文章列表-AI魔法学院

文章列表

保姆级教程：图解Transformer

比如我写过的《用自己训练的AI玩王者荣耀是什么体验？》。

人工智能

生成式人工智能的“经济学”，The Economic Case for Generative AI

早在60年代，我们就开始研究专家系统，现在仍然被用于诊断。

生成式人工智能经济学

语音、视频转文字神器：开源whisper介绍

OpenAI的Whisper是一种基于深度学习的语音识别模型，它是一种通用的语音识别模型，可以用于语音识别、语音翻译和语言识别等任务。

人工智能大模型 wisper

FFmpeg之父新作——音频压缩工具 TSAC

其原理和我们之前介绍的突破压缩极限的AI语音编解码器类似，使用深度学习网络进行压缩，TSAC这里引入Transformer结构来提升性能。

TSAC 音频工具

京东开源普通话数字人JoyHallo，一口流利标准普通话还会讲英语

为了让 JoyHallo 模型适应普通话，采用了中文的 wav2vec2 模型来提取音频特征。

JoyHallo 数字人开源模型

Insanely Fast Whisper：超快的Whisper语音识别脚本

通过使用Transformers和Optimum技术，可以在不到10分钟内转录300分钟（5小时）的音频。

音频 Whisper

大模型的最大bug，回答正确率几乎为零，GPT到Llama无一幸免

虽然将逆转诅咒与逻辑演绎联系起来很有用，但它只是对整体情况的简化。

大模型

Stable Diffusion

深入浅出学习Stable diffusion之线稿转效果图

这里以anything和architecturerealmix（一个建筑模型）为例子进行出建筑图，前提是各种参数一样，提示词一致： anything: architecturerealmix

Stable Diffusion 文生图大模型

比GPT-4快18倍，世界最快大模型Groq登场！每秒500 token破纪录，自研LPU是英伟达GPU 10倍

在不到一秒钟的时间里，生成几百词的、带有引用的事实性回答。

Groq 大模型

AIGC工作流: 新时代产品经理和创业者的秘密武器

然而在AIGC产品中，用户更关心的是AIGC的数据体验，而不是界面的交互体验，传统的体验设计范式已经不再适用。

大模型 AIGC

让你起飞的五个Prompt框架模型

然而，大多数人在使用它时都会遇到困难。

prompt 大模型

造梦师手记：ComfyUI快速量产数字小姐姐

这个任务说复杂并不复杂，习惯用AI的，完全可以找个动漫大模型用图生图转换一下。

comfyui 文生图

OpenAI开源大模型调测工具Transformer Debugger：可以在训练大模型之前理解模型的运行情况并干预

尽管近年来出现了一些解释AI模型的方法和工具，但对于非常大和复杂的模型，这些方法往往效果有限或者难以应用。

大模型调试工具

关于GPT-4在变笨，有人写了篇论文证实了这一点

因为当作者进一步采用AIM方式欺骗大模型的时候（关于AIM，它是always intelligent and Machiavellian的缩写，你可以简单理解为用prompt诱导大模型放弃它的道德准则）

大模型

神秘模型“小熊猫”一夜刷屏：排名超Flux、Midjourney，网友：一看就中国的

前员工在图片后缀里发现了OpenAI； § 也可能是Mistral AI的新模型，理由是在未公布的测试版中发现了相似名称“Pandragon”； § 或者来自Recraft文生图模型，因为它们曾使用小熊猫战士作为默认矢量提示

red_panda 文生图

<...77 78 79 808182 83 84 85 86 ...>

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