杨帆的文章

综合介绍 Ultravox是一个创新的多模态大语言模型（LLM），专为实时语音处理而设计。与传统的语音识别系统不同，Ultravox无需单独的音频语音识别（ASR）阶段，能够直接将音频转换为高维空间中的文本。这一特性使得...

综合介绍 无限缩放稳定扩散（Infinite Zoom Stable Diffusion）是一个开源项目，旨在利用稳定扩散技术创建无限缩放视频。该项目提供了一个易于使用的Colab笔记本，用户可以通过多重提示生成无限循环的视频。项目...

综合介绍 Easy-Wav2Lip 是一个基于 Wav2Lip 的改进工具，旨在简化视频唇同步的过程。该工具提供了更简单的设置和执行方式，支持 Google Colab 和本地安装。通过优化算法，Easy-Wav2Lip 显著提高了处理速度，并修...

长文本向量模型能够将十页长的文本编码为单个向量，听起来很强大，但真的实用吗？ 很多人觉得... 未必。 直接用行不行？该不该分块？怎么分才最高效？本文将带你深入探讨长文本向量模型的不同分块策略，分析利弊...

综合介绍 Research Rabbit 是一个基于本地LLM（大语言模型）的网页研究和总结助手。用户提供研究主题后，Research Rabbit 会生成搜索查询，获取相关网页结果，并总结这些结果。它会反复进行这一过程，填补知识空...

综合介绍 Reply gAI 是一个基于 LangChain 的 AI 工具，旨在为任意 X（原 Twitter）用户创建 AI 克隆。该工具通过自动收集用户的推文，并将其存储在长期记忆中，利用检索增强生成（RAG）技术生成与用户独特写作风...

更新过一期是关于 ChatGPT 的 Canvas 新功能的讲解。但仅对Canvas各种功能的简单描述，却没有细节化阐述Canvas在学术上的应用。因此后面作者会就Canvas在学术上的应用，慢慢给大家阐述明白。本期主要是围绕利用Ca...

综合介绍 Lipdub 是一款创新的 AI 视频翻译应用，旨在帮助用户将视频内容翻译成多种语言，并实现口型同步。通过 Lipdub，用户可以轻松录制视频，并将其实时翻译成 27 种不同的语言。该应用利用先进的技术，使翻译...

在学术写作中，清晰、简洁且有说服力的表达对于传达研究成果至关重要。然而，许多非英语母语的研究人员在撰写和润色学术论文时面临语言障碍。为了解决这个问题，斯坦福大学通过开源项目分享了一系列高效的论文润...

  一、测试提示词的根本原因： LLM 对提示词高度敏感，细微的措辞变化可能导致显著不同的输出结果 未经测试的提示词可能产生： 事实错误的信息 不相关的回复 不必要的 API 成本浪费 二、系统化的提示词优化...

综合介绍 HelloMeme 是由 HelloVision 开发的一个开源项目，旨在通过集成空间编织注意力机制（Spatial Knitting Attentions）在扩散模型中嵌入高层次和高保真条件，从而生成高质量的图像和视频。该项目的代码和模...

综合介绍 青色木偶科技（Cyanpuppets）是一家领先的AI技术公司，专注于通过卷积神经网络（CNN）和深度神经网络（DNN）算法实现2D视频生成3D动作数据。其核心产品CYAN.AI平台，能够高精度捕捉面部、表情和肢体动作...

综合介绍 QuickMagic AI是一款先进的AI驱动动作捕捉工具，旨在将简单的视频转换为高质量的3D动画。无论是动画师、游戏开发者还是数字内容创作者，QuickMagic AI都能提供快速、精确的动作捕捉服务。用户只需上传包...

综合介绍 Chunkr 是一个自托管的 API，专门用于将 PDF、PPTX、DOCX 和 Excel 文件转换为适合 RAG（检索增强生成）和 LLM（大语言模型）使用的数据。该项目由 Lumina AI Inc. 开发，利用先进的视觉模型进行文档摄...