相关文章
495 篇高质量内容
【AI生成图片】无需技术，一键生成非遗剪纸！
无需技术就能一键生成非遗剪纸，效果超棒！快来试试。 核心内容： 1. 展示非遗剪纸的效果图 2. 介绍简单的制作步骤 3. 提及往期相关文章
PipeCat - 打造实时语音 AI 应用的开源架构方案
这是一个强大的实时语音 AI 应用开源架构方案，值得探索！ 核心内容： 1. Pipecat 在媒体流和实时 API 间的转换 2. 构建语音 AI 应用程序的示例 3. Pipecat 的优点及功能扩展
爱奇艺基于多模态的台词说话人识别技术
这是爱奇艺在台词说话人识别技术上的创新突破，极具应用价值！ 核心内容： 1. 台词说话人识别技术的产生背景与应用场景 2. 现有识别方案及存在的问题 3. 爱奇艺基于多模态的创新技术及优势
多模态RAG破局：ImageSearch引领图像搜索新革命
这是关于革新脑肿瘤诊断技术的探讨，有望极大提升效率！ 核心内容： 1. 脑肿瘤诊断的挑战 2. 向量数据库搜索系统的解决方案 3. 相关技术的操作流程演示
V-RAG | 大型视觉文档检索与推理
这是关于解决大型视觉文档检索与推理难题的创新研究，成果显著。 核心内容： 1. 现有模型在大型图像推理方面的局限 2. 新基准测试的引入及挑战 3. V-RAG 框架的卓越性能及意义
统一多模态Embedding, 通义实验室开源GME系列模型
这是通义实验室解决多模态检索难题的创新成果，不容错过！ 核心内容： 1. 多模态检索的背景与挑战 2. GME 统一多模态表征的特点 3. 模型的训练数据与评测方式
智谱发布新模型，“实时多模态”惊艳所有人
智谱新模型发布，多模态能力惊艳！行业首个端到端模型，为开发者送福利。 核心内容： 1. 介绍端到端多模态模型的创新能力 2. 阐述模型的免费调用及相关代码 3. 展示模型的语音对话和唱歌功能
阶跃星辰Step-1o重大升级，多模态视觉双榜夺冠，国内第一！
国内首个千亿参数端到端语音大模型 Step-1o 系列重大升级，多模态视觉双榜夺冠，这是小贤看到的关于模型升级最好的消息，没有之一。 核心内容： 1. Step-1o 系列模型上新动态 2. Step-1o Vision 多模态理解大模型的优势 3. 两款模型的使用入口及获取成绩
Kimi 发布k1.5思考模型：首个达到o1满血水平的多模态模型，还有完整训练技术报告
Kimi 发布超强 k1.5 多模态模型，性能卓越，训练技术公开，这是小贤看到的关于此模型最好的介绍，没有之一。 核心内容： 1. Kimi k1.5 模型的重磅升级历程 2. 与全球最强模型的性能对比 3. k1.5 模型设计和训练的关键要素
