-
使用OpenAI Whisper的说话人识别管道
使用OpenAI Whisper的说话人识别管道 whisper-diarizationAutomatic Speech Recognition with Speaker Diarization based on OpenAI Whisper项目地址:...
-
大模型之二十七-语音识别Whisper实例浅析
Whisper简介 Whisper是OpenAI于2022年9月开源的一个多语种识别模型，目前支持99种语言，是目前性能最好的开源多语种识别ASR大模型，第一版版使用了68万小时标注好的语料预训练模型，而large-v3的标注数据超过了500万小时，其...
-
AIGC 大模型：实践与未来
一、AIGC 大模型的概念与发展 （一）AIGC 大模型的定义与特点 AIGC（AI Generated Content）大模型是一种基于大规模数据训练的人工智能模型，具备强大的内容生成能力和多模态交互能力。它能够理解和处理多种类型的信息，包...
-
AIGC初体验 Datawhale X 魔搭夏令营
跟DataWhale的步骤跑通baseline 环境安装 !pip install simple-aesthetics-predictor !pip install -v -e data-juicer !pip uninstall pytorch...
-
AIGC时代从新手到高手：B端竞品分析实战案例与技巧分享
文章目录 1）B端产品的信息获取困难 2）B端产品标准化程度低 3）需要具备业务知识 1）竞品画布就像一个菜谱，帮助新手快速上手 2）竞品画布相当于竞品分析报告的MVP（最小可用产品），低成本快速验证竞品分析的思路。 01 明确目标 案例...
-
猫头虎 Gemma和Gemini模型的区别是什么？
猫头虎 ? Gemma和Gemini模型的区别是什么？ 摘要? 在这篇文章中，我们将深入探讨Gemma和Gemini这两个由Google开发的AI模型。我们会对比它们的参数规模、计算资源需求和集成难度，帮助大家了解这两者之间的主要区别。无论你是AI...
-
AIGC 与 ChatGPT 的区别与联系
前言 在人工智能技术飞速发展的今天，生成式人工智能内容（AIGC）和对话式 AI（如 ChatGPT）成为了备受瞩目的话题。虽然这两者在技术基础和应用领域上有很多重叠之处，但它们也各自有独特的特点和用途。本文将深入探讨 AIGC 与 ChatGPT 的...
-
Datawhale X 魔搭 AI夏令营第四期 魔搭-AIGC方向 -task-02
一、AI生图的发展历程 随着人工智能（AI）技术的不断演进，特别是AIGC（AI-Generated Content，人工智能生成内容）的兴起，AI生图技术——即利用AI算法自动生成图像的技术，已经从一个遥远的梦想转变为现实应用中不可或缺...
-
Stable-Diffusion-WebUI-Collab 在 Google Colab 上的使用教程
Stable-Diffusion-WebUI-Collab 在 Google Colab 上的使用教程 stable-diffusion-webui-colabstable diffusion webui colab项目地址:https://gitco...
-
Distil-Whisper 开源项目教程
Distil-Whisper 开源项目教程 distil-whisperDistilled variant of Whisper for speech recognition. 6x faster, 50% smaller, within 1% wor...
-
英特尔计划携手AIST：在日本建立先进芯片研发中心
快科技9月4日消息，据媒体报道，随着日本政府对半导体产业扶持力度的显著增强，众多科技巨头纷纷将目光投向日本，选择在日本设立高端研究中心与生产据点，以抢占未来科技制高点。 此前，英伟达已宣布与日本顶尖科研机构日本产业技术综合研究所（AIST）携手，共同研发面...
-
Llama中的曼巴：通过推测解码加速推理
大型语言模型（LLMs）已经彻底改变了自然语言处理领域，但在处理非常长的序列时面临重大挑战。主要问题来自于Transformer架构的计算复杂度随序列长度呈二次方增长以及其巨大的键值（KV）缓存需求。这些限制严重影响了模型的效率，特别是在推理过程中，使生成...
-
LongLLaMA：扩展上下文处理能力的大型语言模型
LongLLaMA：扩展上下文处理能力的大型语言模型 long_llamaLongLLaMA is a large language model capable of handling long contexts. It is based on Ope...
-
全网最全，保姆级Stable Diffusion系列入门使用教程（图生图、LoRA、提示词权重），建议收藏！
大家好，我是画画的小强 今天将给大家讲解 Stable Diffusion 入门使用教程的 图生图、LoRA和提示词权重的教程，如果你还没有使用或者安装SD，那么可以看看我的往期入门教程AI绘画『Stable Diffusion』面向小白的免费AI绘画工...
