文章列表-AI魔法学院

文章列表

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

使用transformers库，开发人员可以轻松地访问和使用各种预训练的NLP模型，也可以使用该库进行模型的微调和训练。

Whisper 语音优化

5个最佳开源RPA框架

这个AI大脑要实现的就是智能化；而RPA则是通过配置自动化软件模拟和人类在软件系统中交互的动作来执行业务流程；RPA软件机器人在应用程序界面上识别数据并像人类一样操纵应用程序；RPA软件根据规则与其他系统交互

开源模型智能自动化

Byzer-LLM 快速体验智谱 GLM-4

Byzer-LLM 可以让用户用一套接口就可以部署和使用市面上主流的开源和SaaS版本大模型，之前以Qwen 写过一篇，可以看这里：Byzer-LLM 支持同时开源和SaaS版通义千问今天我们升级了一个

Byzer-LLM GLM-4

惊艳推荐！8款好用又免费的文本转语音TTS工具

这种技术使用深度神经网络模型来合成语音，能够更自然地模拟人类的发音和语调，从而产生更加流畅和自然的语音输出。

TTS Maker 语音

一文带你看懂OpenAI-Sora生成视频的原理

因此，Sora模型需要非常精细地调整压缩参数，以确保最终的视频既清晰又流畅。

视频生成 sora

MidjourneyV6高级提示词技巧（人物篇）

该模板详细描述了V6提示词的各个模块以及每个模块的注意事项。

Midjourneyv6 文生图提示词

多智能体开发框架怎么选型？京东 JoyAgent vs langchain LangGraph，两种Agent开发哲学的碰撞!

技术架构深度对决光看表面还不够，我们得像拆解一个机器人一样，深入到它们的技术内核，看看两者的“心脏”（调度模型）、“神经”（并发机制）、“四肢”（工具集成）和“记忆”（数据流）到底是怎么工作的

JoyAgent langchain LangGraph

7.1k Star！RAGFlow：最新开源OCR+深度文档理解的RAG引擎、大海捞针测试、降低幻觉、服务化API集成进业务！

它基本上就是通过一个巧妙的方法来让大型语言模型（LLM）生成更精准、更有用的回答。

OCR RAG 开源

高效选择：Ollama与LM Studio深度对比

今天，我们就来深度对比这两个本地语言模型（LLMs）工具，帮助你找到最适合你的那一款。

Ollama LM Studio 对比

开源版妙鸭相机来了，无限出个人写真图（阿里达摩院出品）

FaceChain的模型由ModelScope开源模型社区提供支持。

妙鸭相机

提升GPT Prompt效果最佳实践 - 拆解复杂任务

就像在软件工程中将复杂系统分解为一组模块化组件一样，在提交给GPT模型的任务中也是如此。

GPT prompt

AI提示词|一词千金，写提示词的这个技巧你一定没想到！(一）

AI模型，如ChatGPT自己，依赖于用户提供的提示来理解和执行任务。

提示词写作

GPT-4o实时语音方案提供商Livekit开源voice agent：轻松处理音视频流

代理与 LiveKit 服务器无缝集成，将作业排队和调度责任卸载给它。

voice agent 开源音视频

神奇的 OuteTTS - 0.1 - 350M：用几秒钟音频克隆声音的黑科技！

基础模型。

OuteTTS-0.1-350M 音频

ReplaceAnything：阿里最新项目！重绘图片里的任何元素，商用价值极高！用最简单的部署创造最大的价值！

摘要 ReplaceAnything是阿里团队即将开源的项目，针对图像里的人物替换、服装替换、背景替换等方面做了极大的优化，使用户上传图片可以指定部分区域生成新内容，并且做到了严格保留遮挡区域，这对AIGC

ReplaceAnything 文生图

<...58 59 60 616263 64 65 66 67 ...>

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