家共同学习和理解大语言模型背后的技术。

GPT

震撼科技界：清华大学与智谱AI联手，引领中文长文智能写作新纪元！

在人工智能的广阔天地中，大型语言模型（LLM）已经证明了它们在多个任务上的卓越能力。

写作长文本

AI+音乐｜对话 Suno CEO：破圈的音乐生成产品是如何诞生的？

用户可以通过简单的文本提示进行创作，生成多种音乐风格的高质量音乐和语音。。

suno 音乐

OCR是什么以及推荐几款开源中文OCR识别软件

亦即将图像中的文字进行识别，并以文本的形式返回。

OCR

HalluQA: 测测中文大模型有没有一本正经胡说八道

对此，在Evaluating Hallucinations in Chinese Large Language Models这个工作中，复旦大学自然语言处理实验室联合上海人工智能实验室联合构建了一个中文领域幻觉评估数据集

大模型中文大模型幻觉

whisper-live：OpenAI Whisper模型的近实时实现

该项目是一个实时转录应用程序，使用 OpenAI Whisper 模型将语音输入转换为文本输出。

OpenAI Whisper 大模型

<...2 3 4 567 8 9 10 11 ...>

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