-
Khoj：一个开源的个人化AI助手 轻松连接本地与在线文档
Khoj 是一个功能丰富、开源的个人化AI助手，旨在帮助用户管理和检索各种信息源，同时提供多种智能功能以提升工作效率。 以下是Khoj的主要特点、功能及应用场景: 主要特点 多源信息获取:能够连接本地和在线文档，包括PDF、Markdown文件、Git...
-
实战whisper语音识别第一天，部署服务器，可远程访问，实时语音转文字（全部代码和详细部署步骤）
Whisper是OpenAI于2022年发布的一个开源深度学习模型，专门用于语音识别任务。它能够将音频转换成文字，支持多种语言的识别，包括但不限于英语、中文、西班牙语等。Whisper模型的特点是它在多种不同的音频条件下（如不同的背景噪声水平、说话者的口音...
-
AI邮件回复工具如何提高工作效率？人工智能回邮件软件有哪些推荐？
什么是 AI邮件回复工具？ AI邮件回复工具是一种利用人工智能技术自动回复电子邮件的工具。它通过分析邮件内容，理解邮件意图，并生成合适的回复，从而帮助用户节省时间，提高工作效率。 AI邮件回复工具的核心功能 1：智能邮件分类，自动将邮件分类为重要、紧急...
-
文字生成手语视频大模型SignLLM 帮助听障人群实现无障碍沟通
站长之家（ChinaZ.com）5月28日 消息近日，一款名为SignLLM的多语言手语模型引起了广泛关注。据称，这是第一个可以从输入文本生成手语手势的模型。 SignLLM利用了丰富的"Prompt2Sign"多语言手语数据集，确保生成的手语视频动作自...
-
AI可以生成手语手势视频了！SignLLM通过文字描述即可生成手语视频
SignLLM是一个创新的多语言手语模型，它具有通过文字描述生成手语视频的能力。这项技术对于听力障碍者来说是一个巨大的进步，因为它能够提供一种新的沟通方式。 以下是SignLLM的一些关键特点: 文本到手语视频的转换:SignLLM模型能够将输入的文本或...
-
AI日报：确认！iOS18将用上ChatGPT；Suno又将推王炸级功能；谷歌AI搜索遭遇滑铁卢；Stable Assistant 可用SD3生成图片；
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、苹果已与 OpenAI 正式达...
-
ai智能德法文对话软件哪个更好用？AI对话app使用体验优缺点对比
AI智能德法文对话：探索不同AI翻译工具的对话能力 随着全球化的加深，德语和法语之间的沟通需求日益增长，AI智能德法文对话工具应运而生。不同的AI翻译平台提供了各自独特的对话翻译功能。以下是几个流行的AI翻译工具的比较： Google翻译 主要特...
-
阿里开源截止目前为止参数规模最大的Qwen1.5-110B模型：MMLU评测接近Llama-3-70B，略超Mixtral-8×22B！
本文原文来自DataLearnerAI官方网站：阿里开源截止目前为止参数规模最大的Qwen1.5-110B模型：MMLU评测接近Llama-3-70B，略超Mixtral-8×22B！ | 数据学习者官方网站(Datalearner https://www...
-
深入解析“国际CMS爬虫”技术与应用
随着互联网技术的迅猛发展，内容管理系统（CMS）已成为众多网站搭建的基石，而与此同时，针对CMS的爬虫技术也应运而生，不断演进。本文将深入探讨“国际CMS爬虫”的技术原理、应用场景及其面临的挑战，旨在为读者提供全面的了解和参考。一、国际CMS爬虫概述国际C...
-
如何用AI写论文？下面两个方法教你一秒上手
在大语言模型发布后，人工智能（AI）技术已经渗透到各个领域，特别是在学术界。而AI工具的涌现极大地提升了研究和写作的效率。这篇文章将向你介绍2款强大的AI工具，它们能够帮助研究人员和学生迅速产出高质量的学术论文，让论文写作变得既轻松又高效。 随着毕业季的临...
