SenseVoice是一个专注于多语言语音识别、情感辨识和音频事件检测的模型。SenseVoice经过超过40万小时的数据训练，支持超过50种语言的识别，效果在某些场景下优于Whisper模型。除了基本的语音转文本...
接下来就要结合安卓开发了，这边采用的模拟滑动方案，用到了谷歌无障碍服务accessabllity,客户端传入滑块url地址，请求POST接口，成功得到目标图片滑块X轴距离值。计算出问题比如一个椅子，...
随着大模型时代的到来，模型参数量、训练数据量、计算量等各方面急剧增长。大模型训练面临新的挑战：显存挑战：例如，175B的GPT-3模型需要175B*4bytes即700GB模型参数空间，而常见的GPU显存如A100...
Embedding模型是一种将高维度的离散数据（如文本、图像、音频等）映射到低维度的连续向量空间的技术。\"Text-Embedding-Ada-002\"是OpenAIAP|中的一个预训练文本嵌入模型，它属于\"A...
![【开发心得】Dify部署ollama模型的坑[1]](/uploads/2024/08/21/1724227266523006227.webp)
本文接续上次的文章经过几次调试，目前部署终于稳定下来，由于算力问题产生的300timeout也逐渐减少了。因此，把后续在测试过程中碰到的一些坑和怎么爬出来，做一个记录。暂时就收集了3个问题，今后碰到再续写。_...
昨天介绍了RAG的流程，具体请看这篇笔记。今天将代码进行分析。本文章用到了一些AI工具来帮助我们分析代码。...
数字人也称为DigitalHuman或MetaHuman，是运用数字技术创造出来的、与人类形象接近的数字化人物形象。应用包括但不限于直播、软件制作、教育、科研等领域。目前数字人模型效果最好的是ER-NeRF，其...
OpenAI是一家领先的人工智能研究公司，开发了多种大语言模型，现如今GPT-4o以及GPT-4omini等版本都已经推出。使用国内镜像站是相对而言，使用ChatGPT更为直接简单的方法，但是毕竟不是官方途径，...
近年来，随着计算机技术和大数据的快速发展，深度学习在各个领域取得了显著的成果，如自然语言处理，图片生成，工业数字化等。为了提高模型的性能，研究者们不断尝试增加模型的参数数量，从而诞生了大模型这一概念。大模型源于深度...
在人工智能的浪潮中，视频生成技术正成为创新的前沿。8月6日智谱AI宣布开源了其与“清影”同源的视频生成模型——**CogVideoX**。这不仅是技术的一次飞跃，更是对整个视频生成行业生态的一次重要贡献。本文将...