分类归档

AI教程

ChatGPT、Copilot、xAI、Meta AI 等

FWQ
AI教程
用Kokoro TTS制作AI配音
如果我告诉你,现在可以完全免费使用一种不仅好而且可能比 ElevenLabs 等行业领先(且昂贵)服务更好的工具来创建专业品质的 AI 配音,你会怎么想?听起来好得令人难以置信? 这就是 Kokoro TTS 的创建者每天都在证明的错误。这不仅仅是另一个文本转语音模型;这是一场 8200 万参数的开源革命,它颠覆了 AI 语音世界。我们谈论的是一个在极低预算下训练的模型,在日常计算机上运行,​​但在主要基准测试中却以某种方式超越了巨头。 好奇吗?你应该好奇。 这篇博文不仅会揭开 Kokoro TTS 背后的秘密,还会逐步指导你如何利用它的力量来创建令人惊叹的画外音,将你的项目提升到新的高度。 系好安全带,因为人工智能语音的未来就在这里,而且它是免费的。这不仅仅是一个教程;它是你进入一个正在重新定义景观的社区的大门。 1、Kokoro TTS 现象:AI竞技场上的大卫与歌利亚 我们都喜欢弱者的故事。而在人工智能语音的世界里,Kokoro TTS 是终极弱者。想象一下:一个只有 8200 万个参数的微型模型,仅用不到 100…
2025-02-16 阅读全文 →
FWQ
AI教程
Roo Code接入DeeoSeek R1
想象一下,你坐在办公桌前,对一款应用有一个构想,但无需费力地编写无数行代码,只需描述你的想法即可。 如今,借助 Deepseek R1 和 Roo Code 这两个工具,这一构想比以往任何时候都更接近现实。 Deepseek R1 是一款开源人工智能,可以解决从复杂的数学问题到复杂的编程挑战等所有问题,其推理水平可与业内最佳水平相媲美,同时还非常经济高效。 另一方面,Roo Code 可与 Visual Studio Code 无缝集成,成为你的个人编码伴侣,通过动态生成、调试和优化代码来简化你的工作流程。 1、Deepseek R1 Deepseek R1 是由创新型中国初创公司 DeepSeek 开发的先进 AI 模型。Deepseek 由梁文峰于…
2025-02-16 阅读全文 →
FWQ
AI教程
用AI简化用户画像分析
虽然AI有能力增强我们的工作,但它不能替代通过实际用户体验研究和分析获得的基本见解。 AI是一种帮助我们更高效地完成工作的工具;它不会取代我们。 在超过20年的用户体验研究经验中,我最初对将AI集成到我们的研究实践中持怀疑态度。然而,我发现像ChatGPT、Google Gemini、Microsoft CoPilot、Claude.ai等生成式AI(GenAI)工具非常有帮助。它们不仅能帮助分析数据以揭示洞察,还能在将这些洞察转化为有效的交付成果如用户体验角色和旅程图方面表现出色。 有许多方法可以编写AI提示来创建用户体验角色和旅程图。只需谷歌搜索“如何使用AI创建用户体验角色?”你就会找到很多资源(其中一些我已经使用并引用了)。那么,既然已经有这么多内容,为什么我还写这篇文章呢? 经过一年的研究和实验尝试了几种不同的方法后,我发现了一种成功的混合提示方法,这种方法具有独特的细微差别,似乎在任何我读过的文章中都没有涵盖。因此,我想分享我的发现,希望它们也能帮助其他用户体验研究人员。 1、用户角色 用户体验角色主要有两种类型:基于实际用户研究的角色和基于假设的角色。无论是创建基于数据的角色还是基于假设的角色(也称为“原型角色”、“临时角色”、“对齐角色”等),GenAI都可以提供极大的帮助。 ️ 关于原型角色的小贴士: 在我的经验中,产品团队以外的人往往不理解角色和原型角色之间的区别。因此,在创建原型角色时,我更喜欢使用“基于假设的角色”这一术语,这样就清楚地表明还需要进行研究。最糟糕的情况是,当你展示一个原型角色时,利益相关者认为他们已经完成了“角色”这一步,从而不再需要进行实际的用户研究! 如果你有兴趣了解更多关于如何创建原型角色的信息,我强烈建议你查看Tamara Aldin关于对齐角色的优秀作品。 即使角色是基于用户研究创建的,精简后的信息也是以一种虚构的方式呈现的,但仍准确描述了产品的平均用户。无论是名字、背景故事、标语等,这些虚构的元素有助于使角色变得生动,使其真实且令人难忘,同时增强其与受众产生共鸣的能力。我不知道你是否也有同感,但我总是难以撰写角色中的这些虚构部分,这也是我在GenAI中得到最多帮助的地方。 在进行了研究和分析之后,我知道我希望在角色中包含哪些数据以及如何对其进行分段,但我在最佳传达方式上遇到了困难。有些人可能认为这是角色创建过程中有趣的部分,但对我来说,我可能会花几个小时只是在构思合适的标语上打转。我是一个数据狂热者,热爱定性分析,但我不一定认为自己是最具创意的作家,这有时会让角色真正有意义。这不是说我不能独自完成,而是这需要花费我比那些有这种天赋的人更多的时间。