-
微软Edge将使用AI实时翻译你观看的YouTube视频内容
微软在其 Build 大会上宣布，微软 Edge 浏览器将很快推出新的功能，允许用户在观看 YouTube 等视频时进行实时翻译。这项新的 AI 功能将支持多种语言，并适用于 YouTube、Reuters、CNBC News、Bloomberg、Mone...
-
时隔一年Falcon回归！110亿参数5.5万亿token，性能超越Llama 3
这几天，全世界的目光仿佛都被OpenAI发布的GPT-4o所吸引，与此同时，OpenAI的挑战者们也在同步创造历史。 就在5月14日，阿布扎比先进技术研究委员会（ATRC）下属的技术创新研究所（TII），发布了新一代的Falcon 2模型。 Falco...
-
OpenAI 首次推出 GPT-4o“全能”模型，干翻所有语音助手
OpenAI 在本周一(2024年5月13号 推出了一款名为 GPT-4o 的新旗舰级生成式AI模型。这里的“o”代表“全能”，因为这款模型能够处理文本、语音和视频三种不同的输入。在未来几周内，GPT-4o 将逐步应用于公司针对开发者和消费者的各类产品。...
-
MIT最新！多模态LLM真的无所不能吗？大模型能解决一切难题吗？
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 本文对自动驾驶领域内多模态大型语言模型（MLLMs）的应用进行了审慎的审视，并对一些常见的假设提出了质疑/验证，重点关注它们通过闭环控制环境中的图像/帧序列推理和解释...
-
微软让MoE长出多个头，大幅提升专家激活率
混合专家（MoE）是个好方法，支持着现在一些非常优秀的大模型，比如谷歌家的 Gemini 1.5 以及备受关注的 Mixtral 8x7B。 稀疏混合专家（SMoE）可在不显著增加训练和推理成本的前提下提升模型的能力。比如 Mixtral 8×7B 就是...
-
人工客服要被取代？用GPT-4o模拟处理客服事务，100%流畅毫无AI味
OpenAI于2024年5月13日推出了GPT-4o模型，其中的“O”代表全能（Omni），在人机互动的自然度上取得了显著进步。GPT-4o支持多模态输入和输出，包括语音、视频、图像和代码，能够实时与用户进行无缝交流，理解情感，并展现出幽默个性。 该模型的...
-
通义千问APP更名为通义APP，免费开放通义全栈能力
5月9日，通义大模型品牌升级，“通义千问APP”更名为“通义APP”，集成通义大模型全栈能力，免费为所有用户提供服务。通义APP以性能媲美GPT-4 Turbo的基模为底座，并把通义实验室前沿的文生图、智能编码、文档解析、音视频理解、视觉生成等能力“Al...
-
斯坦福20亿参数端测多模态AI Agent模型大升级，手机汽车机器人都能用
全球首个超小型多模态AI Agent模型Octopus V3，来自斯坦福大学的NEXA AI团队，让Agent更加智能、快速、能耗及成本降低。 今年四月份初，NEXA AI推出了备受瞩目的Octopus V2，该模型在函数调用性能上超越了GPT-4，减...
-
手机可跑，3.8B参数量超越GPT-3.5！微软发布Phi-3技术报告：秘密武器是洗干净数据
过去几年，借助Scaling Laws的魔力，预训练的数据集不断增大，使得大模型的参数量也可以越做越大，从五年前的数十亿参数已经成长到今天的万亿级，在各个自然语言处理任务上的性能也越来越好。 但Scaling Laws的魔法只能施加在「固定」的数据源上，...
-
开源大模型王座再易主，通义千问1100亿参数拿下SOTA，3个月已推出8款模型
开源大模型，已经开启大卷特卷模式。 全球范围，太平洋两岸，双雄格局正在呼之欲出。 Llama 3中杯大杯刚惊艳亮相，国内通义千问就直接开源千亿级参数模型Qwen1.5-110B，一把火上Hacker News榜首。 不仅相较于自家720亿参数模型性能明...
