文章列表-AI魔法学院

Suno AI是一款由麻省理工团队开发的强大人工智能音乐生成器，于2022年创立，创始团队包括Mikey Shulman和Camachoeorg Kucsko等专家。Suno通过结合人工智能技术与音乐创作，降低了音乐制作的门槛，为音乐爱好者和专业人士提供了新的创作工具，推动了音乐创作的民主化。它不仅能生成音乐的旋律和伴奏，还能创作歌词和人声，提供基础模式和自定义模式两种创作方式。在最新的V3版本中，Suno引入了更多自然的人声和为用户提供更细致创作控制的新功能。 Suno不仅关注于音乐创作，也致力于探索新的音乐消费和分享方式。它使音乐创作更加普及和个性化，改变了人们与音乐的关系，促进了音乐作为一种表达和沟通方式的发展。同时，Suno也提供了一个平台，让创作者可以分享自己的音乐作品，发现来自世界各地的创作者和他们的作品，从而激发新的灵感和创意。这种跨文化的交流和合作将推动音乐的创新，使其成为一种真正全球化的语言。总的来说，Suno AI的出现为音乐创作和消费带来了革命性的变化，它降低了音乐创作的门槛，推动了音乐创作的民主化，同时也为音乐产业带来了新的商业模式和服务的可能性。

AI音乐 SunoCEO 2024-04-07

大模型

“大模型+机器人”的现状和未来，重磅综述报告来了！

本文综述了基础模型在机器人学中的应用，包括感知、决策与规划、控制等方面。视觉Transformer和视觉-语言模型提高了机器人感知的通用性和泛化能力，大型语言模型助力决策与规划，实现了从语言到行动的映射，而扩散模型和视觉-语言模型则优化了机器人控制。基础模型为机器人注入了语言理解、视觉泛化、常识推理等能力，预示着机器人学的新发展。未来，基础模型在机器人领域的应用将更广泛，需解决实时性、鲁棒性和可解释性等问题，推动机器人技术为社会带来更大福祉。

大模型+机器人现状与未来 2024-04-07

教程

GPTs使用指南 | 保姆级GPTs入门教程，0代码基础也能做AI产品

本文介绍了如何创建自己的GPTs，包括注册ChatGPT官网、开通ChatGPT Plus服务、进入GPTs创建入口、完善GPTs配置、保存并发布GPTs等步骤。同时，还推荐了一款名为GPTs Find的产品，帮助用户快速寻找可用的GPTs，并提供了GPTs搜索、入门教程、智能问答机器人和最新信息交流社群等功能。

GPTs使用 AI产品制作 2024-04-07

语音

Whisper对于中文语音识别与转写中文文本优化的实践(Python3.10)

文章主要讨论了阿里FunAsr对Whisper中文领域转写能力的挑战，并提供了通过优化措施提高Whisper在中文转写上的表现。首先，文章指出Whisper在中文语音转写后对标点符号的支持不够完备，但可以通过调整DecodingOptions中的prompt参数进行引导，改善标点符号的标注效果。其次，文章介绍了使用transformers库调用中文模型的方法，特别是BELLE-2/Belle-whisper-large-v2-zh模型，该模型在whisper的large-v2模型基础上针对中文进行了微调，提高了中文语音识别的准确度和效率。尽管该模型在标点能力方面有所弱化，但仍可通过其他方案如基于标点模型对转写文本加标点来弥补。文章还提到了small模型的中文优化版本，如Jingmiao/whisper-small-chinese_base。最后，文章总结了通过微调预训练模型，可以将其应用于特定的中文NLP任务，提高模型在该任务上的性能。

Whisper 中文语音 2024-04-07

SQL

RLHF 在 Text2SQL 领域中的探索

文主要介绍了 Text2SQL 的基本概念，以及 RLHF 的概念和框架，最后结合 DB-GPT-Hub 项目，将 RLHF 方法应用于 Text2SQL 任务进行实践探索。

Text2SQL RLHF 2024-04-07

开源

腾讯开源的照片生成工具PhotoMaker，采用高效个性化文本到图像生成方法，可生成逼真人类照片并具备堆叠ID嵌入功能。该技术展现了在文本到图像生成领域的新突破，尤其在个性化和真实感方面。使用Python和PyTorch框架，并提供了详细的安装、依赖项和测试指导。用户可通过Gradio界面上传多张定制人物照片，调整风格强度、基础模型和LoRAs，生成个性化图像。减少采样步骤可加速生成，但可能影响ID忠实度。项目链接：https://github.com/TencentARC/PhotoMaker。

