Navigate to WaytoAGI Wiki →
Home/Question List/Question Detail

推荐学习AI大模型的书籍

Answer

以下是为您推荐的学习 AI 大模型的相关书籍:

  1. 从数学角度写大模型的书籍。
  2. 从作家角度写大模型的书籍。
  3. 从代码角度写大模型的书籍。
  4. 从原理角度写大模型的书籍。

此外,在 Python 和 AI 方面,也有一些推荐:

  1. Python 方面:
    • 《Python 学习手册》
    • 《Python 编程》
  2. AI 方面:
    • 《人类简史》(“认知革命”相关章节)
    • 《深度学习实战》

希望这些推荐对您有所帮助。

Content generated by AI large model, please carefully verify (powered by aily)

References

05-如何与AI对话

[heading2]总结关于大模型的思考与探讨大模型中文表达:李继刚认为作为普通用户,语言在大模型中不是关键,核心是向量空间中的游走脉络,输出时的语言翻译是次要的,且训练语料的中英文差异在于embedding环节。垂类模型与大模型公式:Olivia提出通过合适的模型、prompt和test入口表达,用大模型公式调试出好效果以替代垂类模型,李继刚认为微调垂类模型可能使大模型泛化能力下降,需分场景看待。提示词的挖掘:李继刚认为写提示词未挖掘出大模型的天花板,还有提升空间。读书方法与提示词相关书籍推荐:李继刚认为读书最有效的是笨方法,不取巧,花时间读。并推荐了从数学、作家、代码、原理角度写大模型的四本书。内置思维链提示词:李继刚认为针对小技巧类的思维链提示词有新模型能力涌现和大模型内置两个趋势,但对于某些如COT这类的内置可能会改变大模型的原味,对此存疑。关于编写提示词的经验与思考原汁原味与生效元素的平衡:为得到原汁原味的效果,需考虑是否反刻某些元素;生效的小技巧大模型可能会内置,如指定角色效果有变化。压缩与歧义的处理:找到凝练的核心概念(a)后,根据对象用不同方式(b)表达,核心在于找到准确的a,而寻找a的方法目前主要是多读多泡在相关领域。持续学习与输出:通过阅读吸收输入,转换为自己的语言输出,与大模型交互提炼精华,多输出促进吸收输入。

写给不会代码的你:20分钟上手 Python + AI

[heading3]书籍推荐-作为新手入门1.作为新手入门,在Python方面,我会推荐这些:《Python学习手册》:动物园家的书,名声在外《Python编程》:新手友好1.在AI方面,我会推荐这些:《人类简史》:「认知革命」的相关章节令我获益匪浅《深度学习实战》:按脉络,梳理了ChatGPT爆发前的AI信息与实践[heading3]课程&资源&信息推荐[content]对于Python,以及各种AI工具的使用,我会最优先的推荐B站up主「PAPAYA电脑教室」的Python入门课(他的很多课都很棒,而且完全免费):https://space.bilibili.com/402780815/channel/seriesdetail?sid=2762019对于现在的大模型,我相信很少有人比Andrej Karpathy讲得更好,毕竟他也是OpenAI创始团队的成员油管地址:https://www.youtube.com/watch?v=zjkBMFhNj_gB站地址:https://www.bilibili.com/video/BV1AU421o7ob对于资料库,我非常推荐AJ和众多小伙伴们共创的资料库(一个飞书文档):🌈通往AGI之路(一个飞书文档)这应该是当下最全的中文AI资料库,免费、开源、共创。包含了几乎所有有价值的文档、文章、资料、资讯,并永远是第一时间更新https://waytoagi.feishu.cn/wiki/QPe5w5g7UisbEkkow8XcDmOpn8e[heading1]最后愿大家[heading1]Good Good Study[heading1]Day Day Up!!!

05-如何与AI对话

[heading2]智能章节本章节李继刚先介绍指定00后汉语老师相关内容,包括塑造人物特色等操作。随后分享自己关于提示词的感悟,重点讲述压缩表达,包括其方法、带来精准和凝练的效果、与embedding和attention的关系等,还提到对结构化提示词的看法等内容。[01:30:16](https://waytoagi.feishu.cn/minutes/obcna2a9qj986n61khtrebq3?t=5416000)与AI对话中的提示词运用、约束泛化矛盾及读书心得本章节主要讨论了与AI对话相关的内容。包括用阅读相关书籍的方式让大脑进入行业氛围后再与AI对话,约束与泛化的矛盾及如何根据场景把握度,提示词压缩相关,豆包产品使用,大模型效果函数、读书心得及提示词相关书籍推荐等。[01:53:29](https://waytoagi.feishu.cn/minutes/obcna2a9qj986n61khtrebq3?t=6809000)李继刚谈大模型相关话题:提示词书籍、思维链内置及编写提示词的平衡本章节李继刚推荐了从四个维度看大模型的四本书,最推荐从数学角度的那本。对于大模型内置提示词相关问题,他将其分两类看待。陆博彰提问编写提示词平衡压缩和歧义的关系时,李继刚阐述先找到核心概念再通过不同角度描述的看法。最后AJ总结并希望大家学习李继刚的学习精神。[02:06:11](https://waytoagi.feishu.cn/minutes/obcna2a9qj986n61khtrebq3?t=7571000)分享费曼学习法,期待10月20日高校线下路演中的新创意