-
探营万平外滩大会科技展：体验AI助手、脑机接口、超写实数字人
2024Inclusion·外滩大会将于明天正式开幕。9月4日，站长之家小编来到大会现场探营，今年围绕科技、人文、可持续三大关键词再次升级，特设10000平方米的科技展览和3000平方米的绿色生活节，为观众带来一场活色生香的沉浸式科技体验。 万平米的科技...
-
【保姆级讲解下AI绘画自动生成器有哪些?】
?博主：程序员不想YY啊 ?CSDN优质创作者，CSDN实力新星，CSDN博客专家 ?点赞?收藏⭐再看?养成习惯 ✨希望本文对您有所裨益，如有不足之处，欢迎在评论区提出指正，让我们共同学习、交流进步！ ?AI绘画自动生成器 ?人工智能(AI 绘...
-
“探索文心一言：百度AI写作助手使用指南”。
文心一言（wenxin yiyan）是百度推出的一款基于人工智能的文本生成工具，旨在帮助用户快速生成文章、文案等内容。要想快速上手使用文心一言指令，可以遵循以下步骤： 注册和登录：你需要访问百度文心一言的官方网站或平台，并注册一个账号。完成注册后，登...
-
如何用AI做出这样的LOGO？——AIGC绘画设计
看完本文，你就知道如何用AI来随心所欲的画LOGO了。 在写文章领域，以ChatGPT为首的生成式AI已经可以驾轻就熟的写出各种文档，从公文到小说，从年终总结到广告文案，甚至还会写代码。 在绘画领域，AI已经向画师们发起了挑战，更令人震惊的是，AI绘画...
-
如何在家用设备上运行 Llama 3.1 405B？搭建 AI 集群
在开放式 LLM 模型和封闭式 LLM 模型之间的竞争中，开放式模型的最大优势是您可以在本地运行它们。除了电力和硬件成本外，您无需依赖外部提供商或支付任何额外费用。但是，随着模型大小的增加，这种优势开始减弱。运行需要大量内存的大型模型并不容易。幸运的是，张...
-
AI日报：百度重磅发布智能“新搜索”；Luma新增镜头运动控制功能；ComfyUI图片转视频支持编辑表情；xAI上线全球最强AI训练系统Colossus
欢迎来到【AI日报】栏目!这里是你每天探索人工智能世界的指南，每天我们为你呈现AI领域的热点内容，聚焦开发者，助你洞悉技术趋势、了解创新AI产品应用。 新鲜AI产品点击了解:https://top.aibase.com/ 1、百度文心一言App全新升级为“...
-
上架10天，下载量6W+！表情包真的可以赚钱！（保姆级教程）
拜托，你不会还不知道吧，在大家还忙着跟网友斗图的时候，已经有人靠做微信表情包快速变现了！光靠一套表情包就躺赚50W+！ 紫沐甜心生成的表情包胭脂公主，上架10天后下载量就达到了快7万次！ OMG，难道这就是通往发家致富的捷径嘛？ 如果你也想用它简...
-
DataWhale夏令营第四期魔搭- AIGC方向 task02笔记#Datawhale AI夏令营
Task2：精读代码，实战进阶 聊聊相关：虽然现在很多的AI绘图都能被大家说“一眼鉴AI”，但随着技术日新月异的变化，我们也需要掌握辨识和判别他的能力。 Deepfake是一种使用人工智能技术生成的伪造媒体，特别是视频和音频，它们看起来或听起来非常真实...
-
震撼发布！阿里通义FunAudioLLM：重塑自然语音交互新纪元，开源引领语音处理革命！
近年来，人工智能的进步如 GPT-4o 和 Gemini-1.5极大地改变了人与机器的互动方式，2023这种转变在语音处理领域尤为明显。 阿里巴巴通义实验室近日发布并开源了 FunAudioLLM，这是一个旨在增强人与大型语言模型（LLMs）之间...
-
DIFFUSION 系列笔记| Latent Diffusion Model、Stable Diffusion基础概念、数学原理、代码分析、案例展示
目录 Latent Diffusion Model LDM 主要思想 LDM使用示例 LDM Pipeline LDM 中的 UNET 准备时间步 time steps 预处理阶段 pre-process 下采样过程 down sampl...
-
京东的AIGC革新之旅：通过JoyCoder实现研发提效 | 新程序员
【导读】从需求分析、设计编码到测试运维，AI已经逐步渗透到软件开发的各个环节，如何切实针对研发场景进行提效，是业内每个企业都在思考的问题。本文作者详细分析了AI在研发中的实际应用，并分享了JoyCoder与京东内部工具结合的实际案例，展示了AI...
