-
语言图像模型大一统！Meta将Transformer和Diffusion融合，多模态AI王者登场
越了先前发布的模型，包括SDXL。 虽然Transfusion在SD3后面稍显逊色，但该模型通过反向翻译利用合成图像标注，将其GenEval性能在小规模上提升了6.5%（0.433→0.498）。 此...
-
2024年国内版AI写作对话工具推荐
，10秒即可生成一篇专业文章。 推荐指数⭐⭐⭐⭐ 豆包 聊天机器人、写作助手、图像生成、阅读总结、翻译，功能全面，而且还能建各种有趣的智能体，想体验DAN的，在豆包上能找到类似的智能体噢 推荐指数⭐...
-
部署本地语音聊天机器人：在Seeed Studio reComputer Jetson上部署Riva和Llama2
n-inference https://huggingface.co/meta-llama 本文内容翻译自Seeed Studio Wiki 内容贡献者 Seeed Studio–Yu You...
-
摩尔线程开源音频理解大模型MooER：38小时训练5000小时数据
成了5000小时音频数据和伪标签的训练。 MooER不仅支持中文和英文的语音识别，还具备中译英的语音翻译能力，并在多个语音识别领域的测试集中，展现出了领先或至少持平的优异表现。 MooER的模型结构...
-
WhisperS2T：加速语音转文本的高效解决方案
体验。 远程教育：自动记录讲座、线上课程，快速生成课程笔记。 多语言服务：跨语种交流环境下的即时翻译应用，促进国际沟通无碍。 项目特点 多后端兼容性：支持Original OpenAI、H...
-
Llama改进之——分组查询注意力
.shape torch.Size([32, 16, 512] 参考 [论文翻译]GQA: Training Generalized Multi-Query Transform...
-
介绍 Whisper 模型
音识别模型。它在大规模多样化的音频数据集上进行训练，并且能够执行多任务处理，包括多语言语音识别、语音翻译和语言识别。 核心方法 Whisper 使用的是 Transformer 序列到序列模型，...
-
7天创收10万美金，新增25万用户，Wordware要做第一款AI OS
ip Kozera在X上发长文复盘了Wordware的传奇发布故事，并分享了一些经验。 “AI新榜”翻译整理如下: 这是一个关于如何利用AI智能体每小时赚$4000的完整故事，以及一份复制这种成功的指...
-
stable diffusion+LangChain+LLM自动生成图片
tkowski 可见MagicPrompt对于中文输入不是很友好，如果想使用的话，需要将输入先翻译成英文。 调用stable diffusion的api生成图片 参考：[Mikubill/...
-
GOLLIE : ANNOTATION GUIDELINES IMPROVE ZERO-SHOT INFORMATION-EXTRACTION
互联网数据训练了LLM，发现给定自然语言任务描述的预训练模型可以在没有明确监督的情况下执行问答、机器翻译或总结等任务。基于这一发现，指令调优（通常称为多任务微调）已成为实现未知任务泛化的主要方法。此过...