文章列表-AI魔法学院

文章列表

语音克隆又又又又又升级了

音频生成的功能比较多，我们简单体验一下，有兴趣的可以自行前往尝试 Audiobox (metademolab.com) 首先是自己通过文本描述生成一个音频样式。

Meta 语音生成

阿里云开源通义千问多模态大模型Qwen-VL，持续推动中国大模型生态建设

为了测试模型的多模态对话能力，通义千问团队构建了一套基于GPT-4打分机制的测试集“试金石”，对Qwen-VL-Chat及其他模型进行对比测试，Qwen-VL-Chat在中英文的对齐评测中均取得了开源LVLM

大模型

10大高效的Super Prompts，让GPT拥有超能力！

最后结语经过这10个Super Prompts的探索，ChatGPT的应用已经超出单纯的任务执行，同时激发出我们对日常挑战的新思考，引导我们走向更加高效和创造性的工作路径。

Prompt GPT 提示词

Python几种常见算法汇总

排序算法排序算法是一种将数据按照一定规则进行排序的算法。

编程 python 算法

从 GPT-4o 到 LiveKit：实时语音交互的开源实现

尽管树莓派的尺寸较大，但仍然是一个可行的方案。

GPT-4o 语音交互

Stable Diffusion

硬核解读Stable Diffusion（系列三）

DreamBooth需要finetune UNet，这里为了防止过拟合，增加了一个class-specific prior preservation loss（基于SD生成同class图像加入batch里面训练）来进行正则化

Stable Diffusion 文生图

书生·万卷：难得的中文开源数据集

这个视频数据说实话不太行：一方面是数据太少，另一方面视频的来源过于单一，所以价值不太大。

大模型

7个有用的Prompt参数

4、Top P Top P，也称为核抽样或概率抽样，确定用于对生成的响应中的下一个标记进行抽样的累积概率分布。

prompt

一个万能提问公式，让大模型生成高质量回答

怎么做（完成步骤）：如首先对输入的文本进行翻译，之后输出一份总结...

提示词

ChatGPT写论文最强指令！

我希望对我的论文进行润色和编辑，请帮我修改语法、句子结构和流畅性请仔细检查我的论文，以确保语法准确、句子流畅，并改进任何不清晰或非正式的表达。

ChatGPT 指令

QAnything：网易有道最新开源的“本地化部署知识库”AI问答系统

·支持多知识库问答，可选择多个知识库进行问答。

网易 RAG 知识库

关于GPT-4在变笨，有人写了篇论文证实了这一点

最后，关于代码和视觉推理，论文发现GPT开始变得更倾向于不直接给用户生成可执行代码，而视觉推理的准确率则有略微的提升。

大模型

数字人之声音克隆：无样本，1分钟样本完美克隆声音，开源

去混响/去延迟，我是找了一段互联网大佬的演讲声音，这里就不需要人声分离了，哈哈~ 回到主界面，直接进行声音切割首先输入原音频的文件夹路径（不要有中文），如果刚刚经过了

数字人声音克隆 GPT-SoVITS

阿里巴巴语音实验室发布开源语音处理框架ClearerVoice-Studio，支持语音增强、分离、目标说话人提取

此外，用户还能通过细调工具对模型进行个性化优化，以满足特定需求。

ClearerVoice-Studio 语音

pdf2htmlEX：效果相当好的一个PDF转HTML程序，和原始PDF几乎一模一样。

如果您担心生成的 HTML 的文件大小，那么我建议修补 fontforge 以防止它将当前时间写入转储的字体中，然后对 pdf2htmlEX 数据进行后处理以删除重复的文件 - 通常会有许多重复的背景图像和字体

PDF转换

<...82 83 84 858687 88 89 90 91 ...>

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