PhotoMaker 照片风格生成 2024-04-07

LLM

Byzer-LLM 快速体验智谱 GLM-4

本文介绍了Byzer-LLM，一个可以部署和使用市面上主流开源和SaaS版本大模型的工具。文章重点介绍了如何快速体验GLM-4模型，包括注册账号、申请API Key、部署使用等步骤。此外，文章还提到了Byzer-LLM的一些独特功能，如Function Calling、RespondWith Class和Funciton Impl，以及两套实现方式：基于Prompt改写和基于SystemMessage+Prompt改写。最后，文章对GLM-4的测试结果进行了评价，认为其表现惊艳。

Byzer-LLM 智谱GLM-4 2024-04-07

ChatGPT

ChatGPT写论文最强指令！

文章请求了九种不同类型的学术帮助，包括收集文献资料、搜索特定作者或研究机构的论文、查找综述文献、分析和总结已有研究、润色和编辑论文、添加权威例证或引用、检查重复或不一致内容、提供改进逻辑和论证的建议，以及协助收集数据并展示图表。每种请求都旨在提升论文的质量、可信度和可读性。

ChatGPT写论文最强指令 2024-04-07

儿童

AI赋能实验室：儿童绘本插图

本文描述了一个儿童图书插图，展示了一个充满好奇心的动物在色彩鲜艳、充满魔法的环境中展开冒险的场景。插图需展现出动物的好奇心、顽皮举止，以及鲜艳的色彩和明亮的色调，以吸引儿童的注意。同时，插图需保持原始的手绘质感，以增加原创性和情感表达。挑战在于如何在保持手绘感的同时，让插图生动有趣且充满活力，以激发儿童的好奇心和探索欲望。

AI实验室儿童绘本 2024-04-07

Stable Diffusion

SD好复杂，是不是很糊，一文搞懂Stable Diffusion的各种模型及用户操作界面

在【AI绘画神器】探索Stable Diffusion、Midjourney与DALL-E 3：让创意无限飞扬！这篇文章中对 Stable Diffusion 的各个功能做了详细介绍，今天主要是以一秒内就能生成图片的爆炸性模型 SDXL Turbo的发布为契机，对SD 的各类基础模型：SD 1.x、SD 2.x、SD 1.5、SDXL 1.0和SDXL Turbo，及操作界面：WebUI、ComfyUI和Fooocus进行详细介绍，一文搞懂他们之间的关系，选择不迷路。

Stable Diffusion 文生图 2024-04-03

大模型

开源大模型王座易主！谷歌Gemma杀入场，笔记本可跑，可商用

刚刚，谷歌杀入开源大模型。开源领域大模型，迎来了重磅新玩家。谷歌推出了全新的开源模型系列「Gemma」。相比 Gemini，Gemma 更加轻量，同时保持免费可用，模型权重也一并开源了，且允许商用。

开源模型 Gemma 2024-04-03

开源

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

AudioCraft 是一个用于音频生成的 PyTorch 库。它包含了两个最先进的 AI 生成模型 (AudioGen 和 MusicGen) 的推理和训练代码，可以产生高质量音频。

AudioCraft 音频 2024-04-03

史上最好的中文大预言模型出现了！！！

Kimi Chat 大模型 2024-04-03

GPTs

小心你的GPTs 防守篇 - 自带六神装的高防GPTs

距离我们 GPTs 攻防的上篇发布到现在已经过去了两周，也有很多的群友积极参与了我们的攻防活动，但是截止目前还没有人破解到我们的 prompt，不少群友想要我们分享一下防守的经验，这一篇我们就来为大家带来，我们收集到的所有 GPTs 防守技巧，希望能帮大家守护好自己的“提示词财富”

GPTs 大模型 2024-04-03

RAG

RAG模型的主要痛点和解决方案

检索增强生成（RAG）模型已经成为一种有前景的方法，通过利用存储在文档中的外部知识来提高生成文本的准确性和相关性。通过检索和条件化相关的上下文文档，RAG模型可以产生比传统语言模型更具事实性、深度和特定性的响应。

rag 大模型 2024-04-03