文章列表-AI魔法学院

文章列表

从 GPT-4o 到 LiveKit：实时语音交互的开源实现

今天我们来聊聊OpenAI 发布会提到的实时对话语音技术。

GPT-4o 语音交互

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

GLM-4-Voice作为一款端到端的语音模型，推动了多语言对话人工智能的边界，支持英语和中文的实时对话，同时提供可适应且类人化的响应生成。

GLM-4-Voice 9B 语音安装

五大AI工具自动生成PPT效果对比

如果你想寻找一款优秀的PPT自动生成工具，我会推荐你尝试Gamma。

PPT 办公智能

Stable Diffusion

Stable Diffusion生成图片参数查看与抹除

查看图片的生成参数 1、打开Stable Diffusion WebUI，点击Tab菜单中的【图像信息/PNG Info】，不同版本的WebUI可能显示的文字或略有不同。

文生图 Stable Diffusion

检索增强生成(RAG)有什么好的优化方案？

如果需要，才检索若干passage，然后经一系列处理生成若干next segment候选。

RAG 检索增强

检索增强生成(RAG)有什么好的优化方案

如果需要，才检索若干passage，然后经一系列处理生成若干next segment候选。

RAG 检索增强生成

2023检索增强生成技术（RAG）研究进展

) RAG 通过在语言模型生成答案之前，首先从外部数据库检索相关信息，大幅提高了内容的精准度和相关性。

RAG 检索增强

一个万能提问公式，让大模型生成高质量回答

我们和 ChatGPT 交流的过程，本质上是在和背后语言模型产生交互的过程。

提示词

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

阿里的FunAsr对Whisper中文领域的转写能力造成了一定的挑战，但实际上，Whisper的使用者完全可以针对中文的语音做一些优化的措施，换句话说，Whisper的“默认”形态可能在中文领域斗不过

Whisper 语音优化

一文带你看懂OpenAI-Sora生成视频的原理

Sora，在粤语中有点像“傻啦”，可以创建长达 60 秒的视频，其中包含高度详细的场景、复杂的摄像机运动以及充满活力的情感的多个角色。

视频生成 sora

大模型检索增强生成(RAG)高质量报告

今天分享一个来自同济大学Haofen Wang的关于检索增强生成的报告：《Retrieval-Augmented Generation (RAG): Paradigms, Technologies, and

RAG 大模型检索

变天了，AI可以一键生成中文海报了......

就在昨晚，即梦AI悄悄上线了2.1图像模型，这个模型能够通过提示词一键生成中英文海报，离了大谱。

2.1图像模型文生图

Anthropic推出提示词生成器让AI秒懂你的需求！

提示词生成器的核心功能 Anthropic的这款提示词生成器通过高级的提示工程技术，如链式思维推理，使AI能够生成针对特定任务优化的提示。

Anthropic 提示词生成器

集成文字生成、抠图、图像融合等强大功能的comfyUI 插件 Allor Plugin

然后就可以直接使用作者提供的三个案例来学习了，这也是ComfyUI最强的地方，只要节点都安装好，就可以使用他人分享的工作流一键生成。

comfyui 插件绘画

忘掉 RAG，未来是 RAG-Fusion！搜索的下一个前沿：检索增强生成遇上倒数排名融合和生成查询

这种融合使大型语言模型（LLM）能够生成更丰富、更具上下文意识的输出。

RAG-Fusion 检索增强

<...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