文章庫ARTICLE COLUMN
Llama3 中文聊天項目綜合資源庫，該文檔集合了與Lama3 模型相關的各種中文資料，包括微調版本、有趣的權重、訓練、推理、評測和部署的教程視頻與文檔。1. 多版本支持與創新：該倉庫提供了多個版本的Lama3 模型，包括基于不同技術和偏好的微調版本，如直接中文...
NVIDIA和MIT的研究人員推出了一種新的視覺語言模型(VLM)預訓練框架，名為VILA。這個框架旨在通過有效的嵌入對齊和動態神經網絡架構，改進語言模型的視覺和文本的學習能力。VILA通過在大規模數據集如Coy0-700m上進行預訓練，采用基于LLaVA模型的不同預訓練策略...
OpenAI最近發布了新一代AI推理模型——o1，標志著其在復雜推理任務上的重大進展。該模型包括兩個版本：o1-preview和o1-mini，分別針對復雜推理和快速處理任務。模型需要長時間思考，非GPT家族，調用方式需要修改調用成本3倍起步調用次數嚴格限制，每周幾十次...
v0是一個專為網頁開發設計的智能助手，它通過對話形式提供服務。你可以與v0進行互動，無論是代碼調試、解答編程問題還是生成代碼片段，v0都能在前端開發領域提供專業的幫助。它精通TypeScript、React、Next.js、Vercel等前端技術，能夠為你提供深入的技術指導...
AI視頻生成賽道風起云涌，國內外新穎的文生、圖生視頻產品層出不窮。在各大廠商的內卷之下，當下的視頻生成模型各方面已經接近以假亂真的效果。例如，OpenAI 的 Sora 和國內的 Vidu、可靈等模型，通過利用 Diffusion Transformer 的擴展特性，不僅能...
在人工智能的浪潮中，個性化體驗已成為創新的關鍵。而隨著各種各樣的模型迭代更新，如何為AI應用提供持久、智能的記憶系統逐漸成為了一個關鍵挑戰。最近開源的Mem0項目為我們提供了一個強大的解決方案。它為大型語言模型(LLM)提供了一個智能、自我優化的記憶...
隨著大型模型技術的持續發展，視頻生成技術正逐步走向成熟。以Sora、Gen-3等閉源視頻生成模型為代表的技術，正在重新定義行業的未來格局。而近幾個月，國產的AI視頻生成模型也是層出不窮,像是快手可靈、字節即夢、智譜清影、Vidu、PixVerse V2 等。就在近日，...
Gradient Al最近將Llama-3 8B和7B模型通過漸進式訓練方法不斷將Llama-3模型的上下文長度從8k-路擴展到262k、524k今天Gradient Al成功宣布成功地將Llama-3 系列模型的上下文長度擴展到超過1 M...并且1M上下文窗口 70B 模型在 NIAH(大海撈針)上取得了完美分數。...
簡介近年來，人工智能（AI）技術的進步極大地改變了人類與機器的互動方式，特別是在語音處理領域。阿里巴巴通義實驗室最近開源了一個名為FunAudioLLM的語音大模型項目，旨在促進人類與大型語言模型（LLMs）之間的自然語音交互。FunAudioLLM包含兩個核心模型：...
繼前幾日推出完開源大模型Llama 3.1后，就在剛剛，Meta在 SIGGRAPH 上重磅宣布 Segment Anything Model 2 (SAM 2) 來了。在其前身的基礎上，SAM 2 的誕生代表了領域內的一次重大進步 —— 為靜態圖像和動態視頻內容提供實時、可提示的對象分割，將圖像和視頻...
近日，當下炙手可熱的快手宣布開源旗下明星產品可靈中一項重要技術項目LivePortrait。，該框架能夠準確、實時地將驅動視頻的表情、姿態遷移到靜態或動態人像視頻上，生成極具表現力的視頻結果。如下動圖所示：LivePortrait的主要功能包括從單一圖像生成生動動...
前幾個月OpenAI大名鼎鼎的Sora 一經發布，似乎象征著視頻領域已經進入了生成式 AI 時代。不過直到今天，我們仍然沒有用上OpenAI 的官方視頻生成工具，等不及的人們已經開始尋找其他的方法。其中不乏一些國內的廠商如快手的可靈等等。而在近日，一款全新的開源...
Perplexica是一個開源的人工智能搜索工具，也可以說是一款人工智能搜索引擎，它深入互聯網以找到答案。受Perplexity AI啟發，它是一個開源選擇，不僅可以搜索網絡，還能理解您的問題。它使用先進的機器學習算法，如相似性搜索和嵌入式技術，以精細化結果，并...
