文章列表-AI魔法学院

文章列表

一键AI换脸！小红书和北大合作的InstantID

InstantID 的工作原理可分为三个关键部分： ID Embedding：团队利用预训练的面部识别模型代替 CLIP 来提取语义人脸特征，并使用可训练的投影层，将这些特征映射到文本特征空间，形成

InstantID 文生图

Fastwhisper + Pyannote 实现 ASR + 说话者识别

因为其实我们最近一直在做海外业务所以说我们碰到了一些问题可以一起分享出来给大家其实一起探讨一下其实海外我们还是这个观点说是无论你准备工作做得有多充分无论你有学习能力有多强你一个中国企业的负责人其实在出海的时候它整体还是一个强势的是做的过程 SPEAKER_03[90.50s -> 101.60s] 后来推到德国或者推到新加坡印尼越南等等这些地方每一个地方走过去都面临的一个问题是建站的效率怎么样能够快速地把这个站点建起来

faster-whisper 语者识别 ASR

什么是极限、导数、微分与积分（通俗易懂）

我们将用通俗易懂的语言，揭开微积分神秘的面纱，让你感受到它的魅力和实用性。

数学微积分科学

Llama 3突然来袭！开源社区再次沸腾：GPT-4级别模型可以自由访问的时代到来

全面取得SOTA，但8k窗口更多技术细节，Meta在博客文章中给出。

meta llama3

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

Qwen-VL是业界首个支持中文开放域定位的通用模型，开放域视觉定位能力决定了大模型“视力”的精准度，也即，能否在画面中精准地找出想找的事物，这对于VL模型在机器人操控等真实应用场景的落地至关重要。

大模型

今天分享一个官方的高级的做数据分析的prompt提示词

用过GPT Plus账号的朋友都知道，在前段时间，有个自带的功能叫“Code Interpreter”，后面改名叫“Data Analysis ”，现在整到一个里面去了。

prompt 提示词

将文本转化为3D动画：DeepMotion推出MotionGPT，开启动画新时代！

虽然现有动画库在可用动作的数量和多样性方面存在限制，但MotionGPT允许用户输入特定动作的文本提示，提供肢体动作、情绪甚至混合多个动作的说明，以实现高度动态的动画创作体验。

3D 动作捕捉

字节，悄咪咪做了个 Liblib

目前线上仅为白名单版本，相信正式公测版会很快会跟我们见面，AI 绘画相关的创作者可以留意一下～自今年二月以来，字节的 AI 产品如雨后春笋，逐渐布满各个赛道，频繁的给人惊喜。

Lumi 大模型

回望做大模型一年后的感悟

写在前面过去一年应该是AI圈最万千瞩目的一年了，大家对大模型、OpenAI、ChatGPT、AI Native、Agent这些词投入了太多的关注，以至于有一年的时间好像经历原本应该两三年才有的科技进步的感觉

大模型感悟

RAG应用中数据处理过程需要注意的事项

但是这方面经常被遗忘，从而导致潜在的数据同步问题。

RAG 大模型

再也不怕合照缺人，Anydoor为图片编辑开了一道「任意门」

面对这样的要求，设计师肯定会脑瓜嗡嗡的。

Anydoor 文生图

数字人：从科幻走向现实的技术革命

创建数字人需要多方面的技术支持，包括计算机图形学、动作捕捉、语音合成以及人工智能算法等。

数字人语音

XX来信：智能体设计模式2：Reflection

之后，我们可以提示它反思自己的输出，可能如下所示: 下面是任务X的代码：[之前生成的代码] 仔细检查代码的正确性、风格和效率，并对如何改进它提出建设性的批评。

Reflection 智能体

大语言模型微调：定制自己的微调数据集

如果要微调模型以处理特定任务，那么数据集必须包括与该任务相关的文本，例如，如果要构建常见的具有情感反馈的微调数据集，则数据集应包含正面和负面评价的文本。

大模型

姜子牙大模型系列 | 为知识检索而生，Ziya-Reader开源，多个长文本中文任务第一

但是研究者们发现了一个问题，即使是额外扩展上下文窗口的大模型，从16k的GPT3.5到100k的Claude，面对多文档问答任务时，如果正确答案不在第一个或末尾的文档中，模型的回答准确率就会急剧下降

大模型 Ziya

<...89 90 91 929394 95 96 97 98 >

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