告别英伟达？华为昇腾跑出准万亿参数大模型

当我用AI给gal男主加上了即时配音...？

GPT-SoVITS 整合包下载链接：https://www.yuque.com/baicaigongchang1145haoyuangong/ib3g1e/dkxgpiy9zb96hob4#KTvnO KrkrTTS 相关文件下载链接：https://pan.baidu.com/s/1YHIRn34cfZ4LHJ4iwlYPug?pwd=bpvd 柚子社相关 GPT-SoVITS 模型下载链接：https://pan.baidu.com/s/169jUJafPdSjpKm-UOmKw7Q?pwd=fjp2 偶然发现柚子社的各个游戏里都有一个“语音合成引擎”，捣腾一番后，也是把最先进的语音克隆项目之一，GPT-SoVITS接了进去。一开始，我的想法是用自己的声音炼一个模型，以此来增加游戏的代入感与沉浸感。不过后来由于我的录音设备限制，效果不是很理想（不过就算录音没问题了，也不一定就有代入感，毕竟人类听见自己说话的声音与外界听见的是不一样的嘛） 于是便接到了之前炼的小丛雨的模型上，效果意外地挺不错的 目前由于文本列表的限制，只能给千恋万花和魔女的夜宴的男主配音。不过只要制作了咖啡馆、RJ以及天使嚣嚣的文本列表，他们也不成问题。天使嚣嚣是我还没来得及做，咖啡馆和RJ是我还没推过，不想先解包破坏了游戏体验。不过不用担心，近期会更新的 也许有人会希望使用中文进行配音。这是可以实现的，但目前还有些问题。如果需要的人多的话再说吧 感谢@我怀疑我在开车 的技术讨论 感谢@花儿不哭 开发 GPT-SoVITS

CosyVoice2优化版一键包,优化乱读问题,支持50系显卡,6G显存可用,接入开源阅读,文字转语音,TTS,阿里开源

CosyVoice2优化版一键包,优化乱读问题,支持50系显卡,6G显存可用,接入开源阅读,文字转语音,TTS,阿里开源

5.17最新【RVC变声器】流萤专属音色模型上线啦！免费无套路！支持PC+安卓+ios！无需声卡！0延迟！另有百款音色等你体验！人工智能AI变声，小白一键直装！

从“找答案”到“给方案”，夸克ai究竟强在哪里

夸克AI，通过“深度搜索”模式、一站式场景覆盖、多模态交互及垂直领域深耕，从传统搜索工具蜕变为“超级智能体”，为用户提供从信息检索到任务闭环的主动服务，成为00后首选的AI全能助手。

谷歌翻译20次外国AI山海经后……钨基生物？

正在开发的AI山海经游戏

-

RAG作者：部署企业RAG系统的10个经验教训｜2025.04.11

https://www.youtube.com/watch?v=kPL-6-9MVyA RAG 作者 Douwe Kiela 近期演讲，讲述了他在部署企业 RAG 系统中获得的 10 个经验教训。 他表示，现在存在 AI Context 悖论：LLM 在复杂推理、综合信息、代码生成、数学计算等方面表现惊人（对人类“难”），但在理解和应用特定上下文信息 (Context) 方面却很困难，而这恰恰是人类凭直觉和专业知识能轻松做到的。  企业要实现从 AI 中获得差异化价值和业务转型（而不仅仅是便利性或效率提升），就必须依赖于深度、准确的企业上下文信息。目前大多数应用还停留在低上下文信息需求的“便利性”阶段。 10个经验教训： 1.更好的 LLM 不是（唯一）答案： LLM 只是整个 AI 系统（特别是 RAG 系统，包括提取、检索、生成、联合优化）的一小部分（约 20%）。一个优秀的 RAG 系统配合普通的 LLM，效果可能优于一个顶尖 LLM 配合糟糕的 RAG 系统。关键是关注系统而非孤立的模型。 2.专业知识是你的燃料： 企业内部积累的专业知识和机构知识（通常存在于文档和数据中）是驱动 AI 产生价值的核心燃料。必须设法解锁这些专业知识。 3.企业规模是你的护城河： 企业的核心竞争力在于其独特的数据。真正的挑战在于大规模地利用这些数据，让 AI 能够处理大规模、甚至“嘈杂”的真实数据。成功做到这一点，就能构建竞争壁垒。 4.试点与生产之间的鸿沟总是比预想的要大： 建立小规模试点相对容易（少量文档、用户、单一场景、低风险），但将其扩展到生产环境则面临巨大挑战（海量文档、大量用户、多场景、高安全风险、SLA 要求等）。 5.速度比完美更重要： 不要追求一开始就完美。应尽早将（哪怕不完美的）系统交给真实用户使用，获取反馈并快速迭代。通过迭代“爬山”达到目标，而不是试图一次性设计出完美方案。 6.工程师在“无聊”的事情上花费大量时间： 工程师本应专注于构建流程、提升精度、扩展应用等创造业务价值的工作，但现实中却常常耗费时间在数据分块 (chunking) 策略、文本清洗、构建连接器、配置向量数据库、调整提示、管理基础设施等相对基础且耗时的工作上。应设法将这些工作自动化或平台化。 7.让 AI 易于消费： 即使 AI 系统已部署到生产环境，如果没有被用户方便地使用，也无法产生价值。很多时候系统使用率为零。关键在于将 AI 集成到用户现有的工作流中。企业数据 + AI + 集成 = 成功。 8.让你的用户“惊叹”(Wow)： 要让 AI 应用产生粘性，需要尽快让用户体验到“惊艳”时刻。例如，帮助用户找到一个他们自己都不知道存在的、埋藏多年的重要文档并回答了关键问题。用户体验设计应围绕创造这种早期价值。 9. 可观测性比准确率更重要： 达到 100% 准确率几乎不可能，90-95% 也许可以。但企业更关心的是那无法避免的 5-10% 的错误会带来什么影响以及如何处理。因此，可观测性，包括理解系统为何给出某个答案、提供溯源依据、建立审计追踪等，比单纯追求更高的准确率更重要，尤其是在受监管行业。 10.要有雄心壮志：很多 AI 项目失败往往不是因为目标太高，而是因为目标太低。不要满足于解决“401k 供应商是谁”这类简单问题，要敢于挑战能带来真正业务转型的难题。

强化学习从原理到实践 第7章 AC和A2C算法

《强化学习从原理到实践》图书配套视频课程

可以不用在网络上裸奔了【引子】加密信使系列 (v 0.0.1.3版本)

本系列使用CryptoMessager免费软件。可以在GitHub上github.com/dof-studio/CryptoMessager/tree/main自主获取。

【Sdppp&Comfyui】PS局部重绘工作流的搭建-inpaint crop局部重绘示范

sd-ppp插件github地址:https://github.com/zombieyang/sd-ppp inpaint crop插件地址:github.com/lquesada/ComfyUI-Inpaint-CropAndStitch