項目介紹Code2prompt 是一個命令行工具，能將你的代碼庫轉化為單一的大型語言模型（LLM）提示，結合源碼樹結構，模板定制，以及令牌計數。它旨在簡化與高級上下文窗口模型如GPT或Claude的交互，助你在重寫代碼、查找bug、編寫文檔和實現新功能等方面提升效率...
項目簡介Funclip 是阿里巴巴通義實驗室開源的一款視頻剪輯工具，專門用于精準、便捷的視頻切片。它能夠自動識別視頻中的中文語音并允許用戶根據語音內容來裁剪視頻。該工具使用了阿里巴巴語音識別模型FunASR Paraformer-Large確保了剪輯的精準性。你可以根據...
GOT-OCR2.0是一款新一代的光學字符識別（OCR）技術，標志著人工智能在文本識別領域的重大進步。作為一款開源模型，GOT-OCR2.0不僅支持傳統的文本和文檔識別，還能夠處理樂譜、圖表以及復雜的數學公式，為用戶提供了更加全面和高效的解決方案。產品功能及特點...
項目簡介Khoj是一個開源的、個人化的AI助手，旨在充當你的第二大腦。它能夠幫助你回答任何問題，不論這些問題是在線上的還是在你自己的筆記中。Khoi 支持使用在線AI模型(例如 GPT-4)或私有、本地的語言模型(例如 Llama3)。你可以選擇自托管 Khoj，也可以使用...
小模型，成為本周的AI爆點。與動輒上千億參數的大模型相比，小模型的優勢是顯而易見的:它們不僅計算成本更低，訓練和部署也更為便捷，可以滿足計算資源受限、數據安全級別較高的各類場景。因此，在大筆投入大模型訓練之余，像 OpenAI、谷歌等科技巨頭也在積極...
在視頻中插入手繪動畫！傳統上這是一項非常困難的任務，但 VideoDoodles 讓它成為可能。VideoDoodles是Adobe公司聯合多所大學推出的AI視頻編輯框架。支持用戶在視頻中輕松插入手繪動畫，實現與視頻內容的無縫融合。通過預處理視頻幀，系統提供平面畫布，用戶...
自從OpenAI公布了Sora后，震爆了全世界，但由于其技術的不成熟和應用的局限性，未能大規模推廣，只有零零散散的幾個公布出來的一些視頻。昨日，快手成立13周年，可靈（Kling）大模型發布，體驗后不由得感嘆，炸裂，太震撼了，快手可靈，除了那個沒發布的Sora...
6月20日周四，OpenAI競爭對手Anthropic發布了公司迄今為止性能最強大的AI模型Claude 3.5 Sonnet。在覆蓋閱讀、編程、數學和視覺等領域的多項性能測試中，Claude 3.5 Sonnet的性能略勝一籌，吊打GPT-4o等一眾競爭對手的AI模型，且優于自家旗艦模型Claude 3 Opu...
在人工智能領域，自然語言處理技術一直備受關注。就在昨日,今年備受關注的國內AI公司北京智譜AI發布了第四代 GLM 系列開源模型：GLM-4-9B。這是一個集成了先進自然語言處理技術的創新平臺，它憑借清華大學KEG實驗室提出的GLM模型結構，為智能體功能的發展帶來...
項目簡介AniTalker是一個開源項目，它利用靜態照片和音頻文件來創造動態的面部說話視頻。AniTalker采用了一種通用的運動表示方法。這種創新的表示方法有效地捕捉了廣泛的面部動態，包括微妙的表情和頭部動作。AniTalker通過兩種自監督學習策略增強了運動描述...
檢查內容是否用了ChatGPT，準確率高達99.9%！OpenAI又左右互搏上了，給AI生成的文本打水印，高達99.9％準確率抓「AI槍手」作弊代寫。其能夠精準識別出論文或研究報告是否由ChatGPT撰寫，甚至能追溯其使用的具體時間點。它能專門用來檢測是否用ChatGPT水了論文...
過去我們讓AI說話，它給出的總是不咸不淡的機器合成聲音，毫無波瀾的死板音調讓人聽得昏昏欲睡。但由于chatTTS的到來，一切都將會變得不一樣。作為一款強大的對話式文本轉語音模型，它完美解決了用戶對于生動對話的需求。如此功能不可小覷，可以稱得上在業界...
ChatGPT和Sora等AI大模型應用，將AI大模型和算力需求的熱度不斷帶上新的臺階。哪里可以獲得...
大模型的訓練用4090是不合適的，但推理（inference/serving）用4090不能說合適，...
圖示為GPU性能排行榜，我們可以看到所有GPU的原始相關性能圖表。同時根據訓練、推理能力由高到低做了...
89542767
社區管理員
白馬嘯西風