Others are asking
ai写小说的软件
以下是为您介绍的一些与 AI 写小说相关的内容: 1. 关于不同模型的文风特点:ChatGPT 在诞生之初自带奇怪文风,包括概括性描述、缺乏侧面描写、生硬叙述、死板结构和过度道德正确等。部分非 OpenAI 的模型也有类似情况,而 GPT 模型如今在文风上已有改观。同时,过度的道德说教与正面描述趋势会让读者厌烦,因为与人类生活脱节。 2. 将小说做成视频的流程: 小说内容分析:使用 AI 工具(如 ChatGPT)提取关键场景、角色和情节。 生成角色与场景描述:利用工具(如 Stable Diffusion 或 Midjourney)生成视觉描述。 图像生成:使用 AI 图像生成工具创建图像。 视频脚本制作:将关键点和图像组合成脚本。 音频制作:用 AI 配音工具(如 Adobe Firefly)转换语音并添加背景音效。 视频编辑与合成:使用视频编辑软件(如 Clipfly 或 VEED.IO)合成。 后期处理:进行剪辑、添加特效和转场。 审阅与调整:根据需要调整。 输出与分享:完成编辑后输出并分享。 3. 一些 AI 写小说的软件: Novel.ai:AI 写小说领域的头部应用,是典型的 LLM 产品。其功能复杂但使用模式简单,包括利用续写能力改造成交互式文本生成、渐进式生成小段、抽象出细分功能等。 Character.ai:大名鼎鼎的角色扮演类 AI 陪伴产品,服务游戏和二次元用户。使用简单,创建角色靠详细描述,开放用户角色 Prompt 可见。 筑梦岛:国内同类产品,玩法多样,如和角色聊天、捏角色等,捏角色本质是收集信息产生高质量角色 Prompt 的过程,并基于聊天模式有很多衍生玩法。
2025-02-08
langchain 大白话解释一下给我听
LangChain 是一个用于构建高级语言模型应用程序的框架。它能简化开发人员使用语言模型构建端到端应用程序的流程,提供了一系列工具、组件和接口,让创建由大型语言模型和聊天模型支持的应用程序更轻松。 其核心概念包括组件和链,组件是模块化的构建块,可组合创建强大应用,链则是一系列组件或其他链的组合,用于完成特定任务。 主要特点有: 1. 模型抽象:提供对大型语言模型和聊天模型的抽象,方便开发人员选择合适模型并利用组件构建应用。 2. 提示模板和值:支持创建和管理提示模板,引导语言模型生成特定输出。 3. 链:允许开发人员定义一系列处理步骤,按顺序执行完成复杂任务。 4. 代理:支持构建代理,能使用语言模型做决策,并根据用户输入调用工具。 LangChain 支持多种用例,如针对特定文档的问答、聊天机器人、代理等,能与外部数据源交互收集数据,还提供内存功能维护状态。它旨在为开发人员提供强大工具集,构建适应性强、高效且能处理复杂用例的高级语言模型应用程序。
2025-02-08
告诉我最新的国际ai资讯(比如从2024年有什么ai被发明了,国际上一共有什么大的ai公司,中国的ai发展的怎么样了(deepseek怎么样))
以下是为您整理的最新国际 AI 资讯: 2024 年 2 月 5 日:百度智能云成功点亮昆仑芯三代万卡集群,这是国内首个正式点亮的自研万卡集群。 在 Lex Fridman 的播客中,Dylan Patel 和 Nathan Lambert 深入探讨了中国的 DeepSeek AI 模型,特别是 DeepSeekV3 和 DeepSeekR1。Nathan 强调 DeepSeek 是最开放的模型之一,采用 MIT 许可,鼓励商业用途,推动行业走向开源。 2025 年 AI 语音助手研究显示,语音技术是 AI 应用的关键,企业和用户都将受益。2024 年将是语音助手快速发展的时期,技术不断升级,市场竞争加剧,涌现出多种创业公司。未来,AI 语音将成为服务的“万能钥匙”,应用场景广泛,从医疗到教育,推动行业变革与创新。 2024 年 1 月 17 日:随着预训练技术遭遇瓶颈,GPT5 迟迟未能问世,从业者开始从不同角度寻找突破。以 o1 为标志,大模型正式迈入“PostTraining”时代;开源发展迅猛,Llama 3.1 首次击败闭源模型;中国本土大模型 DeepSeek V3,在 GPT4o 发布仅 7 个月后,用 1/10 算力实现了几乎同等水平。同时,大模型的日渐成熟也让产业重心从基础模型转向应用落地。AI 在编程领域爆发,“数字员工”崛起。 李飞飞在访谈中探讨了 AI Agent 的发展及其未来。她强调 AI Agent 应作为工具和赋能者,而非主导者,确保人们的自主性。李飞飞回顾了 ImageNet 的创立背景,并提到正在推动的“空间智能”概念,旨在理解和融合物理与数字三维世界。她认为,未来这两者的界限将逐渐模糊,从而带来更大变革。
2025-02-08
AI怎么训练
AI 的训练是指通过大数据训练出一个复杂的神经网络模型。具体来说: 1. 收集海量数据:如同教孩子成为博学多才的人需要让其阅读大量书籍等,对于 AI 模型,要收集互联网上的文章、书籍、维基百科条目、社交媒体帖子等各种文本数据。 2. 预处理数据:像为孩子整理适合其年龄和学习能力的资料一样,AI 研究人员需要清理和组织收集到的数据,如删除垃圾信息、纠正拼写错误、将文本分割成易于处理的片段。 3. 设计模型架构:为孩子设计学习计划类似,研究人员要设计 AI 模型的“大脑”结构,通常是一个复杂的神经网络,如 Transformer 架构,其擅长处理序列数据(如文本)。 4. 进行训练:如同孩子开始阅读和学习,AI 模型开始“阅读”提供的所有数据,这个过程被称为“训练”。例如,模型会反复阅读数据,尝试预测句子中的下一个词,通过不断重复这个过程,逐渐学会理解和生成人类语言。 此外,为了在医疗保健中让 AI 产生真正的改变,应投资创建像优秀医生和药物开发者那样学习的模型生态系统。成为顶尖人才通常从多年密集信息输入和正规学校教育开始,再到学徒实践。对于 AI 来说,当前学习方式及技术人员对待方式使问题更严重,应通过堆叠模型训练,而非仅依靠大量数据和生成模型。就像预医学生从基础课程学起,设计新疗法的科学家需多年学习后在指导下工作,这种方式有助于培养处理细微差别决策的直觉。 同时,机器学习是人工智能的一个分支,是实现人工智能的途径之一,涉及多领域学科。自然语言处理是人工智能和语言学领域的分支学科,包括认知、理解、生成等部分。推理是指利用训练好的模型,使用新数据推理出各种结论。
