-
使用 CTranslate2 实现 Faster Whisper 的加速转录
使用 CTranslate2 实现 Faster Whisper 的加速转录 近年来，语音识别技术得到了快速发展。OpenAI 的 Whisper 模型作为其中的佼佼者，以其高精度和强大的性能广受欢迎。然而，其较长的推理时间和高内存消耗也成为了限制其应...
-
推荐：Whisper Auto Captions - 创新的Final Cut Pro自动字幕工具
推荐：Whisper Auto Captions - 创新的Final Cut Pro自动字幕工具 项目介绍 Whisper Auto Captions 是一款基于OpenAI的Whisper模型打造的智能字幕插件，专为Final Cut Pro用...
-
webui automatic1111上可以跑stable diffusion 3的方法
stable diffusion 3 可以简单句子生成高质量图形，可以生成准确的文字，甚至可以支持中文。 stable diffusion 3 最初只支持API调用，最后把模型也完全开放了。Comfyui因为天生架构优势，第一时间跑起来了。既支持远程AP...
-
【AI绘画教程】StableDiffusion真实系模型推荐，搭配ADetailer人脸修复插件，轻松生成真实故事大场景AI人像，让你的SD好用100倍！
大家好，我是画画小强 在图像生成领域，真实系模型非常重要，它们可以给我们生成高度逼真的图像，可以用于各种创意项目、广告设计和影视制作。本期教程我们将围绕几款真实系模型和Lora模型来展开。 1、真实系模型：MajicMix Realistic(麦橘写实...
-
Midjourney如何实现人物角色的一致性？
在数字艺术和AI生成媒体的发展中，保持人物一致性是一个巨大的挑战。Midjourney作为一个先进的图像生成平台，它如何确保在连续的图像生成过程中，同一人物能保持一致的外观和特征呢？本文将深入探讨Midjourney如何通过技术手段实现这一点。 一、两个...
-
荣耀最强旗舰！荣耀Magic7系列超前预热：主打AI
快科技9月7日消息，在柏林IFA2024上，荣耀预告荣耀Magic7系列将会首发搭载荣耀AI Agent，而且在AI体验上有着比较大的提升。 荣耀CEO赵明透露，荣耀AI Agent具有四个核心能力，自然语义理解和计算机视觉、用户行为习惯学习和场景环境感知...
-
亮相2024世界人工智能大会，扫描全能王AIGC“黑科技”助力敦煌遗书数字化修复
7月4日，2024年世界人工智能大会（简称“大会”）在上海举行。这次这场科技与创新的盛会上，一张古朴、典雅的卷轴吸引了众人的目光。这张被修复的卷轴脱胎于敦煌遗书系列古籍，在被机器拍摄扫描后，卷轴上脏污、笔画残缺、模糊的文字被准确定位，缺失的文字缓缓浮现，犹...
-
RAG 的优化进阶与引入 Reranker
引言 在简单的 RAG 系统中，通过结合检索和生成技术，已经可以显著提升了对复杂查询的响应质量。Reranker 作为 RAG 系统中一个关键的进阶组件，通过对原 RAG 中检索到的内容进行重新组织，可以进一步提高系统的准确性。 本文将深入探讨 RA...
-
OpenAI宣布启动GPT Next计划：AI性能有望提高100倍
快科技9月4日消息，日前，OpenAI Japan出席了KDDI峰会，介绍了公司即将推出的下一代AI模型，并宣布将在2024年启动GPT Next计划。 OpenAI Japan首席执行官长崎忠雄（Tadao Nagasaki）长崎忠雄在峰会上强调了AI技...
-
WhisperX：革命性的自动语音识别工具
WhisperX：革命性的自动语音识别工具 whisperXm-bain/whisperX: 是一个用于实现语音识别和语音合成的 JavaScript 库。适合在需要进行语音识别和语音合成的网页中使用。特点是提供了一种简单、易用的 API，支持多种语音...
-
让AI更懂物理世界，人大北邮上海AI Lab等提出多模态分割新方法
让AI像人类一样借助多模态线索定位感兴趣的物体，有新招了! 来自人大高瓴GeWu-Lab、北邮、上海AI Lab等机构的研究人员提出Ref-AVS（Refer and Segment Objects in Audio-Visual Scenes，视听场景下...
-
探索音频转文字的高效之道：whisper-rs项目解析与应用
探索音频转文字的高效之道：whisper-rs项目解析与应用 whisper-rsRust bindings to https://github.com/ggerganov/whisper.cpp项目地址:https://gitcode.com/gh_...
-
ComfyUl提示词技巧
ComfyUI prompt技巧 Prompt 输入不支持中文，建议使用翻译插件或者使用翻译软件来进行翻译。 翻译插件推荐：沙拉查词(opens in a new tab ?prompt 书写有什么技巧？要如何写AI绘图的prompt 在Comfy...
