v0是一个专为网页开发设计的智能助手，它通过对话形式提供服务。你可以与v0进行互动，无论是代码调试、解答编程问题还是生成代码片段，v0都能在前端开发领域提供专业的帮助。它精通TypeScript、React、Next.js、Vercel等前端技术，能够为你提供深入的技术指导...
2月10日，清华大学KVCache.AI团队联合趋境科技发布的KTransformers开源项目公布更新：一块24G显存的4090D就可以在本地运行DeepSeek-R1、V3的671B满血版。预处理速度最高达到286 tokens/s，推理生成速度最高能达到14 tokens/s。KTransformers通过优化本地...
随着大型模型技术的持续发展，视频生成技术正逐步走向成熟。以Sora、Gen-3等闭源视频生成模型为代表的技术，正在重新定义行业的未来格局。而近几个月，国产的AI视频生成模型也是层出不穷,像是快手可灵、字节即梦、智谱清影、Vidu、PixVerse V2 等。就在近日，...
前几个月OpenAI大名鼎鼎的Sora 一经发布，似乎象征着视频领域已经进入了生成式 AI 时代。不过直到今天，我们仍然没有用上OpenAI 的官方视频生成工具，等不及的人们已经开始寻找其他的方法。其中不乏一些国内的厂商如快手的可灵等等。而在近日，一款全新的开源...
简介近年来，人工智能（AI）技术的进步极大地改变了人类与机器的互动方式，特别是在语音处理领域。阿里巴巴通义实验室最近开源了一个名为FunAudioLLM的语音大模型项目，旨在促进人类与大型语言模型（LLMs）之间的自然语音交互。FunAudioLLM包含两个核心模型：...
NVIDIA和MIT的研究人员推出了一种新的视觉语言模型(VLM)预训练框架，名为VILA。这个框架旨在通过有效的嵌入对齐和动态神经网络架构，改进语言模型的视觉和文本的学习能力。VILA通过在大规模数据集如Coy0-700m上进行预训练，采用基于LLaVA模型的不同预训练策略...
近期，快手平台又又又成为了焦点。就在OpenAI 当家花旦 Sora 的公测还遥遥无期时，快手就率先祭出了对标的当家产品可灵。得益于其逼真、高清和与Sora不相上下的视觉表现，它迅速赢得了全球网民的喜爱。据快手，可灵申请用户已经近70 万，已超30 万用户使用趁...
AI视频生成赛道风起云涌，国内外新颖的文生、图生视频产品层出不穷。在各大厂商的内卷之下，当下的视频生成模型各方面已经接近以假乱真的效果。例如，OpenAI 的 Sora 和国内的 Vidu、可灵等模型，通过利用 Diffusion Transformer 的扩展特性，不仅能...
在视频中插入手绘动画！传统上这是一项非常困难的任务，但 VideoDoodles 让它成为可能。VideoDoodles是Adobe公司联合多所大学推出的AI视频编辑框架。支持用户在视频中轻松插入手绘动画，实现与视频内容的无缝融合。通过预处理视频帧，系统提供平面画布，用户...
近日，当下炙手可热的快手宣布开源旗下明星产品可灵中一项重要技术项目LivePortrait。，该框架能够准确、实时地将驱动视频的表情、姿态迁移到静态或动态人像视频上，生成极具表现力的视频结果。如下动图所示：LivePortrait的主要功能包括从单一图像生成生动动...
小模型，成为本周的AI爆点。与动辄上千亿参数的大模型相比，小模型的优势是显而易见的:它们不仅计算成本更低，训练和部署也更为便捷，可以满足计算资源受限、数据安全级别较高的各类场景。因此，在大笔投入大模型训练之余，像 OpenAI、谷歌等科技巨头也在积极...
项目介绍Code2prompt 是一个命令行工具，能将你的代码库转化为单一的大型语言模型（LLM）提示，结合源码树结构，模板定制，以及令牌计数。它旨在简化与高级上下文窗口模型如GPT或Claude的交互，助你在重写代码、查找bug、编写文档和实现新功能等方面提升效率...
继前几日推出完开源大模型Llama 3.1后，就在刚刚，Meta在 SIGGRAPH 上重磅宣布 Segment Anything Model 2 (SAM 2) 来了。在其前身的基础上，SAM 2 的诞生代表了领域内的一次重大进步 —— 为静态图像和动态视频内容提供实时、可提示的对象分割，将图像和视频...