2025-02-08
AI如何赋能汽修厂获客
AI 可以通过以下方式赋能汽修厂获客: 1. 利用智能体提升售后服务效率与用户体验,优化售后服务体系。例如,在维修技术方面提供标准化方案,提升技师工作效率;在门店服务上进行优化;在备件供应链方面提供解决方案。 2. 借助 AI 进行预测性维护,通过分析车辆实时数据预测潜在故障和维护需求,减少停机时间和维修成本,提高车辆可靠性和效率,吸引更多客户。 3. 在营销方面,利用 AI 辅助市场营销和新媒体运营,例如结合汽车和热点进行营销、进行用户画像预测、创作营销内容、审核内容、回复用户评论,还能一键生成符合营销要求的图片(但要控制好出图质量)。 4. 提升销售体验,引导留资或下单。比如通过 AI 让用户进行虚拟试驾或演示,激发用户兴趣并引导留资;提供像“金牌销售”一样的智能导购,挖掘用户需求和个性并推荐车型;通过互动问答游戏等了解客户真实用车场景、需求和性格,为其推荐合适车型刺激购买下单。 5. 提升销售能力,基于汽车销售的各个场景和环节自动出题,让用户答题并给出得分评估和建议。这种模式不仅可以是选择题形式,还可以增加“对话”或者“情景模拟”的形式,例如让 AI 扮演客户进行销售对练。
2025-02-08
AI入门课程
以下是为新手提供的 AI 入门课程相关指导: 了解 AI 基本概念: 建议阅读「」部分,熟悉 AI 的术语和基础概念,包括其主要分支(如机器学习、深度学习、自然语言处理等)以及它们之间的联系。同时浏览入门文章,了解 AI 的历史、当前的应用和未来的发展趋势。 开始 AI 学习之旅: 在「」中,能找到为初学者设计的课程,特别推荐李宏毅老师的课程。还可以通过在线教育平台(如 Coursera、edX、Udacity)上的课程按自己节奏学习并获取证书。 选择感兴趣的模块深入学习: AI 领域广泛,涵盖图像、音乐、视频等,可根据自身兴趣选择特定模块深入学习,同时掌握提示词技巧,因其上手容易且实用。 实践和尝试: 理论学习后,实践是巩固知识的关键,可尝试使用各种产品创作作品。知识库中有很多实践后的作品和文章分享。 体验 AI 产品: 与 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人互动,了解其工作原理和交互方式,获取对 AI 实际应用表现的第一手体验。 此外,微软也提供了为期 12 周、共 24 课时的 AI 初学者入门课程,您将深入学习符号人工智能、神经网络、计算机视觉、自然语言处理等内容。课程中会学到实现人工智能的不同方法,包括符号人工智能、神经网络和深度学习等。如需了解云计算中的人工智能主题,可参加《》课程。
2025-02-08
学习AI的书籍
以下是为您推荐的学习 AI 的书籍: 神经科学相关: 《认知神经学科:关于心智的生物学》(作者:Michael S. Gazzaniga;Richard B. Lvry;George R. Mangun):世界权威的认知神经科学教材,系统涵盖认知神经科学的多个方面。 《神经科学原理》(作者:Eric R. Kandel;James H. Schwartz):让您系统了解神经元的细胞和分子生物学等内容。 《神经生物学:从神经元到脑》(作者:John G. Nicholls 等著):神经生物学领域的世界级名著,涵盖神经科学的多方面内容。 Python 与 AI 相关: Python 方面: 《Python 学习手册》:名声在外。 《Python 编程》:对新手友好。 AI 方面: 《人类简史》:“认知革命”的相关章节有帮助。 《深度学习实战》:梳理了 ChatGPT 爆发前的 AI 信息与实践。
2025-02-07
AI阅读书籍的最佳实践是什么?
以下是关于 AI 阅读书籍的一些最佳实践: 1. 方法论萃取: 针对不同类型书籍的阅读和记忆方法进行分类,探讨共性方法论。 研究阅读和记忆的思维模型及小技巧。 思考如何优先选择自己“一定看得下去”的书籍,通过目录大纲确定核心内容。 确定一本书的阅读次数和顺序。 考虑读书过程中做笔记还是读完后回忆做大纲。 探索如何教刚毕业的孩子学会有效读书。 根据上述问题的答案设计“书籍阅读助手”“催我读书”等 Prompt,并不断优化和迭代。 2. 成为博物学家: 了解各个领域的知识,在恰当的时候调用。 参考权威、准确、有框架、成体系且好读的推荐书单,如涵盖心理学、人工智能、经济学等 13 个学科的书单。 3. 批判性思考: 思考在哪些情况下使用和不使用 AI 辅助阅读。 避免将 AI 作为默认选项,例如在使用地图导航时,不应完全依赖,而应注重自身对环境的观察和记忆。
2025-01-31
AI相关的书籍推荐
以下是为您推荐的与 AI 相关的书籍: 神经科学相关: 《认知神经学科:关于心智的生物学》(作者:Michael S. Gazzaniga;Richard B. Lvry;George R. Mangun):世界权威的认知神经科学教材,涵盖认知神经科学的多个方面。 《神经科学原理》(作者:Eric R. Kandel;James H. Schwartz):系统介绍神经元的细胞和分子生物学等内容。 《神经生物学:从神经元到脑》(作者:John G. Nicholls 等著):涵盖神经科学的方方面面。 Python 和 AI 相关: Python 方面: 《Python 学习手册》:名声在外。 《Python 编程》:对新手友好。 AI 方面: 《人类简史》:“认知革命”相关章节有价值。 《深度学习实战》:梳理了 ChatGPT 爆发前的 AI 信息与实践。
2025-01-22
神经网络相关书籍推荐