-
ComfyUI插件：ComfyUI layer style 节点（三）
前言： 学习ComfyUI是一场持久战，而ComfyUI layer style 是一组专为图片设计制作且集成了Photoshop功能的强大节点。该节点几乎将PhotoShop的全部功能迁移到ComfyUI，诸如提供仿照Adobe Photoshop的图...
-
AI二创「黑神话」点燃全网！爆改二郎神，送自家狗子一键「成精」
【新智元导读】国产3A顶流《黑神话·悟空》，与AI联动起来了!网友纷纷开启二创，有人用AI续写神话，有人把自家二哈变成了精怪，甚至还有人自制了桌面壁纸! 全球玩家鏖战《黑神话·悟空》! 已经有打通关的玩家了，我不羡慕，因为通关后的空虚寂寞马上就会找上你们。...
-
本地部署，Whisper: 开源语音识别模型
目录 简介 特点 应用 使用方法 总结 GitHub - openai/whisper: Robust Speech Recognition via Large-Scale Weak SupervisionRobust Speech Reco...
-
Midjourney提示词-动物系列-38
a Tiny delightful Anthropomorphic adventurer cat, in intricate detailed leather armor, standing in the forest, soft fairy lighti...
-
国产AI机器人好超前…弹琴泡茶打咏春，还能撸猫？？
什么水平，让海外最火AI机器人Figure的CEO都第一时间关注? 国产人形机器人大秀肌肉，最新技能居然是弹琴泡功夫茶……和颠勺?! 手握琴竹，精准轻巧敲击每根琴弦，演奏动听音乐。 熟练泡一壶功夫茶，十几道工序、数个杯壶轻松拿捏。 搞定一份香喷喷的华夫饼...
-
LLama.cpp轻量化模型部署及量化
模型文件下载 首先说一下用到的模型，这次用的是Llama3-8B-Chinese-Chat-GGUF-8bit模型，想要快速的从huggingface下载模型可以参考我的另一篇博文。 从huggingface更快的下载模型 1.准备模型文件...
-
SenseVoice多语言语音理解模型之最新部署落地经验
SenseVoice是阿里云通义实验室开发的一款多语言音频基础模型，专注于高精度多语言语音识别、情感辨识和音频事件检测。 SenseVoice支持超过50种语言的识别，并且在中文和粤语上的识别效果优于Whisper模型，提升了50%以上。 SenseV...
-
Stable Diffusion 模型下载：epiCPhotoGasm（真实、照片）
本文收录于《AI绘画从入门到精通》专栏，专栏总目录：点这里，订阅后可阅读专栏内所有文章。 文章目录 模型介绍 生成案例 案例一 案例二 案例三 案例四 案例五 案例六...
-
Midjourney提示词-动物系列-16
A husky with the shape of tiger stripes on its body.UHD,4k render --ar 9:16 --s 5000 --testp --upbeta --upbeta Tiny cute and...
-
whisper-api语音识别语音翻译高性能兼容openai接口协议的开源项目
whisper-api 介绍 使用openai的开源项目winsper语音识别开源模型封装成openai chatgpt兼容接口 软件架构 使用uvicorn、fastapi、openai-whisper等开源库实现高性能接口 更多介绍 h...
-
每日AIGC最新进展(51)：昆仑万维震撼发布16B DiT-MoE图像生成模型、东北大学提出使用去噪神经权重进行高效训练、美团提出视频扩散模型量化方法
Diffusion Models专栏文章汇总：入门与实战 Scaling Diffusion Transformers to 16 Billion Parameters 本文介绍了DiT-MoE，一种可扩展的稀疏变分Transformer模型，它在...
-
开源语音转文本 Speech-to-Text 大模型实战之Whisper篇
前言 随着深度学习技术的不断发展，语音转文本（Speech-to-Text，STT）技术取得了显著的进步。开源社区涌现了许多高效的STT大模型，为开发者提供了强大的工具。本文将以OpenAI推出的Whisper模型为例，详细介绍如何使用该模型进行语音转文...
-
stable diffusion 插件篇（1）
前言： 首先要讲解的第一个超强插件是controlnet，跟着一起学习的小伙伴应该知道，如果仅是仅凭文生图或者是图生图的功能，想要生成的图片如自己所愿是比较有困难的，但是在sd里面，插件controlnet是可以做到帮助我们控制生图的，并且掌握contr...
-
中国首个AI厨王诞生，苦练7吨菜通过「图灵测试」！网友：机器人都比我会做饭
最近，一位AI炒菜机器人不仅向人类大厨发起了PK，而且还通过了「图灵测试」:根本吃不出来是AI机器人炒的!而在这背后，竟然是1.5个亿的投入和近7吨菜的训练。 你敢相信么?机器人，正式和湘菜大厨「叫板」了! 最近，这位名叫「美膳狮」的AI炒菜机器人，向湘菜...