-
AI入侵播客圈！比真人配音还逼真？实测爆火的微软AI语音角色“晓晓”
AI语音再进化，人耳还能听出AI和真人的差别吗? 以上两段音频demo来自微软最近更新的AI语音角色“晓晓”。逼真、情绪到位、语气自然、断句近乎完美，是绝大多数网友听到“晓晓”声音时给出的评价。 在播客App小宇宙上，“Hacker News”账号用“晓...
-
微软推出iPhone能跑的ChatGPT级模型，网友：OpenAI得把GPT-3.5淘汰了
Llama 3发布刚几天，微软就出手截胡了？ 刚刚发布的Phi-3系列小模型技术报告，引起AI圈热议。 其中仅3.8B参数的Phi-3-mini在多项基准测试中超过了Llama 3 8B。 为了方便开源社区使用，还特意设计成了与Llama系列兼容的结...
-
微软发布iPhone可运行的ChatGPT级AI模型Phi-3系列 挑战OpenAI地位
近日，微软推出了一款名为Phi-3系列的小型AI模型，该模型在AI领域引起了广泛关注。Phi-3系列中的Phi-3-mini模型，仅拥有3.8B参数，却在多项基准测试中超越了拥有8B参数的Llama3模型。 微软特别强调，经过4bit量化处理的Phi-3-...
-
开源模型打败GPT-4！LLM竞技场最新战报，Cohere Command R+上线
GPT-4又又又被超越了！ 近日，LLM竞技场更新了战报，人们震惊地发现：居然有一个开源模型干掉了GPT-4！ 这就是Cohere在一周多前才发布的Command R+。 排行榜地址：https://huggingface.co/spaces/lmsy...
-
GPT-4 Turbo重回王座，ChatGPT免费升级！数学暴涨10%/上下文全面碾压
今天起，最新版的GPT-4 Turbo，正式向ChatGPT Plus用户开放了！ 图片 有了GPT-4 Turbo加持后，ChatGPT写作、数学、逻辑推理和编码的能力得到提升。 小编小试，果然ChatGPT最新数据已经更新到了4月。 图片 根据基准测...
-
InternLM2官网体验入口 中文AI聊天机器人模型使用地址
InternLM2是一个面向中文和英文的大型多语言预训练语言模型。它具有语言理解、自然语言生成、多模式推理、代码理解等强大的能力。模型采用Transformer架构并进行海量数据的预训练，在长文本理解、对话、数学运算等多个方向上都达到了业界领先水平。该系列...
-
AI音乐生成器Udio地址多少 Udio怎么用详细使用教程
Udio是一款引起广泛关注的AI音乐生成工具，用户可以通过简单的文字描述轻松创作带有歌词的音乐作品。这款工具支持多种音乐类型和风格，如EDM、钢琴爵士、新灵魂乐等，满足不同用户的需求。同时，用户还可以根据个人喜好...
-
AI音乐生成器Udio怎么用？Udio怎么生成音乐详细使用教程（附使用地址）
产品简介: AI音乐生成工具Udio正式发布，用户可以通过简单的文字描述创作带有歌词的音乐作品。这一新工具极大地降低了音乐创作的门槛。Udio支持广泛的音乐类型和风格，包括EDM、钢琴爵士、新灵魂乐、极端金属等，...
-
探索ChatGLM-LLaMA-chinese：新一代AI聊天机器人与多语言建模的创新实践
探索ChatGLM-LLaMA-chinese：新一代AI聊天机器人与多语言建模的创新实践 项目地址:https://gitcode.com/27182812/ChatGLM-LLaMA-chinese-insturct 在人工智能领域，语言模型的...
-
刚刚，Mistral AI最新磁力链放出！8x22B MoE模型，281GB解禁
【新智元导读】初创团队Mistral AI再次放出一条磁力链，281GB文件解禁了最新的8x22B MoE模型。 一条磁力链，Mistral AI又来闷声不响搞事情。 281.24GB文件中，竟是全新8x22B MOE模型! 全新MoE模型共有56层，...