以下是为您推荐的神经网络相关书籍: 1. 《这就是 ChatGPT》:作者被称为“在世的最聪明的人”,研究神经网络几十年,创作了 Mathematica、Wolfram 等备受推崇的软件。该书的导读序是美团技术学院院长刘江老师回顾了整个 AI 技术发展的历史,对于了解 AI、大语言模型计算路线的发展,起到提纲挈领的作用。 2. 关于神经网络信念网络方面的研究文献: Gail A.Carpenter and Stephen Grossberg.1988.The ART of Adaptive Pattern Recognition by a SelfOrganizing Neural Network.Computer 21,3,7788. H.Bourlard and Y.Kamp.1988.Autoassociation by multilayer perceptrons and singular value decomposition.Biol.Cybern.59,45,291294. P.Baldi and K.Hornik.1989.Neural networks and principal component analysis:learning from examples without local minima.Neural Netw.2,1,5358. Hinton,G.E.&Zemel,R.S.,Autoencoders,Minimum Description Length and Helmholtz Free Energy.,in Jack D.Cowan;Gerald Tesauro&Joshua Alspector,ed.,‘NIPS’,Morgan Kaufmann,,pp.310. Ackley,D.H.,Hinton,G.E.,&Sejnowski,T.J.,147169. LeCun,Y.,Chopra,S.,Hadsell,R.,Ranzato,M.,&Huang,F..A tutorial on energybased learning.Predicting structured data,1,0. Neal,R.M.,71113. Hinton,G.E.,Dayan,P.,Frey,B.J.,&Neal,R.M.,11581161. 此外,您还可以参考“三本神经科学书籍”,原文地址:https://web.okjike.com/originalPost/64f2b8ff0c915376a20c5d61 作者:
2025-01-14
推荐学习Aigc的入门理论书籍
以下是为您推荐的学习 AIGC 的入门理论书籍和相关资料: 1. 《AIGC Weekly19》:其中包括腾讯非常系统的 Stable Diffusion 介绍文章,马丁整理的关于 AIGC 的碎片化思考,多邻国创始人 Luis von Ahn 专访,Meta AI 发布的自监督学习“烹饪书”,以及回顾大语言模型发展历程的内容。 2. 《AIGC Weekly01》:包含对 Stable Diffusion 工作原理的介绍,Emad 写的关于 SD V2 模型的笔记,Hugging Face Inference Endpoints 指南,GPT4 预测相关内容,以及关于 AI 时代工作未来的读物。 3. 【AI 学习笔记】:介绍了 AI 大模型的相关概念,如生成式 AI、相关技术名词(包括监督学习、无监督学习、强化学习、深度学习等)、技术里程碑(如 2017 年谷歌团队发表的提出 Transformer 模型的论文)等。
2025-01-01
如果用ai通过学习我所指定的书籍或网页,之后再输出给我想要查阅和学习的内容呢?
目前的 AI 技术可以通过对指定的书籍或网页进行学习,然后为您提供相关的内容。这通常涉及自然语言处理和机器学习的技术。 一种常见的方式是使用文本分类和信息抽取的算法,对输入的书籍或网页内容进行分析和理解,提取关键信息。然后,根据您的需求和查询,通过生成文本的方式为您输出相应的内容。 但要实现这一过程,可能需要一些特定的工具和技术,并且效果可能会受到数据质量、模型复杂度以及您的需求明确程度等多种因素的影响。 您可以考虑使用一些专门的知识管理工具或智能助手,它们可能具备这样的功能,能够帮助您更高效地获取所需的信息。
2024-12-30
本地部署语言大模型后进行知识库训练
以下是关于本地部署语言大模型后进行知识库训练的详细步骤: 1. 部署大语言模型: 下载并安装 Ollama:根据您的电脑系统,从 https://ollama.com/download 下载,双击打开后点击“Install”。安装完成后,将下方地址复制进浏览器中确认:http://127.0.0.1:11434/ 。 下载 qwen2:0.5b 模型(若设备充足,可下载更大的模型): 如果是 Windows 电脑,点击 win+R,输入 cmd 后点击回车。 如果是 Mac 电脑,按下 Command(⌘)+Space 键打开 Spotlight 搜索,输入“Terminal”或“终端”,然后从搜索结果中选择“终端”应用程序。 复制相关命令行并粘贴进入,回车后等待自动下载完成。(若下载久了卡顿,可鼠标点击窗口并按空格键刷新) 2. 了解 RAG 技术:利用大模型的能力搭建知识库是 RAG 技术的应用。在这个过程中,首先检索外部数据,然后在生成步骤中将这些数据传递给 LLM。RAG 应用可抽象为 5 个过程: 文档加载:从多种不同来源加载文档,LangChain 提供了 100 多种不同的文档加载器,包括 PDF 在内的非结构化的数据、SQL 在内的结构化的数据,以及 Python、Java 之类的代码等。 文本分割:文本分割器把 Documents 切分为指定大小的块。 存储:包括将切分好的文档块进行嵌入转换成向量的形式,以及将 Embedding 后的向量数据存储到向量数据库。 检索:通过某种检索算法找到与输入问题相似的嵌入片。 输出:把问题以及检索出来的嵌入片一起提交给 LLM,LLM 会通过问题和检索出来的提示生成更合理的答案。 3. 本地知识库进阶: 安装 AnythingLLM:安装地址为 https://useanything.com/download 。安装完成后进入配置页面,主要分为三步:选择大模型、选择文本嵌入模型、选择向量数据库。 构建本地知识库:AnythingLLM 中有 Workspace 的概念,可创建自己独有的 Workspace 与其他项目数据隔离。首先创建一个工作空间,然后上传文档并在工作空间中进行文本嵌入,选择对话模式(包括 Chat 模式和 Query 模式),最后进行测试对话。
2025-02-08
AI大模型应用面试题
