AI工具
什么是前向传播（Forward Propagation） – AI百科知识 | AI工具集
前向传播（Forward Propagation）对于神经网络的训练和推理（inference）至关重要。在训练神经网络时，前向传播用于生成与实际目标值相比较的预测，两者之间...
Ultravox – 端到端多模态大模型，直接理解文本和人类语音 | AI工具集
Ultravox是什么 Ultravox是新型的多模态大型语言模型（LLM），能直接理解文本和人类语音，无需依赖单独的自动语音识别（ASR）阶段。基于多模态投影器技术将音...
什么是端到端学习（End-to-End Learning） – AI百科知识 | AI工具集
端到端学习（End-to-End Learning）作为一种强大的学习范式，在人工智能领域的应用前景广阔。通过简化流程和全局优化，提高了模型的性能和准确性。然而，端到...
什么是扩散模型（Diffusion Models） – AI百科知识 | AI工具集
扩散模型（Diffusion Models）的灵感来源于非平衡热力学中的扩散过程。起源可以追溯到2015年，当时有研究者提出了深度生成模型（Deep Generative Models），...
什么是跨模态泛化（Cross-Modal Generalization） – AI百科知识 | AI工具集
跨模态泛化（Cross-Modal Generalization）是人工智能领域的一个重要研究方向，涉及到如何将在一个模态上学到的知识迁移到另一个模态上。最新的研究进展包括...
MMAudio – 基于多模态联合训练实现高质量 AI 音频合成项目
MMAudio是什么 MMAudio是先进视频到音频合成技术，基于多模态联合训练，让模型能在广泛的视听和音频文本数据集上进行训练。技术的核心是同步模块，确保生成的...
YouTube Dubbing – AI浏览器插件，一键翻译国外视频用熟悉语言播放 | AI工具集
YouTube Dubbing是什么 YouTube Dubbing是在线观看国外视频的浏览器插件，基于智能同步配音和AI字幕技术，对字幕进行翻译并直接将翻译后的内容播放出来，免去...
Gendo – AI建筑可视化平台，快速将草图或概念图转化成可视化图像 | AI工具集
Gendo是什么 Gendo是AI驱动的建筑可视化平台，基于生成式AI技术，如GANs和Diffusion模型，快速创建高度逼真的建筑概念图。平台能集成到设计工作流程中，支持...
ChatTTSPlus – 开源文本转语音工具，ChatTTS扩展版支持语音克隆 | AI工具集
ChatTTSPlus是什么 ChatTTSPlus是ChatTTS的扩展版本，增加了TensorRT加速、语音克隆和移动模型部署等功能，提升语音合成的性能和灵活性。在Windows平台上，实...
书生·万象InternVL 2.5 – 上海 AI Lab 开源的多模态大语言模型系列
书生·万象InternVL 2.5是什么 书生·万象InternVL 2.5是上海AI实验室的OpenGVLab团队推出的开源多模态大型语言模型（MLLM）系列。该系列模型在InternVL 2.0的...