-
120亿Stable LM 2上线即开源！2万亿token训练，碾压Llama 2 70B
继16亿轻量级Stable LM 2推出之后，12B参数的版本在今天亮相了。 见状，不少网友纷纷喊话：干的漂亮！但，Stable Diffusion 3啥时候出啊？ 总得来说，Stable LM 2 12B参数更多，性能更强。 120亿参数版本包含了...
-
Midreal.ai官网体验入口 AI文本冒险游戏免费使用地址
Midreal.ai是什么？ Midreal.ai是一个基于先进人工智能技术的文本冒险游戏平台。它拥有强大的长篇叙事能力和近乎无限的记忆能力，可以根据玩家的选择来生成一个连贯、沉浸式的故事剧情。 点击前往Midreal.ai官网体验入口 Midreal....
-
通义千问开源Qwen1.5-32B 模型系列
通义千问团队最新发布了 Qwen1.5-32B 模型系列，其中包括 Qwen1.5-32B 和 Qwen1.5-32B-Chat。 这些模型在模型架构上与之前的 Qwen1.5系列基本相同，但参数量减少至32B，旨在提供更高效、更经济实惠的解决方案。Qw...
-
通义千问开源新Qwen1.5-32B模型 推理速度更快，成本更低
通义千问近期开源了新的Qwen1.5-32B模型，该模型在语言理解、支持多语言、编程和数学能力方面表现出色。 Qwen1.5-32B模型不仅支持多语言，还融合了GQA（Generalized Question Answering）技术，使得模型在推理方面的...
-
AI语音识别工具Universal-1：38秒可以处理60分钟音频 比fast Whisper更快
AssemblyAI 最新研究成果展示了他们的 Universal-1模型在多语言环境中的表现，该模型在准确性和鲁棒性方面均取得了行业领先地位。先说结果，Universal-1比Whisper Large-v3更准确，比fast Whisper更快，38秒...
-
谷歌DeepMind发布Gecko：专攻检索，与大7倍模型相抗衡
想了解更多AIGC的内容，请访问： 51CTO AI.x社区 https://www.51cto.com/aigc/ 文本嵌入模型在自然语言处理中扮演着重要角色，为各种文本相关任务提供了强大的语义表示和计算能力。 在语义表示上，文本嵌入模型将文本转换为高...
-
【AIGC调研系列】kimi与其他AI助手相比的优势和劣势是什么
Kimi与其他AI助手相比，具有以下优势和劣势： 优势： 服务稳定性：Kimi的服务在境内，使用稳定[2]。 多客户端支持：支持网页、APP、小程序等多个客户端，提高了用户的使用便捷性[2][4]。 中文处理能力：Kimi在中文处理方面表现出色...
-
Cohere推出大模型Command R+ 优化高级检索增强生成功能
Cohere推出了专为企业级工作负载设计的大型语言模型Command R+，该模型优化了高级检索增强生成（RAG）功能，以减少错误生成，并支持10种关键语言的多语言覆盖。 公告地址：https://top.aibase.com/tool/command-...
-
ACE Studio官网体验入口 AI歌手音乐制作人声合成工具软件下载链接
ACE Studio是一个先进的AI人声合成引擎，旨在制作听起来像真人一样自然和充满感情的歌声。其功能包括AI唱歌合成引擎、支持多语言的AI歌手、商业用途的免费使用权、多维AI情感参数、简化声乐制作流程、创造独特音色和唱法。用户可以利用ACE Studio...
-
AI人声合成引擎ACE Studio 可修改Suno生成的音乐甚至替换歌手的声音
ACE Studio是一款尖端的AI人声合成引擎，其设计理念是创造出既自然又富有感情的类真人歌声。这款引擎运用了最前沿的AI技术，将人工智能融入声音生成的每一个环节，力求让合成出来的声音尽可能地接近真实人声的表现力和情感深度。 产品入口：https://...