-
重磅！Stable Diffusion创始团队推出FLUX.1：一夜颠覆MJ v6，DALL·E 3，SD3！
前言 Stable Diffusion 大家已经很熟悉了，是由 CompVis 团队开发的，这是一个隶属于德国慕尼黑大学的计算机视觉研究小组。该团队由多个研究人员和开发者组成，包括 Patrick Esser、Robin Rombach 和 Bjö...
-
OpenAI宣布启动GPT Next计划：AI性能有望提高100倍
快科技9月4日消息，日前，OpenAI Japan出席了KDDI峰会，介绍了公司即将推出的下一代AI模型，并宣布将在2024年启动GPT Next计划。 OpenAI Japan首席执行官长崎忠雄（Tadao Nagasaki）长崎忠雄在峰会上强调了AI技...
-
推荐项目：Hugo Whisper 文档主题
推荐项目：Hugo Whisper 文档主题 hugo-whisper-themeWhisper is a minimal documentation theme for Hugo.项目地址:https://gitcode.com/gh_mirrors...
-
本科毕业论文其实没有那么难
毕业论文作为大学生涯的终极考验，常常让许多本科生感到压力巨大。然而，事实上，本科毕业论文并没有那么难。只要掌握正确的方法和策略，再加上现代智能工具的帮助，如AIPapergpt一键智能论文平台，撰写一篇高质量的毕业论文其实是可以轻松完成的。本文将从选题、文...
-
深入解读Midjourney的起源和发展历程
深入解读Midjourney的起源和发展历程 1.背景介绍 1.1 人工智能时代的到来 随着计算机技术和算力的不断提升,人工智能(AI 技术正在迅速发展,并逐渐渗透到我们生活的方方面面。在这个新兴的AI时代,各种创新应用层出不穷,其中一个备受瞩目的领...
-
《Llama 3大模型》技术报告中英文版，95页pdf
现代人工智能（AI）系统由基础模型驱动。本文介绍了一套新的基础模型，称为Llama 3。它是一群本地支持多语言、编码、推理和工具使用的语言模型。我们最大的模型是一个具有4050亿参数和高达128K令牌上下文窗口的密集Transformer。本文对Llama...
-
CVPR`24 | 又快又好！渲染速度比ENeRF快30倍！4K4D:实时4K分辨率4D视图合成
文章链接：https://arxiv.org/pdf/2310.11448 git链接： https://zju3dv.github.io/4k4d/ 本文旨在实现动态3D场景在4K分辨率下的高保真和实时视图合成。最近，一些动态视图合成方法在渲染质量方面...
-
刚刚，英特尔发布最强CPU，AI PC迎来最高效x86芯片
最高效的x86芯片，应当是一种怎样的“打开方式”? 就在刚刚，英特尔给出了一份答案—— 英特尔®酷睿™Ultra200V系列处理器。 话不多说，直接上亮点: 最快的CPU:E核比上一代快68%，P核则快了14% 最快的内置（built-in）GPU:首次...
-
【扩散模型（六）】Stable Diffusion 3 diffusers 源码详解1-推理代码-文本处理部分
系列文章目录 【扩散模型（一）】中介绍了 Stable Diffusion 可以被理解为重建分支（reconstruction branch）和条件分支（condition branch） 【扩散模型（二）】IP-Adapter 从条件分支的视角，快...
-
NarratoAI —— 一站式AIGC自动化影视解说工具
随着人工智能技术的飞速发展，越来越多的工具开始涌现，旨在简化视频内容的创作过程。NarratoAI 就是一款基于先进AI大模型的自动化影视解说工具，它不仅能够自动生成视频脚本，还能完成视频剪辑、配音和字幕生成等一系列任务。本文将详细介绍 NarratoAI...
-
一夜蒸发2790亿美元！美国宣布对英伟达反垄断调查：AI芯片、显卡领域没对手
快科技9月4日消息，当地时间9月3日，美股低开低走，三大指数集体收跌，均创8月6日以来最大单日跌幅，而英伟达股价也是遭遇到了重创。 英伟达跌超9%，市值大跌2789亿美元（约合人民币19861亿元），创4月下旬以来最大单日跌幅。 当然了英伟达股价下跌，有多...
-
python从入门到精通：基础语法讲解
1、字面量 字面量：在代码中，被写下来的固定的值，称之为字面量。 python中常用的几种数据类型： 类型 描述 说明 数字（Number） 整数（int） 浮点数（float） 复数（complex） 布尔（bool） 整数（int）...
