多语言声音克隆，CosyVoice模型最强部署
CosyVoice是由阿里通义实验室开源的先进语音合成模型，它在多语言语音生成、零样本语音生成、跨语言声音合成和指令执行能力方面表现出色。CosyVoice模型支持one-shot音色克隆，仅需3~10秒的原始音频即可生成模拟音色，包括韵律、情感等细节。CosyVoice采用了超过15万小时的数据训
最强终端部署的多模态MiniCPM-V模型部署分享（不看后悔）
MiniCPM-V模型是一个强大的端侧多模态大语言模型，专为高效的终端部署而设计。目前该模型有MiniCPM-V 1.0、MiniCPM-V 2.0和MiniCPM-Llama3-V 2.5版本。
Datawhale X 魔搭 AI夏令营第四期（AIGC学习笔记）
扩散过程是一个给图片逐渐添加噪声直至完全淹没的过程，在这个过程中，训练一个网络预测噪声。如果噪声预测得非常准确，那么从一个含有噪声的图片中减去预测的噪声，就能恢复原图。扩散模型（diffusion probabilistic model）本质上是一种马尔可夫链（Markov chain），使用变分推
AIGC降重指南：如何有效使用AI工具降低论文查重率
阐述AI工具在论文降重过程中的重要性，通过先进的算法支持，这些工具帮助提升论文质量，同时降低AI率。
AI推文神器,虹猫ai,文刻创作出品,sdmj二合一虹猫
用户可以通过简单的输入，指定生成文本的主题和风格，虹猫AI就能迅速生成符合要求的推文或文章。它可以根据用户的输入和指定的主题，自动生成与之相关的推文。无论是社交媒体的推广、舆情监控还是品牌营销，虹猫都能灵活应对，生成与目标受众兴趣相关的内容，提升传播效果。SDMJ模型基于深度学习技术，能够分析大量的
ECCV2024中有哪些值得关注的扩散模型相关的工作？
通过广泛的人类评估和基于GPT的组合评估，RFNet在生成现实和幻想场景方面优于现有方法。实验结果表明，RFNet在处理需要高度创造力和抽象思维的提示时，能够生成更准确、更具一致性的图像，展示了其在文本到图像生成任务中的优越性能。研究者们提出了Realistic-Fantasy Network (R
Datawhale AI夏令营第四期魔搭- AIGC文生图方向 task02笔记
本次是学习内容是Datawhale AI夏令营第四期-AIGC文生图方向的学习笔记。学习链接地址Datawhale。欢迎大家在评论区交流。AIGC（Artificial Intelligence Generated Content）即人工智能生成内容，即人工智能通过学习大量的数据，来实现自动生成各种
AI多模态教程：Qwen-VL多模态大模型实践指南
使用官方项目里提供的微调脚本进行LoRA微调测试，模型采用HuggingFace下载的那个全精度模型，数据采用上面的示例数据，建议模型路径使用绝对路径，如果你想节省显存占用，可以考虑使用chat模型进行LoRA微调，显存占用将大幅度降低。提供finetune.py脚本和shell脚本的目的是为了简化
为什么现在的LLM都是Decoder only的架构？
总而言之，decoder-only 在参数量不太大时就更具有更强的zero-shot性能、更匹配主流的自监督训练范式；而在大参数量的加持下，具有了涌现能力后、可以匹敌encoder-decoder做finetuning的效果；在In Context的环境下、又能更好地做few-shot任务。deco
图像检索在ImageNet分类任务中的优势：超越扩散模型生成图像
今天要聊到的这篇论文更全面地探究了扩散模型在下游任务如分类的贡献程度，作者在imageNet数据集上应用了4种不同的数据增强方法，一种为从Laion-5b数据集中直接图像检索得到同类别的图片，其余三种为基于扩散模型的数据增强方法，分别在这些增强后的训练集上训练ResNet50，并比较这四种数据增强方
2024年最新ComfyUI汉化及manager插件安装详解！
在ComfyUI文生图详解中，学习过如果想要安装相应的模型，需要到模型资源网站（抱抱脸C站魔塔哩布等）下载想要的模型，手动安装到ComfyUI安装目录下对应的目录中。为了简化这个流程，我们需要安装ComfyUI-manager插件，通过这个插件就可以方便快捷安装想要的其他插件或者模型。
Maxkb——无需代码，快速构建自己的AI助手
无需代码，快速构建一个属于自己的AI助手！
SenseVoice多语言语音理解模型之最新部署落地经验
SenseVoice是一个专注于多语言语音识别、情感辨识和音频事件检测的模型。SenseVoice经过超过40万小时的数据训练，支持超过50种语言的识别，效果在某些场景下优于Whisper模型。除了基本的语音转文本功能，SenseVoice还具备情感辨识能力，能够分析说话者的情绪状态，这对于构建更加
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！
本报告介绍了 FunAudioLLM，这是一个旨在增强人类与大型语言模型 (LLM) 之间的自然语音交互的模型系列。其核心是两个创新模型：SenseVoice，用于处理多语言语音识别、情感识别和音频事件检测；CosyVoice，用于促进自然语音生成，并控制多种语言、音色、说话风格和说话者身份。
一键音频驱动图片数字人项目——EchoMimic(附整合包)
阿里出品数字人相关项目——EchoMimic。整合包已发布！
[AIGC] Doris：一款高效的MPP数据仓库引擎
在大数据处理的领域中，Apache Doris（原百度 Palo）是一个高效的MPP（大规模并行处理）数据仓库，最初由百度开发，现在已经成为Apache的孵化项目。(图片取自百度)
【AI大模型应用开发】阿里通义千问API如何使用？如何无缝兼容OpenAI？
前面文章中，我们有介绍过OpenAI API、百度文心一言API、智谱AI API、月之暗面Moonshot API的使用方法，今天这篇文章，我们再来学习下阿里通义千问API的使用方法。并且，在OpenAI API对中国地区封禁的背景下，我们也来看下通义千问API是否能够完全替代OpenAI API
AI一键生成PPT软件有哪些？首推这5款免费做PPT的AI工具，办公利器！
AI一键生成PPT免费版软件正在彻底改变我们制作和展示信息的方式。从博思AIPPT到Beautiful.ai，从Canva AI PPT到Prezi和Gamma，这些AI一键生成PPT工具各具特色，为不同需求的用户提供了多样化的选择。它们不仅大大提高了工作效率，还降低了制作高质量演示文稿的门槛，使得
IC-Light：一键AI照片打光整合包
ControlNet的创作者再次带来了新的技术突破：IC-Light，全称“Imposing Consistent Light”，这项技术能够对输入的图像进行照明重塑。IC-Light目前提供两种模式：文本引导和背景图引导。用户只需输入相关的文本提示（例如“左侧光线”、“日光”），IC-Light将
OpenAI 新推出 AI 问答搜索引擎——SearchGPT 震撼登场
您的浏览器不支持 video 标签。SearchGPT 支持多种强大的功能。首先，它能够通过聊天问答的形式搜索全网的任何内容，让用户能够轻松获取所需信息。其次，它还支持图像搜索，为用户提供更丰富的搜索方式。此外，它配备了小部件，包括天气、计算器、体育、金融和时区等，方便用户在搜索的同时获取各种实用信
