首席AI分享圈

Voyage AI 的 Voyager 3 是一种新的最先进的模型，它允许您将文本和图像嵌入到同一空间中。在这篇文章中，我将解释如何从杂志中提取这些多模态嵌入，将它们存储在向量数据库（Weaviate）中，并使用相同的嵌入向量...

综合介绍 SHMT（Self-supervised Hierarchical Makeup Transfer）是一个基于潜在扩散模型的自我监督分层化妆迁移项目，旨在通过无监督学习方法实现化妆效果的高质量迁移。该项目采用“解耦与重建”范式，摒弃了不准...

此前，SiliconCloud 上线了语言模型的在线 LoRA 微调功能。通过简单的上传语料数据、创建微调任务，就可以获得专属微调语言模型。 最近，SiliconCloud 的 LLM 在线 LoRA 微调，更是扩展了 Qwen2.5-32B、Qwen2.5-1...

比RAG(检索增强生成)快40倍的CAG(缓存增强生成)。CAG彻底改变了知识获取方式：不再是实时检索外部数据，而是预先将所有知识加载到模型上下文中。这就像是把一个巨大的图书馆浓缩成了一本随身携带的工具书，需要时...

综合介绍 VITA是一个领先的开源交互式多模态大语言模型项目，率先实现了真正的全方位多模态交互能力。该项目于2024年8月推出VITA-1.0版本，开创了首个开源交互式全模态大语言模型的先河。2024年12月，项目推出了...

综合介绍 Trend Finder 是一个强大的工具，旨在帮助用户实时追踪社交媒体上的热门话题和趋势。通过收集和分析关键影响者的帖子，Trend Finder 能够在检测到新趋势或产品发布时，及时发送 Slack 通知。这款工具极...

目前我最好的 AI 编程伙伴是 Lovable 和 Cursor 。bolt.new 和 windsurf，也都很不错，选择前两个是因为上限足够高。 Lovable 的网址： https://lovable.dev/ Lovable 可能没有 bolt.new 有名，我推荐大家都试试...

昨天，OpenAI首席执行官兼联合创始人Sam Altman，在他的个人博客发布了最新深度文章——Reflections（反思）。 主要回顾了OpenAI创立这9年的时间：从最初的不被外界看好，到2022年发布ChatGPT掀起全球AI革命用户一...

罗永浩这次又要进军AI行业了。此前报道，他的新公司“细红线”将在蛇年春节前后，发布自成立以来的首款新品。 而早在去年4月，罗永浩就在直播中首次预告，称将发布一款神秘产品，并形容其“具有颠覆性、破坏式的创新...

综合介绍 Matter.ai是一家创新公司，致力于提供先进的人工智能解决方案。其最新产品J1助手（J1 Assistant）现已推出0.8.3-beta1版本，支持Samsung Galaxy S24系列、S23系列、S22系列以及Pixel 9系列、Pixel 8系列...

做出预测，尤其是在数据和 AI 这样快速发展的领域，是出了名的困难。尽管如此，我们，Rajesh Parikh 和 Sanjeev Mohan，去年发布了我们的 2024 年趋势预测。随着 2024 年的结束，我们很高兴地确认我们的预测非常...

综合介绍 TransRouter 是一个基于 Google Gemini 大模型的实时语音翻译工具，专门设计用于实现中英文之间的实时语音互译。该工具能够无缝集成到 Zoom 等视频会议软件中，为跨语言交流提供实时翻译支持。TransRout...

综合介绍 LatentSync是字节跳动（ByteDance）开源的一个创新性音频条件潜在扩散模型框架，专门用于实现高质量的视频唇形同步。与传统方法不同，LatentSync采用端到端的方式，无需中间动作表示就能直接生成自然、...

综合介绍 开源NotebookLM是一个创新的人工智能项目，它结合了Deepseek-V3的语言理解能力和PlayHT的语音合成技术，旨在创建一个智能化的笔记对话系统。该项目由Build Fast with AI团队开发，可以将文本内容转化为...

综合介绍 Open Deep Research是一个开源的AI驱动研究报告生成工具，作为Google Gemini深度研究功能的开源替代方案。该项目采用TypeScript开发，基于Next.js 15框架构建，集成了Azure Bing搜索API和Google Gemini ...

综合介绍 Vision-is-all-you-need 是一个创新的视觉RAG(检索增强生成)系统演示项目，它突破性地将视觉语言模型(VLM)应用于文档处理领域。不同于传统的文本分块方法，该系统直接使用视觉语言模型处理PDF文件的页面...

综合介绍 MiniPerplx（更名为Scira）是一个极简主义设计的AI驱动搜索引擎，它整合了多种实用功能，为用户提供全方位的信息检索服务。该项目采用现代化的技术栈，包括Next.js、Tailwind CSS和Vercel AI SDK等，并...

  你是否也常需要将会议录音或访谈内容转录为文字？由于撰写逐字稿既费时又费力，这时候不妨利用 AI 工具将录音转换为文字。本文将介绍由 OpenAI 团队推出的自动语音识别 (ASR) 系统「Whisper」。根据 OpenA...