-
AI真·炼丹：整整14天，无需人类参与
现在制药这事，人类要靠边站了。 坐标苏州，这是一个1600平的制药实验室，它的“打开方式”是这样的: 门口，没有人。 走廊，没有人。 实验室，也没有人。 相比以往充斥着科学家、研究员的实验室，它更多的是把机械臂和AI系统塞了进去，主打的就是一个全自动...
-
【AI绘画工具介绍】
AI绘画工具介绍 近年来，人工智能技术突飞猛进，AI绘画工具也应运而生，为艺术创作领域带来了前所未有的革新。这些工具以其强大的功能和易用性，吸引了越来越多的艺术家、设计师和爱好者，并正在改变着人们对艺术创作的认知和实践方式。 一、AI绘画工具的分类...
-
4K版《A计划》北影节全球首映，AIGC修复看清40多年前的武打动作
4月18日，第十四届北京国际电影节开幕，全新4K版《A计划》《卖身契》在“致敬·修复”单元全球首映。本次展映的4K版本，由中国电影资料馆、抖音、火山引擎共同发起的“经典香港电影修复计划”支持修复。 4K版《A计划》《卖身契》电影海报...
-
【Stable Diffusion】插件 ADetailer，修脸修手无敌
文章目录 概要 整体架构流程 技术名词解释 技术细节 小结 概要 正常显卡一次生成高精度图片速度超慢，大多不建议这样，那么在低分辨率绘制全身图像时，面部和手部一直是一个难以处理的问题。这个面部修复的扩展可以完美修复面部...
-
科技爱好者纷纷上场，AI预测足球赛事又现新方法
2024年欧洲杯比赛正酣。在赛场之外，一些围绕观赛的自发科技创新也开始涌现，成为了一道独特的风景。 近日，据TuGraph图计算官方微信，其创新小组研发了一项融合图计算、大模型等技术的足球赛事分析工具“智猜足球”，旨在探索新兴人工智能技术在体育赛事应用的可...
-
LightGBM实战+随机搜索调参：准确率96.67%
大家好，我是Peter~ 今天给大家分享一下树模型的经典算法：LightGBM，介绍算法产生的背景、原理和特点，最后提供一个基于LightGBM和随机搜索调优的案例。 LightGBM算法 在机器学习领域，梯度提升机（Gradient Boosting...
-
Neuralink劲敌破纪录，4096个电极微创植入人脑！脑机接口有望进入「5G」时代
提到脑机接口，你第一时间想到的肯定是Elon Musk创建的公司Neuralink，他们在今年1月刚刚将首个芯片植入人脑。 但Neuralink绝不是唯一发力脑机接口的公司。 5月28日，Precision Neuroscience发布公告，他们成功在人...
-
MonoDETRNext：下一代准确高效的单目3D检测方法！
本文经自动驾驶之心公众号授权转载，转载请联系出处。 写在前面&笔者的个人理解 基于单目视觉的3D目标检测在各个领域都至关重要，但现有方法在准确性和计算效率方面面临着重大挑战。在2D检测和深度估计的成功策略的基础上，本文提出了MonoDETRNe...
-
清华「天眸芯」登Nature封面：全球首款类脑互补视觉芯片
在开放世界中，智能系统不仅要处理庞大的数据量，还需要应对各种「长尾问题」，如自动驾驶中面临的突发危险、出入隧道的剧烈光线变化、夜间强闪光干扰等。在这类任务上，传统视觉感知芯片由于受到「功耗墙」和「带宽墙」的限制，往往面临失真、失效或高延迟的问题，严重影响...
-
LightGBM算法背景、原理、特点+Python实战案例
大家好，我是Peter~ 今天给大家分享一下树模型的经典算法：LightGBM，介绍算法产生的背景、原理和特点，最后提供一个基于LightGBM和随机搜索调优的案例。 LightGBM算法 在机器学习领域，梯度提升机（Gradient Boosting...
-
用于精确目标检测的多网格冗余边界框标注
本文经计算机视觉研究院公众号授权转载，转载请联系出处。 一、前言 现在领先的目标检测器是从基于深度CNN的主干分类器网络重新调整用途的两级或单级网络。YOLOv3就是这样一种众所周知的最先进的单级检测器，它接收输入图像并将其划分为大小相等的网格矩阵。具...
-
目标检测新SOTA，端侧实时识别，沈向洋罕见转发点赞
目标检测领域，迎来了新进展—— Grounding DINO 1.5，IDEA研究院团队出品，在端侧就可实现实时识别。 这一进展获得AI大佬沈向洋转发，他一般都是一年一转的节奏。 此次发布主要有两个版本：Pro和Edge。Pro版更强，Edge版更快。...