以下是一些与 AI 大模型应用相关的面试题: 在游戏行业,大模型不仅能降低成本,还能打造创新玩法,如网易的《逆水寒》在美术开发、NPC 与玩家交互等方面的应用。请问您对这种应用的看法和理解? 在人力资源管理领域,AI 覆盖了从招聘到员工绩效评估等各个环节。请谈谈您对这种应用的认识以及其可能带来的影响。 在基础办公提效方面,如 PPT、Excel 等,AI 能从单个任务到角色协同显著提高工作效率。您认为这种提高在实际工作中的具体表现和重要性如何? 对于健身行业中的 AI 减重顾问,既能解决售前客服问题,又能进行健康监护,您如何看待这种应用的前景和挑战? 如何在 10 分钟内在网站上增加一个 AI 助手?比如创建大模型问答应用,包括获取大模型的推理 API 服务等步骤。 作为 AIGC 产品经理,在大模型方面,如对算法的熟悉程度、了解的大模型及其评价、快速体验各种模型的方法、大模型应用落地中注入领域知识的方式、大模型应用的评测、保证大模型价值观无害、对 PE 的理解及相关案例、对大模型微调及 RAG 的理解和优势、用大模型解决传统模型无法解决的业务问题、大模型面临的新安全危险及解决方法、幻觉的产生及解决手段等方面,您有怎样的见解和经验?
2025-02-07
推荐免费的tts公有模型站点,需要支持中文,克隆自己的声音
以下为您推荐支持中文且能克隆自己声音的免费 TTS 公有模型站点: GPTSoVITS: 只需 1 分钟语音即可训练一个自己的 TTS 模型。 5 秒数据就能模仿您,1 分钟的声音数据就能训练出一个高质量的 TTS 模型,完美克隆您的声音,且适配中文,界面易用。 主要特点: 零样本 TTS:输入 5 秒的声音样本即可体验即时的文本到语音转换。 少量样本训练:只需 1 分钟的训练数据即可微调模型,提高声音相似度和真实感。模仿出来的声音会更加接近原声,听起来更自然。 跨语言支持:支持与训练数据集不同语言的推理,目前支持英语、日语和中文。 易于使用的界面:集成了声音伴奏分离、自动训练集分割、中文语音识别和文本标签等工具,帮助初学者更容易地创建训练数据集和 GPT/SoVITS 模型。 适用于不同操作系统:项目可以在不同的操作系统上安装和运行,包括 Windows。 预训练模型:项目提供了一些已经训练好的模型,您可以直接下载使用。 GitHub: 视频教程: 需要注意的是,Stuart 模型存在一些问题: 语音生成基本功能方面: 支持的语音时长不超过 30 秒,超过 30 秒的需要特别修复。 某些 audio seed 在念某些语句时会丢失一些语句。 Refine 过程中有些字会被丢失,比如“儿童节”在大概率会被 refine 成“童节”,丢失一个“儿”字。解决方法是跳过自动 refine,以手动修改文本的方式来控制停顿。 即使同一个 audio seed,如果使用不同的语句分段方式,或者不同的 text seed,生成的音色也不是很稳定,会给人感觉不是同一个人的声音。 代码 Bug: uv_break 等提示词可能会在 refine 之后缺少,甚至有时候在有中括号的情况下也会被念出来。 没提供微调 SFT 的接口。 本模型特别申明:不支持商用,仅用于学术研究。在生成的语音内,作者加了听不见的噪音水印,可以很容易的被检测出来是他的模型生成的语音。ChatTTS 还没放出训练代码无法自己克隆声音,作者还只放出了 4w 小时训练的版本,确保这个模型的声音能被 AI 检测出来。作者还留着一个 10w 小时训练数据的版本。
2025-02-07
推荐免费的tts模型站点,需要支持中文
以下为您推荐两个免费的支持中文的 TTS 模型站点: 1. Fish Speech:语音处理接近人类水平,约十五万小时三语数据,对中文支持完美。开发者为 fishaudio,具有亿级参数,高效轻量,可在个人设备上运行和微调,适合作为私人语音助手。详细介绍及更多演示:https://xiaohu.ai/p/10779 ,GitHub:https://github.com/fishaudio/fishspeech 。 2. GPTSoVITS:只需 1 分钟语音即可训练一个自己的 TTS 模型,是一个声音克隆和文本到语音转换的开源 Python RAG 框架。5 秒数据就能模仿您,1 分钟的声音数据就能训练出一个高质量的 TTS 模型,完美克隆您的声音,完美适配中文。GitHub: 。
2025-02-07
本地大模型联网搜索
以下是关于本地大模型联网搜索的相关内容: 部署本地大语言模型: 1. 下载并安装 Ollama:根据电脑系统,从 https://ollama.com/download 下载,双击打开点击“Install”,安装完成后将下方地址复制进浏览器确认:http://127.0.0.1:11434/ 。 2. 下载 qwen2:0.5b 模型: Windows 电脑:点击 win+R,输入 cmd 点击回车。 Mac 电脑:按下 Command(⌘)+Space 键打开 Spotlight 搜索,输入“Terminal”或“终端”选择应用程序。 复制相关命令行粘贴回车,等待自动下载完成。 模型获取与分辨: 1. 模型下载网站:大多数模型可在 Civitai(C 站)https://civitai.com/ 下载。 科学上网(自行解决)。 点击右上角筛选按钮选择模型类型。 看照片找到感兴趣的点进去下载。 还可点击左上角“Images”查看他人做好的图片,点进去获取信息。 2. 模型保存地址: 大模型:SD 根目录即下载 SD 时存放的文件夹。 Lora、VAE 等。 3. 分辨模型类型:可使用秋叶的模型解析工具 https://spell.novelai.dev/,将模型拖动到空白处获取信息。 DeepSeek 联网版: 1. 核心路径:通过工作流+DeepSeek R1 大模型实现联网版。 2. 拥有扣子专业版账号:普通账号自行升级或注册专业号。 3. 开通 DeepSeek R1 大模型:访问地址 https://console.volcengine.com/cozepro/overview?scenario=coze ,在火山方舟中找到开通管理,开通服务并添加在线推理模型。 4. 创建智能体:点击创建完成智能体创建。
2025-02-07
垂直领域大模型训练指南
