文章列表-AI魔法学院

文章列表

OCR的终极解法——传统算法VS多模态大模型

OCR 后处理一直是麻烦的事情，如果用传统的算法会有训练需要准备大量的数据，迭代更新效果差的问题，不过速度确实快。

OCR 大模型文字识别

语音识别的未来已来：深入了解faster-whisper的突破性进展

faster-whisper简介 faster-whisper是基于OpenAI的Whisper模型的高效实现，它利用CTranslate2，一个专为Transformer模型设计的快速推理引擎。

语音识别 Faster-Whisper

RPA终极发展方向瞄准AI Agent，超自动化智能体时代已经开启

适合RPA的任务包括处理事务、操作数据、响应查询和跨系统通信。

RPA 自动化

完全指南——使用python提取PDF中的文本信息（包括表格和图片OCR）

编写提取图像中文本的函数编写提取表格的文本内容的函数最后的整合处理写在前面随着大型语言模型(LLM)的应用不断发展，从简单的文本摘要和翻译，到基于情绪和财务报告主题预测股票表现

大语言模型 python

Stable Diffusion

Stable Diffusion ControlNet：Reference“垫图”功能，不炼丹也能保持同一人物

ControlNet推出Reference(参考)控制类型也有一段时间了，最近体验了一下，被他的强大的效果震惊到了，之前一直想生成同一主体系列图片，需要Lora炼丹，这个不仅需要电脑有一定的配置，还要处理大量素材图片耗时耗力

文生图

使用ChatGPT检查论文引用、提高研究深度

ChatGPT作为一个先进的自然语言处理工具，能够在这一过程中提供巨大帮助。

ChatGPT 案例

阿里RAG新框架R4：增强检索器-重排序-响应器，5个知识密集任务上都超过Self-RAG等！

尽管检索增强的LLMs通过检索外部数据来减少这种幻觉，但现有的方法通常不考虑检索文档与LLMs之间的细粒度结构语义交互，这在处理长文档时尤其影响回答的准确性。

RAG 检索大型语言模型

大模型的研究新方向：混合专家模型（MoE）

大模型从早期只处理文本数据，到后来需要同时处理图像数据和语音数据的发展过程中，其参数量和模型结构设计也越来复杂和庞大。

MoE 大模型

【AI代理】多代理模式之多任务分配&信息传递

昨天探索了多任务模式，让系统根据用户的输入信息自动找到对应的代理进行处理。

多任务模式分配传递

令人惊艳的开源图标生成AI模型：ChartLlama （南洋理&腾讯）

你是否经常需要处理各种数据，比如销售额、股票价格、人口统计等？

ChartLlama 开源模型图标

7个有用的Prompt参数

本文将介绍七个关键的Prompt参数，通过这些参数可以引导模型，探索模型的能力和限制，生成不同风格或角度的内容。

prompt

语音、视频转文字神器：开源whisper介绍

Whisper是通过收集来自多个数据源（如YouTube、TED、Twitter等）的多语言、多任务的数据进行训练的。

人工智能大模型 wisper

智能知识图谱SmartKG和pySmartKG简介

它能够根据用户输入的实体和关系数据自动生成知识图谱，并提供图谱可视化及基于图谱的智能对话机器人。

知识图谱

Comfyui工作流原理你都了解吗

“ Comfyui工作流原理 ComfyUI工作流是一个基于图形节点编辑器的工作流程，通过拖拽各种节点到画布上，连接节点之间的关系，构建一个从加载模型到生成图像的工作流程

Comfyui 工作流

自动化神器Autolt：不再重复工作

Excel表格操作无论是数据录入还是数据处理，Autolt都能在Excel中展现其强大的功能。

RPA 自动

<...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