AI来了! 最近,我一直在试验使用HeyMarvin、ChatGPT团队以及其他GenAI工具来帮助我在创建角色时填补通常会遇到的创意写作空白。为了以这种方式使用AI,我发现最好先自己完成大部分工作。 1.1 收集所有研究数据和洞察 收集所有访谈记录和/或研究报告,如果你进行了用户研究的话。如果你正在创建原型角色,你希望拥有很多可以分析的二手研究文件(品牌策略与行业报告、年终报告、以前的研究报告——调查结果、市场研究报告、客户服务报告等)或者某种文档,该文档捕捉了团队对目标受众的假设。 1.2 决定角色部分和行为提示 没有两个角色是一样的。选择适合你研究需求的角色部分至关重要。正如Steve Mulder在他的书《用户永远是对的》中提到的,角色的每一个元素都应该有目的,这意味着它应该帮助团队更好地理解和同情这个用户群体。始终确保背景与你的产品或服务的上下文相关。如果背景信息与用户如何使用产品或其功能无关,则没有必要包括过多的个人信息。 如果你想了解更多关于决定包含哪些信息的内容,请观看我的免费一小时课程,“如何创建和使用用户体验角色”。 1.3 将文档上传到GenAI工具(即你的数据集) 不同的工具允许上传不同格式的文件。目前,你可以在ChatGPT…
2025-02-16 阅读全文 →
FWQ
AI教程
10个最好的多模态数据集
多模态数据集就像是我们感官的数字等价物。就像我们用视觉、声音和触觉来解释世界一样,这些数据集结合了各种数据格式(文本、图像、音频和视频),以提供对内容的更丰富的理解。 可以这样想:如果你试图仅通过阅读剧本来理解一部电影,那么你就会错过让故事栩栩如生的视觉和听觉元素。多模态数据集提供了那些缺失的部分,使人工智能能够捕捉到如果局限于单一类型的数据就会丢失的细微差别和背景。 另一个例子是分析医学图像和患者记录。这种方法可以揭示如果单独检查每种类型的数据可能会遗漏的模式,从而导致疾病诊断方面的突破。这就像组装多个拼图块以创建更清晰、更全面的画面。 在这篇博客中,我们收集了最好的多模态数据集以及这些数据源的链接。这些数据集对于多模态深度学习至关重要,多模态深度学习需要整合多个数据源来提高图像字幕、情绪分析、医疗诊断、视频分析、语音识别、情绪识别、自动驾驶汽车和跨模态检索等任务的性能。 0、什么是多模态深度学习? 多模态深度学习是机器学习的一个子领域,涉及使用深度学习技术同时分析和整合来自多个数据源和模态(如文本、图像、音频和视频)的数据。这种方法使用来自不同类型数据的互补信息来提高模型性能,从而实现增强图像字幕、视听语音识别和跨模态检索等任务。 Next-GPT:多模态大模型 多模态数据集通过提供更丰富、更具上下文信息,显著增强了计算机视觉应用: 通过将视觉数据与其他模态和数据源(如文本、音频或深度信息)相结合,模型可以在对象检测、图像分类和图像分割等任务中实现更高的准确性。 多模态模型不易受到单一模态的噪声或变化的影响。例如,结合视觉和文本数据可以帮助克服遮挡或模糊图像内容等挑战。 多模态数据集允许模型学习对象与其上下文之间更深层次的语义关系。这使得视觉问答 (VQA) 和图像生成等更复杂的任务成为可能。 多模态数据集为计算机视觉、大型语言模型、增强现实、机器人技术、文本到图像生成、VQA、NLP 和医学图像分析等新应用开辟了可能性。 通过整合来自不同模态数据源的信息,模型可以更好地理解视觉数据的上下文,从而产生更智能、更像人类的大型语言模型。 1、Flickr30K Entities数据集 Flickr30K Entities数据集专门用于改进自动图像描述研究并了解语言如何引用图像中的对象。它为图像文本理解任务提供了更详细的标注。 Flickr30K Entities数据集建立在 Flickr30k 数据集之上,其中包含从 Flickr 收集的 31K+ 幅图像。Flickr30k…
2025-02-16 阅读全文 →
FWQ
AI教程
DeepSeek-R1新闻推理
在本文中,我们将了解使用 DeepSeek 对新闻文章进行推理的方式。一切都使用 Ollama 在本地设置。 如果你是股票或并购分析师并希望了解推理,可以尝试一下。我们介绍了两种场景 对简单新闻进行推理 使用 Azure Bing API 服务为新闻提供更多背景信息 代码在公开提供。你需要知道如何设置 Visual Studio Code Dev Container,然后就可以了。 1、场景1:简单新闻文章 这里我们对简单新闻进行推理: import ollama from pprint import pprint import re…
2025-02-16 阅读全文 →
FWQ
AI教程
9个最受欢迎的3D生成AI工具
