文章列表-AI魔法学院

文章列表

将文本转化为3D动画：DeepMotion推出MotionGPT，开启动画新时代！

专注于AI动捕技术的DeepMotion日前发布了MotionGPT。

3D 动作捕捉

14.6K star！最好用的OCR文字识别项目，没有之一！

项目是基于PaddleOCR开发的，支持截图识别、批量导入识别、个性化识别等功能。

Umi-OCR 开源项目文字识别

麦肯锡专家都在用的方法：用ChatGPT速览用户研究领域的 50 个核心概念

为图片和图标提供文本替代（alt 文本），以便屏幕阅读器能够描述这些元素的内容。

用户工作

构建开源多模态RAG系统

本质上，RAG通过允许模型从外部来源动态检索实时信息，增强了AI响应的特异性。

RAG 大模型

开源大语言模型完整列表

VisualGLM-6B —— 多模态对话语言模型 VisualGLM-6B 是一个开源的，支持图像、中文和英文的多模态对话语言模型，语言模型基于 ChatGLM-6B，具有 62 亿参数；图像部分通过训练

开源模型大语言模型

OmniVision - 968M：小巧精悍的视觉语言模型，释放多模态边缘计算强大潜能

视觉编码器Siglip - 400m则专注于图像信息的处理，以384分辨率和14×14的块大小生成图像嵌入，将图像转换为模型可理解的向量表示。

OmniVision -968M 多模态模型

应用编排的未来是Pipeline，LlamaIndex开发预览版推出Query Pipeline，提升应用开发的灵活性

在大模型时代以前，比如推荐等大数据AI领域，其发展的趋势就是流程编排。

Query Pipeline 大模型

如何快速构建GPTs个人知识库应用？

制作过程就像进行一场对话，输入您的指令和额外知识，选择它的功能，例如网页搜索、图像制作或数据分析。

GPTs 知识库

理解 o3 及其技术分析

但这个图有几个注解： o3模型是针对该测试集优化过的，也就是图里Tuned所指的目前o3的 high-compute 模式定价还没有确定，所以图例的定价并不对，大概只是Arc基于

o3 技术分析

Stable Diffusion

[Stable Diffusion]AnimateDiff ：最稳定的文本生成视频插件

，生成一系列与训练视频剪辑相似的图像。

AnimateDiff 视频训练

Coze多智能体（Multi-Agents）模式体验！

在这些Agent项目逐步成熟的过程中，我们不得不提及Langchain，它作为AI链式任务处理的先驱框架，对于Agent的发展起到了重要的奠基作用。

Coze 多智能体

利用LangChain建gpt专属知识库，如何避免模型出现“幻觉”，绕过知识库知识乱答的情况？

【有手就行】2分钟0代码，教你用Dify搭建专属AI知识库但是随着而来的，就是很多人跟我反馈的：答的乱七八糟。

LangChain 知识库

Stable Diffusion

造梦师手记：全网下载量第一的Stable Diffusion模型更新到5.0版

作为全球头号AI绘画模型网站，这也意味着该模型是全球最受欢迎的。

Stable Diffusion

大模型在金融行业的应用场景

目前已有的大模型知识库基本上都采用 RAG 的方案构建，但是数据源多样（流程规范、产品材料、规章制度等），数据格式繁杂（文字、表格、公式、图片等），针对不同的数据都需要业务上进行单独处理

大模型金融应用

大模型应用实践：用LLaMA 2.0, FAISS and LangChain实现基于自由知识问答

FAISS（Facebook AI Similarity Search）是一个用于高效相似度搜索和密集向量聚类的库。

开源模型

<...56 57 58 596061 62 63 64 65 ...>

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