文章列表-AI魔法学院

文章列表

一款构建AI数字人项目开源了！自动实现音视频同步！

1、Video-Tetalking Video-ReTalking 是一个利用AI实现视频人物嘴型与输入的声音同步的创新技术。

AI数字人音视频同步

阿里出品自动化视频剪辑工具FunClip！

它依托于阿里巴巴通义实验室的FunASR Paraformer系列模型，实现了视频中语音的自动识别。

FunClip 视频阿里

RAG检索增强技术在知识库智能检索场景下的应用实践

1.1.2、实际应用的需求与此同时，实际应用对知识检索提出了新的需求。

知识库 RAG检索增强

Ollama最新更新v0.1.33，实现了多并发可同时与多个模型聊天对话！

上周，Ollama进行了v0.1.33版本更新，为本地部署的开源大型语言模型（LLMs）带来了重大改进。

ollama 语言大模型聊天

链接大模型与外部知识，智源开源最强语义向量模型BGE

在大模型时代，它更是用于解决幻觉问题、知识时效问题、超长文本问题等各种大模型本身制约或不足的必要技术。

embedding 语义向量

清华大学ChatGLM团队发布AI Agent能力评测工具AgentBench：GPT-4是全能战士，超越所有模型

PART 01 未来大模型的发展方向：AI Agent 大语言模型（Large Language Models, LLM)最核心的能力是对语言的处理，具备良好的意图识别和文本生成能力让 LLM

GPT-4

【TTS语音克隆开源最强王者】5款爆火开源模型(Fish、F5、GPT、CosyVoice、MaskGCT)效果对比，等你来评!

下面进入今天的主题~ 需要特别注意：本文只是技术分享，在使用对应模型进行语音合成时，需要严格遵照对应项目的要求和法律法规！！

语音克隆开源模型

炸裂！百川开源第1个7B多模态大模型 Baichuan-Omni | 能够同时分析图像/视频/音频/文本

对于音频对齐，作者收集了开源和内部的数据集，用于自动语音识别（ASR）和音频问答（AQA）。

Baichuan-Omni 多模态大模型

中文版开源Llama 2同时有了语言、多模态大模型，完全可商用

相较以往的传统方案，LLaSM 能够通过便捷的语音输入的交互方式，大幅改善过往以文本为输入的大模型的使用体验，同时有效避免基于 ASR 解决方案的繁琐流程以及可能引入的错误。

开源模型

知识树：一个方法，教你构建「终身知识体系」

他们说，实践后发现确实很赞比以往任何时候都渴望知识受用一生的学习方法

大模型

SEO知识点入门

当时决定自学SEO的时候，连SEO是什么都不知道，然后开始疯狂查资料，疯狂百度、SEO自学网（强烈推荐小白学习这个网站），不要想着实践那么快，先把基础理论理清了再说。

达摩院SPACE对话大模型：知识注入与知识利用

对话是对语言的高级应用，主要有以下几个特点： ①口语化，表述随意，不一定符合语法、句子不完整、噪音较多、有很多 ASR 错误。

大模型

结构化Prompt必备基础：5分钟学会Markdown语法，实现提示词创作自由！

因为他像AI时代的编程语言一样，可以让提示词的开发象代码一样有规范，不但方便团队的沟通和协作，也方便对于后期的维护升级。

Prompt 提示词 Markdown

AI声音克隆 | 最全最简教程（权威版）

它是一种将文本内容转换为语音的技术，通过TTS技术，计算机可以将文字信息转换成人类可听懂的语音输出，实现语音合成的功能目前市场上的AI声音我们最多用的还是普通的

声音克隆教程

《构建个人知识图谱》：让 AIGC 帮你自动构建知识图谱

当下大语言模型最重要能力就是是自然语言理解和生成。

提示词文生图 AIGC

<...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