文章列表-AI魔法学院

文章列表

从声纹模型到语音合成：音频处理 AI 技术前沿 | 开源专题 No.45

该项目还提供了其他功能： · MusicGen：一种最新技术实现的可控文本到音乐模型。

AudioCraft 音频

国内厂商语音识别与Whisper评测：现状与概况对比

（Speech To Text, STT），其目标是以电脑自动将人类的语音内容转换为相应的文字。

语音识别 Faster-Whisper

Stable Diffusion

Stable Diffusion LightFlow 作弊插件！一键复用工作流

导出成功后你可以看到一个 .flow 文件。

流程 SD

数字人之声音克隆：无样本，1分钟样本完美克隆声音，开源

零样本文本到语音（TTS）：输入 5 秒的声音样本，即刻体验文本到语音转换。

数字人声音克隆 GPT-SoVITS

Langchain中改进RAG能力的3种常用的扩展查询方法

使用扩展后的查询将从向量数据库中获取更多相关文档。

检索增强生成 Langchain

AI生成卡通人物项目|VToonify

在本文中，我们通过引入一种新颖的 VToonify 框架来研究具有挑战性的可控高分辨率肖像视频风格转移。

AI生成卡通人物 VToonify

clone-voice：一键克隆声音，开源AI技术让声音创作更便捷、更个性化

只需提供一段简短的音频样本，它就可以根据该样本生成与原始声音极其相似的克隆声音，并且支持多种语言，目前包括中文、英文、日语、韩语等，甚至还扩展到了法语、德语、意大利语等16种语言，为用户提供了更广泛的应用可能性

clone-voice 声音克隆

A1111 终于支持最先进 SDXL ControlNet！安装方法看这里~

github 网址： https://github.com/Mikubill/sd-webui-controlnet ②　点击 Code，Download Zip ③　将下载的文件解压

大模型 SDXL ControlNet

大模型微调数据选择和构造技巧

在做一个模型时候，比如简单的文本分类，我不可能一股脑把所有数据都扔给标注，这样干存在一个问题，一般情况下我们数据的分布都是符合一个长尾分布的。

大模型微调

openpose原理及安装教程（姿态识别）

使用CMake进行配置和生成项目文件。

行为识别姿态识别

PostgreSQL的三位一体——在大模型应用中结合关系型、向量和时间序列数据

在RAG应用中，如果行业知识文件被切分出几万个，那么使用时间过滤就会非常重要，比如我们只需要检索2023年3月份的合同文件，那么就可以用时序数据将目标chunk从几万个里面先挑出来，再进行向量计算。

大模型 PostgreSQL

【本地部署】智谱chatglm3-6B第三代！性能如何？支持调用tools+Agent+代码执行！小白教程！附网盘下载！

看完整个宣发文案，雄哥觉得最大的亮点！

chatglm 智普大模型

搭建程序员自己的在线工具库 it-tools

其主要功能 Crypto工具类，生成token，哈希文本，生成UUID，文本加解密等10种功能 Converter工具类 Yaml 转化器，Json转化器，Base64字符串编码等15种功能

开源项目工具类

大模型高效微调：🤗 PEFT 使用案例

代码：https://github.com/huggingface/peft 文档：https://huggingface.co/docs/peft/index PEFT 使用接下来将展示🤗

大模型

在Win11上部署ChatGLM3详细步骤

评测显示，在44个中英文公开数据集测试中，到目前为止ChatGLM3在国内同尺寸模型中排名首位。

大模型 ChatGLM 智普

<...90 91 92 939495 96 97 98 99 ...>

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