-
微软升级Azure AI语音服务 推出9种更真实的AI语音
微软近期对其Azure AI语音服务进行了重大升级，推出了9种新的更真实的AI语音，旨在为用户带来更加自然和沉浸式的对话体验。这次升级的核心是引入了零样本学习（Zero-shot）的文本到语音(TTS 模型，这些模型在提高合成语音自然度的同时，更好地模仿了...
-
孟子3-13B大模型正式开源
澜舟科技近日宣布，其研发的孟子3-13B大模型正式开源，并向学术研究领域全面开放，同时支持免费商用。这一轻量化大模型在多项基准测试中展现了优异的性能，特别是在参数量20B以内的模型中，其中英文语言能力尤为突出，数学和编程能力也位于行业前列。 孟子3-13B...
-
0门槛免费商用！孟子3-13B大模型正式开源，万亿token数据训练
澜舟科技官宣：孟子3-13B大模型正式开源！ 这一主打高性价比的轻量化大模型，面向学术研究完全开放，并支持免费商用。 在MMLU、GSM8K、HUMAN-EVAL等各项基准测评估中，孟子3-13B都表现出了不错的性能。 尤其在参数量20B以内的轻量化大模...
-
【AIGC调研系列】AIGC企业级模型Command-R介绍
Command-R与其他大语言模型的主要区别在于其专为企业级应用设计，特别是在检索增强生成（RAG）和工具使用方面。Command-R是一个350亿参数的高性能生成模型，具有开放式权重，能够支持多种用例，包括推理、摘要和问答[2]。它特别针对大规模生产工作...
-
到2028年，人工智能文本生成器市场将达到10亿美元
流程自动化需求: 在不断追求效率的时代，各行各业的企业越来越多地转向人工智能文本生成器来简化运营。这些系统提供的自动化功能不仅可以节省时间和资源，还可以降低人为错误的风险。特别是在内容生成不断的电子商务中，人工智能文本生成器是无价的资产，可以毫...
-
Suno v3怎么生成音乐？Suno AI注册登录制作音乐Prompt提示词使用方法详细教程
Suno，这家致力于推动人工智能前沿研究的公司，擅长开发创新的生成式 AI 模型，为全球的创意人士提供强大的创作工具。他们的旗舰产品 Chirp 模型，就是一款能够根据简单的文字描述，生成包括配乐、人声和各种音效...
-
论文降重助手1.0 ai写作
大家好，小发猫降重今天来聊聊论文降重助手1.0 ai写作，希望能给大家提供一点参考。 以下是针对论文重复率高的情况，提供一些修改建议和技巧，可以借助此类工具： 标题：论文降重助手1.0：助力学术研究，轻松应对论文重复率！ 在学术研究的道路上，论文...
-
虚拟角色平台Character AI的生成式AI聊天机器人可以说话了
Character AI 最近为其生成式 AI 聊天机器人增加了语音功能。全新的 Character Voice 功能使用户能够真正听到他们正在对话的合成人物的声音，旨在提升用户体验的参与感。 Character AI 的虚拟人格库通过大型语言模型提供对话...
-
Image-Manga Translator官网体验入口 AI漫画图像翻译工具免费在线使用地址
Image-Manga Translator是一款能够将漫画或图片中的文字进行多语言翻译和图像处理的工具。它具有文本检测、光学字符识别(OCR 、机器翻译和图像修补等功能，支持多种语言如日语、中文、英语和韩语等，能够实现近乎完美的翻译效果。主要面向漫画爱好...
-
英伟达推出NeMo，极大简化自定义生成式AI开发
为了帮助全球开发者、企业更好的开发定制大模型和生成式AI产品，例如，聊天机器人、编程代码助手等。 NVIDIA宣布推出了NeMo Curator、NeMo Customizer和NeMo Evaluator等微服务的早期访问计划。这些微服务涵盖了从数据整理...