音频生成
音频,audio
大语言模型 vs 大模型
本文主要介绍了大模型的概念、分类以及与大语言模型的关系。大模型是基于神经网络的一种模型，由多个神经元组成，通过权重连接形成层次结构。神经网络通过学...
OpenAI 危险了？Gemini 和 GPT4 比较，谁强，只需两张图秒懂；Gemini 天生多模态，很可能是不一样的技术路线
Gemini 和 GPT-4 是两种人工智能模型，Gemini 天生多模态，而 GPT-4 是靠多功能的拼装。 Gemini 在多个测试中得分均高于 GPT-4，包括一般性测试、复杂任务集...
GPT-5已成功浏览并理解所有人类的视频内容！
文章总结得很好。以下是对文章中重要词语和语句的标记：第一部分介绍了GPT-5的发布计划和其训练阶段的进展。GPT-5被揣测为即将发布的新模型，已经完成了训练...
6 个月估值增长 10 倍到 11 亿美金，AI 语音克隆彻底火了
阿根廷总统 Milei 在达沃斯世界经济论坛上的演讲引起了全球关注，他使用了 AI 技术将演讲实时翻译成英文并用自己的克隆语音读出。这项技术主要来自 HeyGen 和...
多模态检索增强生成（Multimodal Retrieval Augmented Generation，MM-RAG）
第一部分介绍了多模态机器学习的重要性，以及MM-RAG技术的应用。对比学习用于多模态表示的方法被提出，强调了对比学习的关键要素和其在实现跨模态搜索和检索...
Amphion：用AI创造你的声音，让世界听见。
Amphion为研究人员提供了强大的研究工具，也为工程师们提供了一个实用的开发环境。它在音频、音乐和语音生成领域展现出了雄心，预示着未来的发展方向。通过不...
一分钟克隆声音，GPT-SoVITS 详细教程
首先，作者介绍了声音预处理的步骤，包括使用UVR5工具分离人声和选择不同的模型处理音频。然后，作者详细描述了语音切分的过程，以及进行语音识别和文本标注...
Vocal Separate：人声和背景音乐分离，极简部署教程
这篇文章介绍了一个名为'Vocal Separate'的音频处理工具。该工具可以将人声和背景音乐分离，操作简单，无需连接外网，支持多种模型，并且是基于GPL-3.0许可证...
AI+工作流：连续创业者打造 Leap AI ，整合 AI 能力创造新 workflow
Leap AI是一款面向企业的AI驱动自定义工作流程系统，以自动化工作流程来满足B2C应用程式到企业内部工具的各种用例。创立于2023年2月，创始人包括Alex Schachn...
54.3k star! 用openai开源的whisper部署自己的语音识别系统
OpenAI最近开源了一个名为Whisper的语音识别项目，该项目能够将视频和语音文件转换为文字。Whisper的性能被认为可以与科大讯飞的收费产品相媲美，而且它不需...