-
AI暴击客服行业：Bland.ai等对话式AI产品应用前景广泛
近期，有报道称，AI技术可能会对菲律宾的客服行业造成重大影响，预计未来五年内可能将有30万个工作岗位被AI取代。 菲律宾的呼叫中心行业每年为国家带来超过380亿美元的收入，占GDP的10%，并为大量年轻人提供了就业机会。然而，AI客服技术的发展，尤其是像B...
-
基于大模型的原神对话系统尝试
一.简介 该项目为一次大模型+游戏的尝试，成功实现了一个与原神内角色的对话系统。 演示视频：https://www.bilibili.com/video/BV1b48CeuELL github地址：https://github.com/goodlu...
-
Stable-Diffusion-WebUI-Prompt_Generator 使用与安装指南
Stable-Diffusion-WebUI-Prompt_Generator 使用与安装指南 stable-diffusion-webui-Prompt_Generator项目地址:https://gitcode.com/gh_mirrors/st/...
-
如何申请 Midjourney API ，看这篇文章就够了
如何申请 Midjourney API ，看这篇文章就够了 Midjourney 是一款非常强大的 AI 绘图工具，只要输入关键字，就能在短短一两分钟生成十分精美的图像。Midjourney 以其出色的绘图能力在业界独树一帜，如今，Midjourney...
-
WebLlama 项目使用教程
WebLlama 项目使用教程 webllamaLlama-3 agents that can browse the web by following instructions and talking to you项目地址:https://gitcod...
-
普通人如何零基础进入AIGC大模型人形机器人赛道，自学攻略，应用转化项目案例
要进入人形机器人赛道，普通人需要了解和掌握一系列的技能和知识，包括机器人设计、编程、电子工程、机械工程以及团队合作和项目管理。以下是一个详细的指南，帮助你从零基础开始，逐步进入这个充满挑战和机遇的领域。 基础教育和技能培养 进入人形机器人领域，基础...
-
【AI绘画】ComfyUI 入门教程：安装 ComfyUI，AIGC新手入门教程
大家好，我是写编程的木木。 ComfyUI 是 Stable Diffusion 的一个基于节点组装绘图流程的图形用户界面（GUI）。通过将不同的节点连接在一起，你可以在 ComfyUI 中构建图像生成工作流。一个完整的工作流看起来像下面这样： C...
-
Mac 部署Stable Diffusion WebUI和ControlNet的保姆级教程（附安装包）
Stable Diffusion是2022年发布的深度学习文本到图像生成模型。它主要用于根据文本的描述生成详细图像，它也可以应用于其他任务，如内补绘制、外补绘制，以及在提示词（英语）指导下产生图生图的翻译。详细介绍看维基百科词条Stable Diffusi...
-
【Midjourney】Midjourney全面开放网站版，所有用户每天可免费生成25次
Midjourney一直作为AI文生图领域的龙头老大，最近对面对市场上日益增长的竞争压力，尤其是来自 Flux 的挑战，终于向所有用户开放官方网站。尽管还处于早期阶段，但为了吸引更多用户体验，它暂时是完全免费的。 下面是Midjourney 官方发布了一...
-
爆了，Llama 3.5 405B 爆超GPT-4o，参数直接飙到405B,开源终于战胜了闭源大模型GPT-4o
赶超 GPT-4o，最强大模型 Llama 3.1 405B 一夜封神，扎克伯格：开源引领新时代 就在刚刚，Meta 如期发布了 Llama 3.1 模型。 简单来说，最新发布的 Llama 3.1 405B 是 Meta 迄今为止最强大的模型，也...
-
AI绘画免费图生图：轻松生成你的专属艺术作品
在这个色彩斑斓的数字时代，每个人的心中都藏着一片未被发掘的艺术沃土，渴望以独特的笔触勾勒出属于自己的梦幻世界。 你是否也曾幻想过，只需轻轻一点，那些天马行空的想象就能跃然屏上，成为触手可及的艺术作品？现在，这一切都不再是遥不可及的梦想，因为有了“ai机西...
-
2500字长文｜设计师视角解释AI绘画底层原理
hello，大家好，我是想象。 今天给大家带来的分享是如何通过设计师视角，用设计师语言帮助大家快速理解AI绘画的底层逻辑。 作为一名设计师，我也在很长一段时间不清楚AI绘画到底是怎么出图的，如果没有了解本质，只是了解大概，不理解里面各个参数后面的原理，...
-
Datawhale X 魔搭 AI夏令营 第四期AIGC_task03笔记
工具初探一ComfyUI 认识ComfyUI ComfyUI 是"Graphical User Interface"（图形用户界面）的缩写，简单来说，GUI 就是你在电脑屏幕上看到的那种有图标、按钮和菜单的交互方式。ComfyUI 是GUI的一种，是...