以下是一份垂直领域大模型训练指南: 一、大模型入门 通俗来讲,大模型就是输入大量语料,让计算机获得类似人类的“思考”能力,能够进行文本生成、推理问答、对话、文档摘要等工作。 大模型的训练和使用过程可以用“上学参加工作”来类比: 1. 找学校:训练大模型需要大量计算,GPU 更合适,只有购买得起大量 GPU 的才有资本训练自己的大模型。 2. 确定教材:大模型需要的数据量特别多,几千亿序列(Token)的输入基本是标配。 3. 找老师:即用合适的算法讲述“书本”中的内容,让大模型更好理解 Token 之间的关系。 4. 就业指导:为了让大模型更好胜任某一行业,需要进行微调(fine tuning)指导。 5. 搬砖:就业指导完成后,进行如翻译、问答等工作,在大模型里称之为推导(infer)。 在 LLM 中,Token 被视为模型处理和生成的文本单位,可以代表单个字符、单词、子单词等,具体取决于所使用的分词方法。在将输入进行分词时,会对其进行数字化,形成一个词汇表。 二、LLM 开源中文大语言模型及数据集集合 1. 医疗领域 XrayGLM:首个会看胸部 X 光片的中文多模态医学大模型。 地址: 简介:该项目发布了 XrayGLM 数据集及模型,在医学影像诊断和多轮交互对话上显示出非凡潜力。 MeChat:中文心理健康支持对话大模型。 地址: 简介:该项目开源的中文心理健康支持通用模型由 ChatGLM6B LoRA 16bit 指令微调得到,数据集通过调用 gpt3.5turbo API 扩展真实的心理互助 QA 为多轮的心理健康支持多轮对话,提高了通用语言大模型在心理健康支持领域的表现,更加符合在长程多轮对话的应用场景。 MedicalGPT 地址: 简介:训练医疗大模型,实现包括二次预训练、有监督微调、奖励建模、强化学习训练。发布中文医疗 LoRA 模型 shibing624/ziyallama13bmedicallora,基于 ZiyaLLaMA13Bv1 模型,SFT 微调了一版医疗模型,医疗问答效果有提升,发布微调后的 LoRA 权重。 三、100 基础训练大模型 步骤三·Lora 生图: 1. 点击预览模型中间的生图会自动跳转到相应页面。 2. 模型上的数字代表模型强度,可在 0.6 1.0 之间调节,默认为 0.8。 3. 可以自己添加 lora 文件,点击后会显示训练过的所有 lora 的所有轮次。 4. VAE 不需要替换。 5. 正向提示词输入所写的提示词,可以选择基于这个提示词一次性生成几张图。 6. 选择生成图片的尺寸,包括横板、竖版、正方形。 7. 采样器和调度器新手小白可以默认不换。 8. 迭代步数可以按照需求在 20 30 之间调整。 9. CFG 可以按照需求在 3.5 7.5 之间调整。 10. 随机种子 1 代表随机生成图。 11. 所有设置都完成后,点击开始生成,生成的图会显示在右侧。 12. 如果有某次生成结果不错,想要微调或者高分辨率修复,可以点开那张图,往下滑,划到随机种子,复制下来,粘贴到随机种子这里,下次生成的图就会和这次的结果近似。 13. 如果确认了一张很合适的种子和参数,想要高清放大,则点开高清修复,可以选择放大的倍数。新手小白可以默认算法,迭代步数建议在 20 30 之间,重回幅度根据需求在 0.3 0.7 之间调整。 今日作业:按照比赛要求,收集六个主题中一个主题的素材并且训练出 lora 模型后提交 lora 模型与案例图像。 提交链接:https://waytoagi.feishu.cn/share/base/form/shrcnpJAtTjID7cIcNsWB79XMEd
2025-02-07
如何学习ai
以下是新手学习 AI 的方法和建议: 1. 了解 AI 基本概念: 阅读「」部分,熟悉 AI 的术语和基础概念,包括其主要分支(如机器学习、深度学习、自然语言处理等)以及它们之间的联系。 浏览入门文章,了解 AI 的历史、当前的应用和未来的发展趋势。 2. 开始 AI 学习之旅: 在「」中,找到为初学者设计的课程,特别推荐李宏毅老师的课程。 通过在线教育平台(如 Coursera、edX、Udacity)上的课程,按照自己的节奏学习,并有机会获得证书。 3. 选择感兴趣的模块深入学习: AI 领域广泛,如图像、音乐、视频等,可根据兴趣选择特定模块深入学习。 掌握提示词的技巧,它上手容易且很有用。 4. 实践和尝试: 理论学习后,实践是巩固知识的关键,尝试使用各种产品做出作品。 在知识库提供了很多大家实践后的作品、文章分享,欢迎实践后的分享。 5. 体验 AI 产品: 与现有的 AI 产品进行互动,如 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人,了解其工作原理和交互方式,获得对 AI 在实际应用中表现的第一手体验,并激发对 AI 潜力的认识。 对于中学生学习 AI,建议如下: 1. 从编程语言入手学习: 可以从 Python、JavaScript 等编程语言开始学习,学习编程语法、数据结构、算法等基础知识,为后续的 AI 学习打下基础。 2. 尝试使用 AI 工具和平台: 可以使用 ChatGPT、Midjourney 等 AI 生成工具,体验 AI 的应用场景。 探索一些面向中学生的 AI 教育平台,如百度的“文心智能体平台”、Coze 智能体平台等。 3. 学习 AI 基础知识: 了解 AI 的基本概念、发展历程、主要技术如机器学习、深度学习等。 学习 AI 在教育、医疗、金融等领域的应用案例。 4. 参与 AI 相关的实践项目: 参加学校或社区组织的 AI 编程竞赛、创意设计大赛等活动。 尝试利用 AI 技术解决生活中的实际问题,培养动手能力。 5. 关注 AI 发展的前沿动态: 关注 AI 领域的权威媒体和学者,了解 AI 技术的最新进展。 思考 AI 技术对未来社会的影响,培养对 AI 的思考和判断能力。 记住,学习 AI 是一个长期的过程,需要耐心和持续的努力。不要害怕犯错,每个挑战都是成长的机会。随着时间的推移,您将逐渐建立起自己的 AI 知识体系,并能够在这一领域取得成就。完整的学习路径建议参考「通往 AGI 之路」的布鲁姆分类法,设计自己的学习路径。
2025-02-08
