文章列表-AI魔法学院

文章列表

借题发挥下最近几例声音克隆的应用案例

最近接连接到几个客户找我订制声音的案例： 1.某父亲痛失爱子，因为儿子托梦告知人是可以复活的，于是这位父亲到处寻找让人复活的办法，于是他关注到了最新的人工智能技术，开始找人咨询和学习技术，通过摸索，他知道通过

声音克隆数字人

ChatGLM3-6B：新一代开源双语对话语言模型，流畅对话与低部署门槛再升级

尽管模型在训练的各个阶段都尽力确保数据的合规性和准确性，但由于 ChatGLM3-6B 模型规模较小，且模型受概率随机性因素影响，无法保证输出内容的准确。

ChatGLM3 语音模型开源模型

开源免费离线语音识别神器whisper如何安装

本文目的网络上有些教程只展示了whisper使用的效果，没有介绍怎么安装，为避免大家在安装上踩坑，同时也为了避免自己以后万一哪天电脑崩溃需要重装whisper的时候再踩坑，我在这里记录下安装方法。

wisper 翻译免费

SD 美颜修图神器

Noise alpha「噪点阿尔法」分别设置 0、0.1 和 0.5，官方推荐 0.1，值越大，图像噪点越多。

SD 文生图

模拟ChatGPT流式数据——SSE最佳实践（附可运行案例）

可以使用 addEventListener 方法在当前 EventSource 对象上监听任意类型的命名事件。

GPT

GitHub工程师分享开发Copilot所采用的提示词工程

总的来说，他们建议的方法是基于一系列步骤的。

开源模型

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

2、流匹配技术： F5-TTS中采用了先进的流匹配技术，这是一种基于最优传输路径的方法，用于改进生成模型的学习过程。

F5-TTS 音频克隆

腾讯出品！开源AI数字人框架！号称可以不限时长

下面是模型结构示意图下面是并行去噪算法示意图 MuseTalk：实时高质量口型同步模型值得一提的是，MuseV团队最近发布了MuseTalk，这是一个实时高质量的口型同步模型，可以与MuseV

MuseV 视频数字人框架

Stable Diffusion

stable diffusion 远端跑图—— Api基础知识掌握

; "sd_model_checkpoint" :"wlop-any.ckpt [7331f3bc87]"}, // 一般用于修改本次的生成图片的stable diffusion 模型，用法需保持一致

文生图 api

AI赋能实验室：儿童绘本插图

--ar 16:9 --v 6.0 --s 250 --style raw 译文：这是一个充满奇妙想象的儿童插图，描绘了一个充满好奇的[动物]在一个充满活力和魔法的[地点]展开了一段愉快的冒险

插画文生图

Stable Diffusion

Meta发布业界最强文生图模型CM3Leon，实力碾压Stable Diffusion、Midjourney

CM3leon是第一个使用从纯文本语言模型改编的方法进行训练的多模态模型，包括大规模检索增强预训练阶段和第二个多任务监督微调(SFT)阶段。

文生图

LLM之RAG实战（五）| 高级RAG 01：使用小块检索，小块所属的大块喂给LLM，可以提高RAG性能

在这篇博客文章中，我们将深入研究这两种方法在LlamaIndex中的实现。

RAG 检索

AI“同声传译”新进展！Google发布，无监督，语音识别：Translatotron 3！

无监督的嵌入映射（Unsupervised Embedding Mapping）：这是一种可以把不同语言的语音或文字的内部表示，映射到一个共同的空间的方法。

Translatotron 语音识别

LangChain - RAG：线上系统多文档要频繁更新，每次都要重新花钱做一次 embedding，老板不批预算，批我...

之前针对没个 chunk 做一次 hash，记录下来 hash 值，每次源数据更新了只需要在这一步里面比对一下，更新的 chunk 对应的 embedding 删掉，生成新的插入到原有向量数据库中就好，类似的方法

大模型

AI改变未来，ChatDoc手把手教你写研报

需要强调一个前提，AI再好，也是工具，如果你缺乏对相关领域（比如，财报常识）的知识体系，就无法高效的和AI互动。

大模型应用写作

<...72 73 74 757677 78 79 80 81 ...>

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