-
《人工智能》目录
-
前言
-
数据中心
-
理论知识
-
基本安装
-
基本知识
-
Transformer
-
脉冲神经网络 (SNN)
-
数据处理
-
声音处理
- FunASR：阿里的语音识别
- Kaldi：ASR，语音识别，可以训练声学模型
- 星辰语音识别开源大模型：中国电信，【超多方言】ASR
- 最难方言温州话被攻克！中国电信语音大模型支持30种方言
- 播放音频文件
- 让 Python 来帮你朗读网页吧
- 从零开始搭建一个语音对话机器人
- Seed-TTS：字节发布高性能高逼真语音合成框架
- ChatTTS：语音合成
- edge-tts：语音合成，调用的微软edge的在线语音合成服务
- pyttsx3：语音转换
- python实现TTS离线语音合成
- StyleTTS2：one-shot语音风格迁移和逼真语音转换的论文阅读和代码实战
- Matcha-TTS：语音合成，
- Bailing-TTS：巨人网络支持普通话和方言混说的TTS大模型
-
图像处理
-
视频处理
-
文字处理
-
多模处理
-
动态记忆和自我反思
-
论文精选
-
大模型LLM
-
AIAgent
- 新一代AI模型Claude 3：有大学生智商，全面超越GPT-4
- FastChat——一个用于训练、部署和评估基于大型语言模型的聊天机器人的开放平台
- 谷歌DeepMind推出新一代药物研发AI模型AlphaFold 3
- LangChain-Chatchat (原 Langchain-ChatGLM)
- MaxKB本地私有大模型部署
- YOLO v10视觉目标检测算法本地端部署
- Fay数字人框架 助理版
- 百度开源 / Senta - 情感分析旨
- Moshi：法国的ai研究者Kyutai推出开源实时语音多模态模型
- GraphRAG：微软开源 的下一代 RAG 技术
- Move AI 推出 Move API，实现 2D 视频转 3D 运动数据
- Cloudflare 推出一键阻止 AI 机器人的新工具
- 腾讯开源混元 Captioner 模型，优化文生图数据集生成
- 改变答题顺序会显著降低大模型准确率
- OpenDevin：卡内基梅隆大学教授创立 All Hands AI，推出开源 AI 软件代理 OpenDevin
- 漆远创立无限光年，获阿里投资进军可信大模型赛道
- 阿里发布 FunAudioLLM 开源项目，推出 SenseVoice 和 CosyVoice 两大语音模型
- 快手文生图大模型 Kolors 宣布开源
- 商汤科技发布 InternLM-XComposer2.5 视觉语言模型
- 穹彻智能推出具身大脑 Noematrix Brain，聚焦操作物理常识与行为决策
- 华中科技大学等团队推出 Holmes-VAD，实现视频异常检测与解释
- 可灵AI/Kling：快手视频生成大模型 可灵 AI Kling
- 彻底改变语言模型：全新架构TTT，ML模型代替RNN隐藏状态
- 新型TTT架构诞生，能否取代Transformer和Mamba成为最强大模型？
- DG4D/DreamGaussian4D：四维建模及运动控制模型
- CosyVoice:阿里的语音生成，支持多语言、音色和情感控制
- SenseVoice ：阿里语音识别、语种识别、情感识别、声学事件分类或检测
- Seed-TTS：字节的的语音生成，太逼真太形象了
- Fish-Speech：开源的TTS项目，语音生成
- ollama:大模型运行平台，支持cpu运行大模型
- 当实时数字人遇上LLM
- CMD 下的基本指令
- 语音对话大模型：借助阿里的FunAudioLLM搭建语音对话模型
- CogVideo：智谱版Sora开源爆火，4090单卡运行，A6000可微调
-
功能模块