如何学习ai
以下是新手学习 AI 的方法和建议: 1. 了解 AI 基本概念: 阅读「」部分,熟悉 AI 的术语和基础概念,包括其主要分支(如机器学习、深度学习、自然语言处理等)以及它们之间的联系。 浏览入门文章,了解 AI 的历史、当前的应用和未来的发展趋势。 2. 开始 AI 学习之旅: 在「」中,找到为初学者设计的课程,特别推荐李宏毅老师的课程。 通过在线教育平台(如 Coursera、edX、Udacity)上的课程,按照自己的节奏学习,并有机会获得证书。 3. 选择感兴趣的模块深入学习: AI 领域广泛,比如图像、音乐、视频等,可根据自己的兴趣选择特定模块深入学习。 掌握提示词的技巧,它上手容易且很有用。 4. 实践和尝试: 理论学习后,实践是巩固知识的关键,尝试使用各种产品做出作品。 在知识库提供了很多大家实践后的作品、文章分享,欢迎实践后的分享。 5. 体验 AI 产品: 与现有的 AI 产品进行互动,如 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人,了解其工作原理和交互方式,获得对 AI 在实际应用中表现的第一手体验,并激发对 AI 潜力的认识。 对于中学生学习 AI,建议如下: 1. 从编程语言入手学习: 可以从 Python、JavaScript 等编程语言开始,学习编程语法、数据结构、算法等基础知识,为后续的 AI 学习打下基础。 2. 尝试使用 AI 工具和平台: 可以使用 ChatGPT、Midjourney 等 AI 生成工具,体验 AI 的应用场景。 探索一些面向中学生的 AI 教育平台,如百度的“文心智能体平台”、Coze 智能体平台等。 3. 学习 AI 基础知识: 了解 AI 的基本概念、发展历程、主要技术如机器学习、深度学习等。 学习 AI 在教育、医疗、金融等领域的应用案例。 4. 参与 AI 相关的实践项目: 参加学校或社区组织的 AI 编程竞赛、创意设计大赛等活动。 尝试利用 AI 技术解决生活中的实际问题,培养动手能力。 5. 关注 AI 发展的前沿动态: 关注 AI 领域的权威媒体和学者,了解 AI 技术的最新进展。 思考 AI 技术对未来社会的影响,培养对 AI 的思考和判断能力。 记住,学习 AI 是一个长期的过程,需要耐心和持续的努力。不要害怕犯错,每个挑战都是成长的机会。随着时间的推移,您将逐渐建立起自己的 AI 知识体系,并能够在这一领域取得成就。完整的学习路径建议参考「通往 AGI 之路」的布鲁姆分类法,设计自己的学习路径。
2025-02-08
小白如何开始学习
对于小白如何开始学习 AI,以下是一些建议: 1. 了解 AI 基本概念: 阅读「」部分,熟悉 AI 的术语和基础概念,包括人工智能的定义、主要分支(如机器学习、深度学习、自然语言处理等)以及它们之间的联系。 浏览入门文章,了解 AI 的历史、当前的应用和未来的发展趋势。 2. 开始 AI 学习之旅: 在「」中,找到为初学者设计的课程,特别推荐李宏毅老师的课程。 通过在线教育平台(如 Coursera、edX、Udacity)上的课程,按照自己的节奏学习,并有机会获得证书。 3. 选择感兴趣的模块深入学习: AI 领域广泛,如图像、音乐、视频等,根据自己的兴趣选择特定的模块进行深入学习。 掌握提示词的技巧,它上手容易且很有用。 4. 实践和尝试: 理论学习之后,实践是巩固知识的关键,尝试使用各种产品做出自己的作品。 在知识库提供了很多大家实践后的作品、文章分享,欢迎实践后的分享。 5. 体验 AI 产品: 与现有的 AI 产品进行互动,如 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人,了解它们的工作原理和交互方式。 6. 读文档: 可以使用提示词让 GPT 帮助翻译和解释文档中的不懂之处,并让其举例子帮助理解。 可以使用如下 prompt 自测是否真的读懂:点击链接查看对话原文,顶部的问题可以复制,然后作为 prompt 自己去提问: 7. 根据电脑的硬件情况和自身财力选择合适的开始方式: 本地部署:如果电脑是 M 芯片的 Mac 电脑(Intel 芯片出图速度非常慢,因此不建议)或者 2060Ti 及以上显卡的 Windows 电脑,可以选择本地部署。强烈建议在配有 N 卡的 Windows 电脑上进行。 在线平台:对于电脑不符合要求的小伙伴可以直接使用在线工具,在线工具分为在线出图和云电脑两种,前者功能可能会受限、后者需要自己手动部署,大家根据实际情况选择即可。 配台电脑:不建议一上来就配主机,因为大概率会变成游戏机或者吃灰(土豪请随意)。玩几个月后还对 AI 有兴趣的话再考虑配个主机。主机硬盘要大,显卡预算之内买最好,其他的随意。 8. 学习课程: 先验经验:需要熟练使用文生图、图生图;需要有一定的逻辑思考能力以及推理能力;适合炼丹新人、小白。 课程安排:课程大约 70 80%是理论和方法论的内容,大部分练习会在课外跟大家沟通、练习。只有少部分必要内容会在课上演示。 必学、必看内容是基础课,主要是为了解决环境问题和软件安装不上的问题;建炉是针对不同炼丹方式提供了不同的炼丹工具的安装教程;正式的内容部分分为了数据集预处理、模型训练以及模型调试及优化三个部分。
2025-02-08
学习AI
新手学习 AI 可以参考以下步骤: 1. 了解 AI 基本概念: 阅读「」部分,熟悉 AI 的术语和基础概念,包括其主要分支(如机器学习、深度学习、自然语言处理等)以及它们之间的联系。 浏览入门文章,了解 AI 的历史、当前的应用和未来的发展趋势。 2. 开始 AI 学习之旅: 在「」中,找到为初学者设计的课程,特别推荐李宏毅老师的课程。 通过在线教育平台(如 Coursera、edX、Udacity)上的课程,按照自己的节奏学习,并有机会获得证书。 3. 选择感兴趣的模块深入学习: AI 领域广泛,如图像、音乐、视频等,可根据兴趣选择特定模块深入学习。 掌握提示词的技巧,它上手容易且很有用。 4. 实践和尝试: 理论学习后,实践是巩固知识的关键,尝试使用各种产品做出作品。 在知识库提供了很多大家实践后的作品、文章分享,欢迎实践后的分享。 5. 