Gradient Al最近将Llama-3 8B和7B模型通过渐进式训练方法不断将Llama-3模型的上下文长度从8k-路扩展到262k、524k今天Gradient Al成功宣布成功地将Llama-3 系列模型的上下文长度扩展到超过1 M...并且1M上下文窗口 70B 模型在 NIAH(大海捞针)上取得了完美分数。...
我们身处数字化浪潮中，知识管理和利用的重要性与日俱增。拥有一个专属的本地知识库，能极大提升工作效率，满足个性化需求。但对于技术小白来说，搭建这样的知识库不仅存在技术门槛，同时也意味着需要一定的成本投入。本期 DeepSeek 入门教程，优刻得将为您提...
NVIDIA和MIT的研究人员推出了一种新的视觉语言模型(VLM)预训练框架，名为VILA。这个框架旨在通过有效的嵌入对齐和动态神经网络架构，改进语言模型的视觉和文本的学习能力。VILA通过在大规模数据集如Coy0-700m上进行预训练，采用基于LLaVA模型的不同预训练策略...
DeepSeek-R1-32B-WebUIDeepSeek-R1采用强化学习进行后训练，旨在提升推理能力，尤其擅长数学、代码和自然语言推理等复杂任务，该镜像安装和使用 Ollama 和 Open WebUI，以便更好地利用深度学习模型进行推理和交互。第一步：登录「优云智算」算力共享平台并进...
在人工智能领域，自然语言处理技术一直备受关注。就在昨日,今年备受关注的国内AI公司北京智谱AI发布了第四代 GLM 系列开源模型：GLM-4-9B。这是一个集成了先进自然语言处理技术的创新平台，它凭借清华大学KEG实验室提出的GLM模型结构，为智能体功能的发展带来...
本文梳理了OpenAI团队最新的GPT-4.o（o代表omni 全方位）模型发布内容，以OpenAI团队发布会口吻整理。我们很高兴地宣布，推出了全新的旗舰模型 GPT-4o，能够在音频、视觉和文本之间实时进行推理。GPT-4o（o代表omni 全方位）能够实时处理音频...
检查内容是否用了ChatGPT，准确率高达99.9%！OpenAI又左右互搏上了，给AI生成的文本打水印，高达99.9％准确率抓「AI枪手」作弊代写。其能够精准识别出论文或研究报告是否由ChatGPT撰写，甚至能追溯其使用的具体时间点。它能专门用来检测是否用ChatGPT水了论文...
6月20日周四，OpenAI竞争对手Anthropic发布了公司迄今为止性能最强大的AI模型Claude 3.5 Sonnet。在覆盖阅读、编程、数学和视觉等领域的多项性能测试中，Claude 3.5 Sonnet的性能略胜一筹，吊打GPT-4o等一众竞争对手的AI模型，且优于自家旗舰模型Claude 3 Opu...
7月5日，在2024世界人工智能大会可信大模型助力产业创新发展论坛上，蚂蚁集团公布其自研百灵大模型最新研发进展：百灵大模型已具备能看会听、能说会画的原生多模态能力，可以直接理解并训练音频、视频、图、文等多模态数据。原生多模态被...
项目简介Funclip 是阿里巴巴通义实验室开源的一款视频剪辑工具，专门用于精准、便捷的视频切片。它能够自动识别视频中的中文语音并允许用户根据语音内容来裁剪视频。该工具使用了阿里巴巴语音识别模型FunASR Paraformer-Large确保了剪辑的精准性。你可以根据...
OpenAI昨日发布了全新的小型AI模型GPT-4o mini，这一模型在性能和成本效益方面都取得了重大突破，Sam Altman惊呼：通往智能的成本，已变得如此低廉。性能与成本的完美平衡GPT-4o mini在性能上显著超越了其前身GPT-3.5 Turbo，同时将成本降低了60%以上。每百万...
过去我们让AI说话，它给出的总是不咸不淡的机器合成声音，毫无波澜的死板音调让人听得昏昏欲睡。但由于chatTTS的到来，一切都将会变得不一样。作为一款强大的对话式文本转语音模型，它完美解决了用户对于生动对话的需求。如此功能不可小觑，可以称得上在业界...
ChatGPT和Sora等AI大模型应用，将AI大模型和算力需求的热度不断带上新的台阶。哪里可以获得...
一、活动亮点：全球31个节点覆盖 + 线路升级，跨境业务福音！爆款云主机0.5折起：香港、海外多节点...
大模型的训练用4090是不合适的，但推理（inference/serving）用4090不能说合适，...
89542767
社区管理员
白马啸西风