文章列表-AI魔法学院

文章列表

TrOCR——基于transformer模型的OCR手写文字识别

最后，我们对编码输出进行解码以获得图像中的文本。

OCR 手写文字识别

语音、视频转文字神器：开源whisper介绍

Whisper是通过收集来自多个数据源（如YouTube、TED、Twitter等）的多语言、多任务的数据进行训练的。

人工智能大模型 wisper

Selenium+ddddocr | 再也不担心图片验证码

网页中验证码的识别思路一：验证码截图，进行识别定位到验证码图片的位置，采用screenshot_as_png进行截图，通过ddddocr库识别。

Selenium ddddocr库

8 月份火火火火的 GitHub 开源项目

用 Go 写的后端服务运行内存仅 8MB，在单实例 100QPS 时，内存也能稳定在 20MB 左右，资源占用极低。

大模型

大模型：泛化即智能，压缩即一切

为了下文行文方便，这里会将本篇文章想要表达的核心思想做一下定义。

大模型泛化

【语音领域-又双叒更新】阿里开源FunAudioLLM: 2大核心模型、5大亮点功能！效果炸裂！手把手带你理论+实战部署推理!

CosyVoice-instruct-300M：能够生成富有情感表现力的语音，允许通过指令文本进行精细调整。

asr tts 声音

模拟ChatGPT流式数据——SSE最佳实践

字段以行为单位，每行一个（即以 \n 结尾）。

打字机 sse 大模型

星标破万！小钢炮2.6登顶GitHub，Hugging Face TOP3，燃爆开源社区！

MiniCPM-V 2.6 还可以接受视频输入，进行对话和提供涵盖时序和空间信息的详细视频描述。

MiniCPM-V 2.6 大模型

【ComfyUI】爽玩必备,6大插件汇总推荐！

在这里，你可以下载到你需要的插件，如果插件有新版本，也可以在右边点击“更新”进行插件升级。

comfyui 文生图

【ComfyUI】爽玩必备！6大插件汇总推荐

在这里，你可以下载到你需要的插件，如果插件有新版本，也可以在右边点击“更新”进行插件升级。

大模型

RAG与Long-Context之争—没必要争

为什么RAG是粗排，Long-Context是精排从计算量角度来看，目前RAG是靠检索系统来进行相关内容过滤，一般采用ES、向量匹配等方法，可以理解计算量较小，也就是文本之间交互较少；而Long-Context

RAG Long-Context 大模型

Stable Diffusion

超详细的 Stable Diffusion ComfyUI 基础教程（二）：文生图基础流程

在学习前我们先回忆一下使用 Web UI 进行文生图的时候用到了哪些功能。

comfyui 文生图

最新【Fooocus】支持controlnet！生图效果惊艳，附带保姆级安装教程

安装包，解压后，将网盘中的“SDXL1.0必备模型”文件夹中的两个模型放到FooocusControl\Fooocus\models\checkpoints路径下，如果不将模型放进去，点击运行后，会自动在线下载

Fooocus 文生图

聊天大模型的输出速度应该是多少？单张显卡最多可以支持多少个人同时聊天？来自贾扬清最新的讨论~

单张显卡可以支撑的同时聊天人数从上面的讨论可以看到，使用并发技术，一个A10上运行LLaMA2-7B模型，即使有128个并发请求，依然有每秒10个tokens的输出，这意味着可以支持

大模型

Qwen2.5更新百万超长上下文，推理速度4.3倍加速，网友：RAG要过时了

Turbo，这回主打的就是支持超长上下文，并且把性价比卷出了花儿： § 上下文长度从128k扩展到1M，相当于100万个英文单词或150万个汉字，也就是10部长篇小说、150小时语音记录、30000行代码的量

Qwen2.5 开源模型

<...88 89 90 919293 94 95 96 97 >

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