体验 AI 产品: 与现有的 AI 产品进行互动,如 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人,了解其工作原理和交互方式,获得对 AI 在实际应用中表现的第一手体验,并激发对 AI 潜力的认识。 对于中学生学习 AI,建议如下: 1. 从编程语言入手学习: 可以从 Python、JavaScript 等编程语言开始,学习编程语法、数据结构、算法等基础知识,为后续的 AI 学习打下基础。 2. 尝试使用 AI 工具和平台: 可以使用 ChatGPT、Midjourney 等 AI 生成工具,体验 AI 的应用场景。 探索一些面向中学生的 AI 教育平台,如百度的“文心智能体平台”、Coze 智能体平台等。 3. 学习 AI 基础知识: 了解 AI 的基本概念、发展历程、主要技术如机器学习、深度学习等。 学习 AI 在教育、医疗、金融等领域的应用案例。 4. 参与 AI 相关的实践项目: 参加学校或社区组织的 AI 编程竞赛、创意设计大赛等活动。 尝试利用 AI 技术解决生活中的实际问题,培养动手能力。 5. 关注 AI 发展的前沿动态: 关注 AI 领域的权威媒体和学者,了解 AI 技术的最新进展。 思考 AI 技术对未来社会的影响,培养对 AI 的思考和判断能力。 记住,学习 AI 是一个长期的过程,需要耐心和持续的努力。不要害怕犯错,每个挑战都是成长的机会。随着时间的推移,您将逐渐建立起自己的 AI 知识体系,并能够在这一领域取得成就。完整的学习路径建议参考「通往 AGI 之路」的布鲁姆分类法,设计自己的学习路径。
2025-02-08
我想要学习coze等智能体 你可以给我推荐高质量的免费课程吗
以下是为您推荐的学习 Coze 智能体的高质量免费课程: 通识篇: 现有常见 AI 工具小白扫盲: AI 常见名词、缩写解释: 基础教程: 大圣:胎教级教程:万字长文带你使用 Coze 打造企业级知识库: 大聪明:保姆级教程:Coze 打工你躺平: 安仔:Coze 全方位入门剖析 免费打造自己的 AI Agent 基础教程:Coze“图像流”抢先体验: YoYo:Coze 图像流小技巧:探索视觉艺术的隐藏宝藏: 【智能体】让 Coze 智能体机器人连上微信和微信群详细配置文档: 【智能体搭建共学课】一步步教你玩转 Coze 智能体,新手 0 门槛教学特邀讲师:元子:[https://www.bilibili.com/video/BV1mXqGY1EwJ/?spm_id_from=333.999.0.0&vd_source=84aaf5d504fda49d36287bb4930a47a2)(1 小时 32 分开始)
2025-02-08
我想学习AI的小白怎么开始学习ai的应用呢、
对于想学习 AI 应用的小白,以下是一些建议: 1. 了解 AI 基本概念: 阅读「」部分,熟悉 AI 的术语和基础概念,包括其主要分支(如机器学习、深度学习、自然语言处理等)以及它们之间的联系。 浏览入门文章,了解 AI 的历史、当前的应用和未来的发展趋势。 2. 开始 AI 学习之旅: 在「」中,找到为初学者设计的课程,特别推荐李宏毅老师的课程。 通过在线教育平台(如 Coursera、edX、Udacity)上的课程,按照自己的节奏学习,并有机会获得证书。 3. 选择感兴趣的模块深入学习: AI 领域广泛,比如图像、音乐、视频等,可根据自己的兴趣选择特定模块深入学习。 掌握提示词的技巧,它上手容易且很有用。 4. 实践和尝试: 理论学习后,实践是巩固知识的关键,尝试使用各种产品做出作品。 在知识库有很多实践后的作品、文章分享,欢迎实践后分享。 5. 体验 AI 产品: 与现有的 AI 产品进行互动,如 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人,了解其工作原理和交互方式。 对于技术纯小白用 AI 开发真正的应用,可以这样做: 1. 基础小任务: 从一个最基础的小任务开始,让 AI 先帮你按照 best practice 写一个 say hello 的示例程序,并解释每个文件的作用及程序运行的逻辑,学会必备的调试技能。 可以使用如“我在学习写 chrome 插件。请选择最适合小白上手的技术栈,按照 best practice 为我生成一个简单的示范项目,但要包含尽可能全面的典型文件和功能。请为我讲解每个文件的作用和程序运行的逻辑。”这样的提示。 如果用的是 o1mini,可以在 prompt 最后添加“请生成 create.sh 脚本,运行脚本就能直接创建插件所需要的所有文件。请教我如何运行脚本。”(如果 windows 机器则是 create.cmd),它会为你生成一段超级长的代码,并给出提示,你只需要复制粘贴并执行,一次性生成十多个目录和文件。 2. 明确项目需求: 通过和 AI 的对话,逐步明确项目需求。 让 AI 帮助梳理出产品需求文档,包含影响技术方案选择的细节,在后续开发时每次新起一个聊天就把文档发给 AI 并告知在做第几点功能。 对于中学生学习 AI: 1. 从编程语言入手学习: 可以从 Python、JavaScript 等编程语言开始,学习编程语法、数据结构、算法等基础知识。 2. 尝试使用 AI 工具和平台: 可以使用 ChatGPT、Midjourney 等 AI 生成工具,体验 AI 的应用场景。 探索一些面向中学生的 AI 教育平台,如百度的“文心智能体平台”、Coze 智能体平台等。 3. 学习 AI 基础知识: 了解 AI 的基本概念、发展历程、主要技术如机器学习、深度学习等。 学习 AI 在教育、医疗、金融等领域的应用案例。 4. 参与 AI 相关的实践项目: 参加学校或社区组织的 AI 编程竞赛、创意设计大赛等活动。 尝试利用 AI 技术解决生活中的实际问题,培养动手能力。 5. 关注 AI 发展的前沿动态: 关注 AI 领域的权威媒体和学者,了解 AI 技术的最新进展。 思考 AI 技术对未来社会的影响,培养对 AI 的思考和判断能力。 总之,中学生可以从编程基础、工具体验、知识学习、实践项目等多个方面入手,全面系统地学习 AI 知识和技能,为未来的 AI 发展做好准备。请注意,以上内容由 AI 大模型生成,请仔细甄别。
2025-02-08