文章列表-AI魔法学院

文章列表

你的下一个浏览器，可以是豆包电脑版！

现在也只需要截一下图就可以搞定：而针对网页中的文字部分，我们可以用划词的方式，不会哪里划哪里：对于整个网页的文字部分，可以用对照翻译的功能，让阅读变得更加丝滑：当然，浏览网页时与豆包更直接的交流，

豆包浏览器

语音克隆又又又又又升级了

早在今年6月，Meta曾经推出过VoiceBox，能直接从文本生成高质量语音，不需要任何音频样本作为训练数据，可能是基于对音频Deepfake的担忧，一向秉承开源的Meta并未向工作开放VoiceBox

Meta 语音生成

中文原生文生图大模型来了！腾讯混元推出，Sora 同架构

升级后的混元文生图大模型采用了与 sora 一致的DiT架构，不仅可支持文生图，也可作为视频等多模态视觉生成的基础。　　

文生图混元腾讯

Rerank——RAG中百尺竿头更进一步的神器，从原理到解决方案

检索增强生成（RAG）是解决大语言模型（LLM）实际使用中的一套完整的技术，它可以有效解决LLM的三个主要问题：数据时效性、幻觉和数据安全问题（在我之前的文章《大模型主流应用RAG的介绍

RAG 检索增强

揭秘DeepSeek:一个更极致的中国技术理想主义故事

在硅谷，DeepSeek被称作“来自东方的神秘力量”。

DeepSeek 大模型

回望做大模型一年后的感悟

而国内则是在研究怎么能在一年内追上chatgpt，再加上之前疫情的影响，国内的researcher和国外的交流是比较匮乏的，有种“信息茧房”的感觉。

大模型感悟

Prompt及AI提问实践

比如某些模型对输入token处理时，会进行截取操作，导致多轮对话的部分信息失效，此时把Prompt放在不同的位置会产生差异较大的结果。

Prompt 大模型提问

ChatPDF | LLM文档对话 | pdf解析关键问题

因此笔者采用AI的方式来解决：目标检测和 OCR文字识别 · pipeline如下：流程图

大模型

AI 产品榜 · 国内 100 强和出海 20 强

本榜单是一个跨界合作的成果，汇聚了业内外多方的专业视角和深刻分析。

大模型大模型应用行业分析

AI换脸：FaceFusion 3.5.0更新，解决老版本无法使用问题！

Conda 提供了更健壮的依赖项管理，简化了设置和维护流程。

FaceFusion 文生图

如何看待大型语言模型的Prompt

它们能够生成完全流畅的语言——这是word2vec完全做不到的壮举——并且似乎对任何话题都了如指掌。

prompt 大语言模型

请以“亮相”为题目写一篇记叙文，要求不少于700字。

我用流畅的语言、抑扬顿挫的语调、清晰的声音向全校师生汇报了我对环保问题的看法和建议。

中文大模型训练

LLM Agent最常见的九种设计模式(图解+代码)

3.调用外部工具。

LLM Agent 图解

F5-TTS：上海交大开源超逼真声音克隆TTS，告别ElevenLabs，以后就用它了！实测真的很牛

项目简介 F5-TTS是一款基于流匹配的全非自回归文本到语音转换系统。

F5-TTS 音频克隆

会“追问”的Agent，大模型知识库另类实践

基于交互的严肃性，应用输出内容必须能够达到100%的准确，尤其是在针对政策类、法规类和操作手册类文档。

大模型

<...64 65 66 676869 70 71 72 73 ...>

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