文章列表-AI魔法学院

文章列表

OCR终结了？旷视提出可以文档级OCR的多模态大模型框架Vary，支持中英文，已开源！

这一次，只需一句话命令，多模态大模型 Vary 直接端到端输出结果：无论是中英文的大段文字：还是包含了公式的文档图片：又或是手机页面截图：甚至可以将图片中的表格转换成

OCR 手写文字识别

GLM-4-Voice 9B——实时多语言语音对话 AI——几分钟内即可在本地安装

它们在交互性方面可能会遇到困难，或者存在延迟问题。

GLM-4-Voice 9B 语音安装

我去，找到一个Github上非常优秀的AI项目，可控制鼠标、键盘，模拟人类操作，太丝滑，收藏～～～

Cradle 是由 BAAI‑Agents 团队开源的一款面向通用计算机控制（GCC）的多模态 AI Agent 框架，可以让大型多模态模型，通过截图输入和键鼠输出

AI Agent 开源项目

LLM之RAG实战（五）| 高级RAG 01：使用小块检索，小块所属的大块喂给LLM，可以提高RAG性能

但有时嵌入/检索大的文本块可能会感觉不太理想。

RAG 检索

OpenAI开源大模型调测工具Transformer Debugger：可以在训练大模型之前理解模型的运行情况并干预

这个工具可以帮助开发者调测大模型的推理情况，帮助我们理解模型的输出并提供一定的解释支持。

大模型调试工具

登顶的小熊猫模型出AI产品了！3步10秒出一张海报，可免费商用

但大小可随意更改，位置也可以在创建后再次拖动。

图形设计生成器文生图

Stable Diffusion

Stable Diffusion | SD的老舅ComfyUI来了，节点式工作流，分部控制出图

ComfyUI 是一个基于节点流程式的stable diffusion AI 绘图工具WebUI，界面版块基本和stable diffusion一样，只是每个版块被拆分成节点，可以灵活控制连接，这样的工作流和完善的可复现性

生成式AI

SD的老舅ComfyUI来了，节点式工作流，分部控制出图

ComfyUI 是一个基于节点流程式的stable diffusion AI 绘图工具WebUI，界面版块基本和stable diffusion一样，只是每个版块被拆分成节点，可以灵活控制连接，这样的工作流和完善的可复现性

文生图 comfyui

所有生命分子一夜皆可AI预测！AlphaFold 3改变人类对生命的理解，全球科学家都能免费使用

§ § 结构生成器从以氨基酸为中心，改为直接预测原子坐标，增加了处理通用分子结构的灵活性。

AlphaFold 3 蛋白预测

13.5K Star ! Fish Speech Windows本地搭建，能否达到官方的级别？强烈推荐

该工具特点包括低显存需求（仅需4GB）、快速推理速度、高自定义性和灵活性，用户可快速进行 Fish Speech特性 1.

Fish Speech 本地搭建

绝对是你的下载神器！AixDownloader可让你从任何网页下载你想要的内容，音乐、视频、图像、文件等！

你可以直接安装到Chrome浏览器、微软Edge浏览器上使用。

AixDownloader 下载

AI能赚到钱了么？

这对于在这个行业里面的人实在是个灵魂拷问。

大模型商业模式

聊天大模型的输出速度应该是多少？单张显卡最多可以支持多少个人同时聊天？来自贾扬清最新的讨论~

这里有2个问题经常会被大家所关注，一个是大模型每秒输出多少个tokens就可以满足用户的日常聊天使用，另一个问题是单张显卡最多可以支撑多少个用户的聊天需求。

大模型

SDXL 1.0 | 一文搞定 ComfyUI SDXL1.0 完整流程

用户可以根据项目的需要，灵活地选择和组合这些模块。

大模型

你是否发现ChatGPT甚至不能按字数要求回复问题？有人做了评测并讨论了可能的原因

虽然最近的研究探讨了LLM在各种基准任务中的能力，但很少有研究探讨LLM在生成任务上的可控性。

大模型控制

<...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