文章列表-AI魔法学院

文章列表

造梦师手记：SDXL迎来了AI插画师

模型难度较大，不推荐入门者使用。

文生图漫画

OpenAI 开源语音识别 Whisper 的使用体验怎么样？

这款工具具有很高的速度，能够在批量处理中大幅提高生产效率。

生成式AI

大模型检索增强生成RAG的优化

下面针对每个模块分别做说明（备注：以下内容部分参考了检索增强生成技术(RAG)深度优化指南：原理、挑战、措施、展望）。

RAG 检索增强大模型

PymuPDF4llm：PDF 提取的革命

LamaPars等商业工具虽然在一定程度上缓解了这一困境，但其高昂的费用和有限的免费额度却让人望而却步。

PymuPDF4llm PDF

Llama 3突然来袭！开源社区再次沸腾：GPT-4级别模型可以自由访问的时代到来

但也不必过度担忧，Matt Shumer就对此持乐观态度，他表示相信在开源社区的努力下，窗口长度很快就会扩展上去。

meta llama3

无限长的上下文，也干不掉的RAG

主要发现多文档问答任务研究者们通过控制输入上下文的长度和相关信息在上下文中的位置，发现模型在多文档问答任务中的表现会随着相关信息位置的变化而显著变化。

RAG 大模型

AI备案实战指引

💡 AI算法备案相关法规 2022年12月11日，《互联网信息服务深度合成管理规定》首次发布。

备案

自动化神器Autolt：不再重复工作

所有鼠标和键盘在模拟“速度”和功能方面都是高度可配置的。

RPA 自动

“实时”语音翻译！AI语音具有“情绪”！最强开源AI大模型来了

SeamlessStreaming是一个基于深度学习的模型，它可以完成以下几种任务：语音到语音翻译（S2ST）、语音到文字翻译（S2TT）、文字到语音翻译（T2ST）、文字到文字翻译（T2TT）、自动语音识别

大模型开源模型语音

腾讯出品！开源AI数字人框架！号称可以不限时长

MuseV采用了视觉条件并行去噪方案，支持生成理论上无限长度的视频。

MuseV 视频数字人框架

会“追问”的Agent，大模型知识库另类实践

但在提升回答的准确度方面，该方案存在一些致命的缺陷，通过分解Langchain的架构，我们可以看到（图2）：图2: Langchain + Vectorstore + LLMs 首先，在第2步

大模型

四木测评｜让教父唱《野狼disco》、恶搞《甄嬛传》，火遍全网的阿里明星项目EMO正式开放

而上传图片的限制，可能会让用户进行多次尝试——系统会校验图片像素大小、人脸清晰程度、非多人、版权风控、画风检测、不能有头部倾斜、露出手部等条件。

EMO 阿里全民演唱

论文润色 | GPT4.0论文润色指令总结（含GPT3.5和4.0润色效果对比）

打磨文字以符合学术风格，提高拼写、语法、清晰度、简洁性和整体可读性。

论文提示词写作

ComfyUI的特性以及安装流程

命令行选项：--lowvram，可在显存小于 3GB 的 GPU 上工作（在显存较低的 GPU 上自动启用）即使没有 GPU，也可以使用 --cpu 进行工作（速度较慢）可以加载 ckpt

ComfyUI 文生图

金融领域Prompt工程方法浅析

自ChatGPT火出圈之后，国内外大模型呈“井喷式”增长，如Google的LaMDA大模型、PaLM模型，Meta的Llama模型，百度的文心一言，智谱AI的GLM大模型等。

prompt 大模型

<...69 70 71 727374 75 76 77 78 ...>

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