-
走进采集器：技术革新的数据收集利器
在当今信息化时代，数据正变得越来越重要，成为了各个行业发展的关键因素。而采集器，作为数据收集的利器，近年来在技术革新的推动下，已逐渐走入了人们的视线，并且扮演着越来越重要的角色。本文将对采集器进行全方位的探讨，从定义、技术原理到应用领域，带领读者一起走进采...
-
自动驾驶第一性之纯视觉静态重建
本文经自动驾驶之心公众号授权转载，转载请联系出处。 纯视觉的标注方案，主要是利用视觉加上一些GPS、IMU和轮速计传感器的数据进行动静态标注。当然面向量产场景的话，不一定非要是纯视觉，有一些量产的车辆里面，会有像固态雷达（AT128）这样的传感器。如...
-
高德将落地首个时空智能城市：开放云睿大模型
快科技5月20日消息，据媒体报道，高德地图旗下高德云图宣布将逐步开放云睿时空融合大模型和云境AI三维重建平台，打造时空智能体应用生态。 据悉，高德云睿时空大模型是业界首个以地图点、线、面、体等时空类数据为训练基础的大模型。它能够融合交通、零售等多行业的时空...
-
AI新动能: 数字人三大特征八大场景
随着元宇宙概念的火爆也一同带动了数字人市场的快速升温，据计算全球平均每天都会诞生一个数字人。数字人正成为一股潮流，涌入人们的日常生活——会“捉妖”的虚拟美妆达人柳夜熙，抖音出道三天点赞即超百万，一夜之间成为国内虚拟偶像界的“顶流”；在江苏卫视跨年演唱会上...
-
大模型卷爆数字人：一句话5分钟实现定制，跳舞主持带货都能hold住
最快5分钟，打造一个直接上岗工作的3D数字人。 这是大模型给数字人领域带来的最新震撼。 就像这样，一句话描述需求: 生成的数字人直接就能进驻直播间当主播。 跳起女团舞也不在话下。 整个制作过程中，想到什么说什么就行，大模型都能自动拆解需求，瞬间get...
-
爆火后反转？「一夜干掉MLP」的KAN：其实我也是MLP
多层感知器（MLP），也被称为全连接前馈神经网络，是当今深度学习模型的基础构建块。MLP 的重要性无论怎样强调都不为过，因为它们是机器学习中用于逼近非线性函数的默认方法。 但是最近，来自 MIT 等机构的研究者提出了一种非常有潜力的替代方法 ——KAN。...
-
Gaussian-LIC：首个多传感器融合3DGS-SLAM系统（浙大&TUM）
本文经自动驾驶之心公众号授权转载，转载请联系出处。 多传感器与3DGS的结合 NeRF-based SLAM的隐式神经表示法需要基于3D空间中的采样进行计算密集型的体积渲染，从而削弱了SLAM应用所必需的实时能力。3DGS以其快速的渲染速度和优越的视觉...
-
Llama 3低比特量化性能下降显著！全面评估结果来了 | 港大&北航&ETH
大模型力大砖飞，让LLaMA3演绎出了新高度： 超15T Token数据上的超大规模预训练，既实现了令人印象深刻的性能提升，也因远超Chinchilla推荐量再次引爆开源社区讨论。 与此同时，在实际应用层面上，另一个热点话题也浮出水面： 资源有限场景下...
-
量化、剪枝、蒸馏，这些大模型黑话到底说了些啥？
量化、剪枝、蒸馏，如果你经常关注大语言模型，一定会看到这几个词，单看这几个字，我们很难理解它们都干了些什么，但是这几个词对于现阶段的大语言模型发展特别重要。这篇文章就带大家来认识认识它们，理解其中的原理。 模型压缩 量化、剪枝、蒸馏，其实是通用的神经网络...
-
AI日报：Model3模型重磅发布；阿里云全面支持Llama 3训练推理；Gorq推出iOS应用；批量去水印工具VSR来了
欢迎来到【AI日报】栏目!这里是你每天探索人工智能世界的指南，每天我们为你呈现AI领域的热点内容，聚焦开发者，助你洞悉技术趋势、了解创新AI产品应用。 新鲜AI产品点击了解:https://top.aibase.com/ 1、Blockade Labs发布...
-
CVPR 2024 | 巨幅提升24%！LiDAR4D会是LiDAR重建的答案么？
本文经自动驾驶之心公众号授权转载，转载请联系出处。 写在前面&笔者的个人理解 尽管神经辐射场（NeRFs）在图像新视角合成（NVS）方面取得了成功，但激光雷达NVS的发展却相对缓慢。之前的方法follow图像的pipeline，但忽略了激光雷达...