文章列表-AI魔法学院

文章列表

探索Sora的魔法世界：功能展示、原理解析、未来市场影响大猜想！

它所制作出的复杂场景，不仅可以包括多个角色，还有特定的动作类型，以及对对象和背景的精确细节描绘。

视频生成 sora

「语音识别的未来已来」——探索Distil-Whisper，轻量级AI的强大力量

无论是在快速的实时语音翻译，还是在嘈杂环境下的清晰语音捕捉，Distil-Whisper都能提供出色的解决方案，展现AI技术的实用性和创新性。

Distil-Whisper 语音识别

AI国力战争：GPU是明线，HBM是暗线

但是翻看最近的历史，我们不得不对此事提起十二分的关注。

GPU HBM 大模型

有道开源的国产语音库EmotiVoice爆火了！具有情绪控制功能的语音合成引擎！

simbert-base-chinese/resolve/main/vocab.txt -P WangZeJun/simbert-base-chinese 下载完三个模型文件后，将其放到对应目录下

EmotiVoice 语音库

Dify：大模型创业开源工具，46,558 行代码，完全开源

全面的模型支持: 与数百种专有/开源 LLMs 以及数十种推理提供商和自托管解决方案无缝集成，涵盖 GPT、Mistral、Llama3 以及任何与 OpenAI API 兼容的模型。

Dify 开源工具

图解 transformer——逐层介绍

位置编码的计算是独立于输入序列的，是固定值，只取决于序列的最大长度。

Transformer 大模型图解

Github上Star数最多的大模型应用基础服务：Dify 深度解读

这篇文章对 Dify 中核心的基础模块 RAG 服务进行深入解读，后续可能会更新其他模块的内容。

Dify 大模型知识库

【收藏】那些牛掰的ChatGPT指令爱了～

（其实跟以前问百度一样，有些人很快就能找到解决方案，有些人则抱怨百度搜不到自己想要的）但是以ChatGPT为代表的人工智能诞生以后，人和人之间的差距真的就变成了：不是你回答问题的能力，而是你问问题的能力

提示词 prompt

模拟ChatGPT流式数据——SSE最佳实践（附可运行案例）

对于这种对话场景，ChagtGPT 将先计算出的数据“推送”给用户，采用 SSE 技术边计算边返回，避免用户因为等待时间过长关闭页面。。

GPT

《嬛嬛朕emo啦》但马斯克！阿里这项技术开放试玩

他表示在放心把技术开源之前，首先还是要解决安全问题。

音频阿里

OCRmyPDF—可智能识别PDF文本和图片信息的工具

动机我在网上搜索了一个免费的命令行工具来对PDF文件进行OCR：我找到了很多，但没有一个真正令人满意： •要么它们生成的PDF文件中的文本放置错误（使得无法复制/粘贴)•

OCRmyPDF 工具

大模型外挂知识库优化技巧-如何更有效的利用召回的文档

外挂数据库是解决模型“胡说八道”的有效手段。

大模型

爆火！腾讯开源PhotoMaker：高效地定制化生成任意风格的逼真人类照片！

解决：提出一种高效的个性化文本图像生成方法PhotoMaker， · 它主要是将任意数量的输入ID图像编码到堆栈ID嵌入中以保留ID信息。

PhotoMaker 文生图

什么情况用Bert模型，什么情况用LLaMA、ChatGLM类大模型，咋选？

，效果越好，大量高质量的微调数据集对模型效果提升最明显。

大模型

22个用于创业者思维的提示词

翻译提示："分析我当前对[插入产品或服务]的定价策略。

提示词大模型

<...59 60 61 626364 65 66 67 68 ...>

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