文章列表-AI魔法学院

文章列表

学术党狂喜，Meta推出OCR神器，PDF、数学公式都能转

据了解，PDF 成为互联网上第二重要的数据格式，占总访问量的 2.4%。

大模型

OCR的终极解法——传统算法VS多模态大模型

OCR 后处理一直是麻烦的事情，如果用传统的算法会有训练需要准备大量的数据，迭代更新效果差的问题，不过速度确实快。

OCR 大模型文字识别

零一万物API开放平台出场！通用Chat多模态通通开放，还有200K超长上下文版本

分别是覆盖更大的参数量、更强的多模态、更专业的代码/数学推理模型、更快的推理速度、更低的推理成本。

零一万物 YI 李开复

最新最全的开源中文大语言模型列表

，开源包括数据、微调代码、多个基于Bloom、baichuan等微调好的模型等；支持全量参数指令微调、QLoRA低成本高效指令微调、LoRA指令微调；支持绝大部分主流的开源大模型，如百川baichuan

大模型

检索增强生成 (RAG):What, Why and How?

LLM是通过大量的数据进行训练的，可以回答任何问题或完成任务，利用其参数化记忆。

检索增强大模型

通往AGI之路：什么是结构化提示词

核心的落脚点在于有序，比如我们常见的文章目录结构，词典以及有排序属性的数据。

提示词结构化

令人惊艳的开源图标生成AI模型：ChartLlama （南洋理&腾讯）

ChartLlama是一个由南洋理工大学和腾讯联合开发的多模态语言模型，它可以根据你的指令来理解和生成图表。

ChartLlama 开源模型图标

郭德纲讲英语相声详细教程

视频文件要求：文件类型包括：mp4、quicktime和webm；文件大小：不得超过1GB；视频时长：在30秒到5分钟之间；视频分辨率：360x360到4096x4096之间视频要求

数字人音视频

什么是极限、导数、微分与积分（通俗易懂）

本文将带你走进微积分的世界，探索它的四大基石：极限（Limit）、导数（Derivative）、微分（Differential）和积分（Integral）。

数学微积分科学

【万字长文】LLaMA, ChatGLM, BLOOM的参数高效微调实践

下面从训练数据、tokenizer和模型结构上对这三个大语言模型进行比较。

大模型微调训练

两天star量破千：OpenAI的Whisper被蒸馏后，语音识别数倍加速

前段时间，「霉霉大秀中文」的视频在各个社交媒体走红，随后又出现了「郭德纲大秀英语」等类似视频。

语音 HeyGen

QAnything：网易有道最新开源的“本地化部署知识库”AI问答系统

特点 ·数据安全，支持在整个过程中断网线安装和使用。

网易 RAG 知识库

阿里&字节发表VividTalk，只需单张照片即可根据音频生成栩栩如生的人物说话头像视频

对于面部表情运动，大多数现有方法采用多阶段框架将音频特征映射到中间表示，如面部标志点和3DMM系数。

VividTalk 视频

MaskGCT：登上GitHub趋势榜榜首的TTS开源大模型

01 前言近日，香港中文大学（深圳）联手趣丸科技推出了新一代大规模声音克隆TTS模型——MaskGCT。

MaskGCT 声音克隆

低调的PDF，为什么成了数字文档“永远的神”？

这一系列邮件往来为司法调查提供了实锤，也成了最终给他定罪的关键证据之一。

工作

<...5 6 7 8910 11 12 13 14 ...>

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