杨帆的文章

综合介绍 Sora是由OpenAI推出的一款先进的视频生成工具，旨在通过人工智能技术帮助用户轻松创建高质量的视频内容。Sora利用扩散模型，从静态噪声开始，通过多步去噪过程生成完整的视频。用户可以通过文本、图像和...

综合介绍 识典古籍是由北京大学和字节跳动公益共同推出的古籍数字化平台，旨在为社会公众提供免费的古籍在线阅读和检索服务。平台汇集了2200余部古籍资源，包括《周易》《左传》《礼记》等经典文献，并提供高清影...

综合介绍 Minima 是一个开源的 RAG（Retrieval-Augmented Generation）解决方案，支持在本地部署和与 ChatGPT 集成。该项目由 dmayboroda 维护，旨在提供一个灵活且独立的 RAG 系统，用户可以选择完全本地化运行...

综合介绍 MuseGAN是一个基于生成对抗网络（GAN）的音乐生成项目，旨在生成多轨（多种乐器）音乐。该项目能够从零开始生成音乐，或根据用户提供的轨道进行伴奏。MuseGAN使用Lakh Pianoroll Dataset进行训练，生成...

综合介绍 MoneyPrinterTurbo 是一个开源项目，利用先进的AI大模型技术，实现了一键生成高清短视频的功能。用户只需提供一个视频主题或关键词，系统便会自动生成视频文案、视频素材、视频字幕和背景音乐，并最终合...

综合介绍 Docling 是一个强大的文档解析和导出工具，支持多种文档格式，包括 PDF、DOCX、PPTX、XLSX、图像、HTML、AsciiDoc 和 Markdown。它能够将这些文档解析并导出为 HTML、Markdown 和 JSON 格式，支持嵌入和...

  自从 Chatgpt 诞生以来，LLM（大语言模型）的参数量似乎就成为了各个公司的竞赛指标。GPT-1 参数量为 1.17 亿（117M），而它的第四代 GPT-4 参数量已经刷新到了 1.8 万亿（1800B）。 像其他 LLM 模型例如 ...

Meta 推出了Llama 3.3，这是一个拥有 700 亿个参数的大型语言模型，其性能可与其前身 405B参数的Llama 3.1 相媲美，并且输入成本比Llama 3.1 405B降低10倍！指令遵循能力超过了GPT-4o、Claude 3.5 Sonnet。  ...

综合介绍 Model Context Provider CLI（mcp-cli）是一个用于与模型上下文提供服务器交互的协议级命令行工具。该工具允许用户发送命令、查询数据并与服务器提供的各种资源进行交互。mcp-cli 支持多个提供商和模型...

自然语言交互式的数据库读写 临近年末，又迎来了投标季，编制如投标文件这类大型文档常常让人头疼。 不仅要确保内容准确专业，还要突出企业优势，既考验专业知识，又要求文案策划能力。即便两者兼具，仍然需要花...

本文使用Dify v0.12.1版本，主要介绍了通过Dify工作流中的HTTP节点，来调用siliconflow的tencent/HunyuanVideo接口，通过文本来生成视频的具体实现。其中，Dify和HTTP服务都部署在Sealos Cloud平台上面。 Hunyuan...

综合介绍 AIMedia 是一款集成软件，专为自动抓取热点新闻、AI创作文章并自动发布到各大平台而设计。该软件支持多种平台，包括今日头条、小红书、微信公众号等。AIMedia 能够自动获取各大平台的热点新闻，通过AI技...

  从我们专为推理和训练打造的 Inferentia 和 Trainium 芯片，到提供业界最佳的基础模型（Foundation Models）于 Amazon Bedrock ，以及由 AI 驱动的体验，如 Rufus 和 Alexa ，我们致力于交付具有实际价值...

用过海螺APP的朋友可能用过他的语音克隆，效果十分出色，但仅可以在APP内作为语音助手使用。 这次海螺AI视频国际版官网，新增“Audio”频道，可以轻松克隆自己的声音啦。   回到文本生成语音主界面，可以选择...

综合介绍 ControlFlow是由PrefectHQ开发的一个Python框架，专注于构建和管理AI工作流。它提供了一个结构化、面向开发者的框架，用于定义工作流并将任务委派给大型语言模型（LLM）代理。ControlFlow的设计旨在在不...

视频换脸技术科普：常用软件推荐与应用解析 什么是视频换脸技术？ 视频换脸技术是一种基于人工智能和深度学习的图像处理技术，能够将一个人脸替换为另一个人脸，并保持动态表情和头部动作的自然一致性。近年来，...

综合介绍 Smart Composer 是一款专为 Obsidian 笔记软件设计的智能写作助手插件。它利用人工智能技术，提供上下文感知的聊天助手、智能写作辅助和一键编辑功能。该插件能够根据用户的笔记内容进行语义搜索，帮助...

综合介绍 ConsisID 是由北京大学袁粒课题组开发的一个开源项目，旨在通过频率分解技术实现身份一致的文本到视频生成（IPT2V）。该项目的核心是一个基于DiT（Diffusion Transformer）的模型，能够在生成视频时保持...

综合介绍 GraphRAG Visualizer 是一个基于网页的工具，旨在帮助用户可视化和探索来自 Microsoft GraphRAG 的工件。通过上传由 GraphRAG 索引管道生成的 Parquet 文件，用户无需额外的软件或脚本即可轻松查看和分...