文章列表-AI魔法学院

文章列表

ViTPose+：迈向通用身体姿态估计的视觉Transformer基础模型

身体姿态估计旨在识别出给定图像中人或者动物实例身体的关键点，除了典型的身体骨骼关键点，还可以包括手、脚、脸部等关键点，是计算机视觉领域的基本任务之一。

ViTPose+Transformer 身体姿态

6.2K Star！MIT出品的多语言语音合成神器，CPU实时推理吊打商业软件！

高质量、多语言、本地推理、完全免费。

MeloTTS 语音工具

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

在语义、数学、推理、代码、知识等不同角度的数据集上测评显示，ChatGLM3-6B-Base 具有在 10B 以下的基础模型中最强的性能。

ChatGLM3 语音模型开源模型

语义检索系统[全]：基于Milvus+ERNIE+SimCSE+In-batch Negatives样本策略的学术文献语义检索

通常，实体是可以明确识别的对象或概念-通常是人，地点和事物。

开源模型

掌握这10个AI 工具用1小时完成别人1周的工作

Vondy种类丰富多样，包含商业、设计、营销等20个类别。

AI 工具

DeepMusic发布“和弦派”2.0：重塑AI音乐创作范式，赋予创作者全方位掌控

历经一年深度内测，“和弦派”已吸引近10万音乐人及音乐爱好者参与。

和弦派 DeepMusic 音乐创作

会“追问”的Agent，大模型知识库另类实践

最近帮朋友实现了一个公积金Agent，能够基于公积金政策回答用户的问题，踩了一些坑，分享出来，以飨读者。

大模型

PymuPDF4llm：PDF 提取的革命

随着人工智能和自然语言处理技术的发展，对能够与大型语言模型（LLMs）无缝配合的 PDF 提取工具的需求日益增长（利用LLM从非结构化PDF中提取结构化知识）。

PymuPDF4llm PDF

whisper-live：OpenAI Whisper模型的近实时实现

与依赖连续音频流的传统语音识别系统不同，我们使用语音活动检测（VAD）来检测语音的存在，并且仅在检测到语音时才发送音频数据以耳语。

OpenAI Whisper 大模型

郭德纲讲英语相声详细教程

选择你希望进行翻译的语言 Heygen目前支持18种输入语言和15种输出语言。

数字人音视频

如何看待大型语言模型的Prompt

一个“性别向量”。

prompt 大语言模型

13.5K Star ! Fish Speech Windows本地搭建，能否达到官方的级别？强烈推荐

Fish Speech是一款由Fish Audio开发的开源的文本到语音（TTS）工具，支持英语、日语、韩语、中文、法语、德语、阿拉伯语和西班牙语。

Fish Speech 本地搭建

超越RAG：揭秘IAG框架如何引领推理问答系统的创新之路

该框架结合了归纳知识和检索文档，并利用大型语言模型（LLM）通过一种基于归纳推理模式的新提示方法生成这种知识。

IAG框架大语言模型

爆肝两天！ChatGPT+提示词解决知识库目录混乱

· 知识库规模：让 AI 了解到现有的文章数量，和增长速度，识别出对应的知识库规模，不同规模的知识库适合不同的目录分类的结构

智能分类大模型知识库

如何使用 Megatron-LM 训练语言模型

在 PyTorch 中训练大语言模型不仅仅是写一个训练循环这么简单。

开源模型

<...4 5 6 789 10 11 12 13 ...>

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