-
《人工智能》
-
前言
-
數據中心
-
理論知識
-
基本安裝
-
基本知識
-
Transformer
-
脈沖神經網絡 (SNN)
-
數據處理
-
聲音處理
- FunASR：阿里的語音識別
- Kaldi：ASR，語音識別，可以訓練聲學模型
- 星辰語音識別開源大模型：中國電信，【超多方言】ASR
- 最難方言溫州話被攻克！中國電信語音大模型支持30種方言
- 播放音頻文件
- 讓 Python 來幫你朗讀網頁吧
- 從零開始搭建一個語音對話機器人
- Seed-TTS：字節發布高性能高逼真語音合成框架
- ChatTTS：語音合成
- edge-tts：語音合成，調用的微軟edge的在線語音合成服務
- pyttsx3：語音轉換
- python實現TTS離線語音合成
- StyleTTS2：one-shot語音風格遷移和逼真語音轉換的論文閱讀和代碼實戰
- Matcha-TTS：語音合成，
- Bailing-TTS：巨人網絡支持普通話和方言混說的TTS大模型
-
圖像處理
-
視頻處理
-
文字處理
-
多模處理
-
動態記憶和自我反思
-
論文精選
-
大模型LLM
-
AIAgent
- 新一代AI模型Claude 3：有大學生智商，全面超越GPT-4
- FastChat——一個用于訓練、部署和評估基于大型語言模型的聊天機器人的開放平臺
- 谷歌DeepMind推出新一代藥物研發AI模型AlphaFold 3
- LangChain-Chatchat (原 Langchain-ChatGLM)
- MaxKB本地私有大模型部署
- YOLO v10視覺目標檢測算法本地端部署
- Fay數字人框架 助理版
- 百度開源 / Senta - 情感分析旨
- Moshi：法國的ai研究者Kyutai推出開源實時語音多模態模型
- GraphRAG：微軟開源 的下一代 RAG 技術
- Move AI 推出 Move API，實現 2D 視頻轉 3D 運動數據
- Cloudflare 推出一鍵阻止 AI 機器人的新工具
- 騰訊開源混元 Captioner 模型，優化文生圖數據集生成
- 改變答題順序會顯著降低大模型準確率
- OpenDevin：卡內基梅隆大學教授創立 All Hands AI，推出開源 AI 軟件代理 OpenDevin
- 漆遠創立無限光年，獲阿里投資進軍可信大模型賽道
- 阿里發布 FunAudioLLM 開源項目，推出 SenseVoice 和 CosyVoice 兩大語音模型
- 快手文生圖大模型 Kolors 宣布開源
- 商湯科技發布 InternLM-XComposer2.5 視覺語言模型
- 穹徹智能推出具身大腦 Noematrix Brain，聚焦操作物理常識與行為決策
- 華中科技大學等團隊推出 Holmes-VAD，實現視頻異常檢測與解釋
- 可靈AI/Kling：快手視頻生成大模型 可靈 AI Kling
- 徹底改變語言模型：全新架構TTT，ML模型代替RNN隱藏狀態
- 新型TTT架構誕生，能否取代Transformer和Mamba成為最強大模型？
- DG4D/DreamGaussian4D：四維建模及運動控制模型
- CosyVoice:阿里的語音生成，支持多語言、音色和情感控制
- SenseVoice ：阿里語音識別、語種識別、情感識別、聲學事件分類或檢測
- Seed-TTS：字節的的語音生成，太逼真太形象了
- Fish-Speech：開源的TTS項目，語音生成
- ollama:大模型運行平臺，支持cpu運行大模型
- 當實時數字人遇上LLM
- CMD 下的基本指令
- 語音對話大模型：借助阿里的FunAudioLLM搭建語音對話模型
- CogVideo：智譜版Sora開源爆火，4090單卡運行，A6000可微調
-
功能模塊
國學
人工智能
簡介：人工智能
圣賢書院