在快速发展的技术世界中,人工智能 (AI) 已经改变了游戏规则,尤其是在 3D 对象生成领域。AI驱动的 3D 对象生成器彻底改变了我们创建和可视化 3D 模型的方式,使该过程更加高效、准确且人人都能使用。 无论你是游戏开发者、平面设计师还是技术爱好者,这些工具都可以帮助你将想法以三维形式变为现实。我们将探索 9 款最佳 AI 3D 对象生成器,它们凭借创新功能和用户友好界面引领行业发展。 1、Meshy 是一个 3D 生成 AI 工具箱,旨在简化从文本或图像创建 3D 资产的过程,显著加快设计师、艺术家和开发人员的 3D 工作流程。通过利用人工智能和机器学习的最新进展,Meshy 允许用户在几分钟内生成高质量的纹理和 3D 模型。它提供的功能包括文本转纹理(可根据描述性文本提示生成纹理)和图像转纹理(可根据概念艺术图像创建纹理)。此外,Meshy…
2025-02-16 阅读全文 →
FWQ
AI教程
DeepSeek GRPO Trainer简明教程
TRL 支持使用 GRPO Trainer 来训练语言模型,如论文《中所述。 论文摘要如下: 数学推理因其复杂性和结构性而对语言模型构成了重大挑战。在本文中,我们介绍了 DeepSeekMath 7B,它继续使用来自 Common Crawl 的 120B 个数学相关标记以及自然语言和代码数据对 DeepSeek-Coder-Base-v1.5 7B 进行预训练。DeepSeekMath 7B 在不依赖外部工具包和投票技术的情况下,在竞赛级 MATH 基准上取得了令人印象深刻的 51.7% 的成绩,接近 Gemini-Ultra 和 GPT-4 的性能水平。 DeepSeekMath…
2025-02-16 阅读全文 →
FWQ
AI教程
9个顶级DeepSeek-R1服务商
DeepSeek-R1作为新一代中文大语言模型的代表,凭借其卓越的性能和开源特性,已成为AI应用领域的首选解决方案。无论是企业级应用还是个人开发者,DeepSeek-R1都展现出了强大的多场景适应能力。 然而,由于访问官方服务时可能遇到的不稳定性问题,许多用户需要依赖第三方服务商来接入DeepSeek-R1 API。本文将详细介绍9个提供DeepSeek-R1 API的服务商,帮助用户找到最适合自己的接入方案。 1、腾讯云 是国内首家支持DeepSeek-R1和V3原版模型API的云服务商。它不仅提供了稳定的API接口,还支持联网搜索功能,为用户提供智能搜索和深度问答服务。腾讯云的API接口设计简洁易用,开发者可以快速集成到现有应用中。此外,腾讯云还提供了详细的文档和示例代码,帮助用户快速上手。 无论是企业级AI应用开发还是私域知识库构建,腾讯云都是一个值得信赖的选择。 2、OpenRouter 是一个全球领先的AI模型路由平台,提供了完整的DeepSeek-R1接入解决方案。通过其分布式架构,用户可以稳定访问DeepSeek-R1的全部功能。 OpenRouter不仅提供了专业的ChatRoom环境,支持直接与DeepSeek-R1模型进行对话,还提供了标准化的API配置方案,完全兼容OpenAI API标准。开发者可以通过简单的界面操作,体验DeepSeek-R1的自然语言处理能力。 3、硅基流动(Silicon Flow) 是国内领先的AI服务平台,与华为云合作推出了本土化的DeepSeek-R1服务方案。该平台提供了完全零部署的使用环境,用户仅需注册即可立即开始使用DeepSeek-R1的服务。硅基流动还提供了标准化的API调用接口,支持多种开发语言,如Python、Java等。 对于需要高性能推理和稳定服务的企业用户,硅基流动是一个理想的选择。 4、潞晨科技(LuChenTech) 与华为昇腾合作,联合发布了基于国产910B算力的DeepSeek-R1系列推理API。该API不仅支持国产算力,还支持NV H800等主流算力,充分释放异构集群潜力。 潞晨科技提供了从满血671B大模型到高效蒸馏小模型多种灵活选择,满足开发者和企业的多元需求。 5、亚马逊AWS 在其Bedrock和SageMaker AI平台上提供了DeepSeek-R1模型的部署选项。用户可以通过Amazon Bedrock市场快速集成预训练基础模型,也可以通过Amazon SageMaker AI进行高级自定义和训练。 AWS还支持使用Trainium和Inferentia实例部署DeepSeek-R1-Distill模型,以经济高效的方式满足不同场景下的推理需求。 6、阿里云 通过PAI…
2025-02-16 阅读全文 →
FWQ
AI教程
ComfyUI-AppGen应用生成包
是一个 ComfyUI 节点包,旨在使用自然语言生成和编辑单页应用程序 (SPA)。受 GroqLabs 的 groq-appgen 启发,此工具利用大型语言模型 (LLM) 的强大功能来简化 Web 开发工作流程。 ComfyUI-AppGen的主要功能: 自然语言到代码:使用简单的自然语言查询生成和编辑 SPA。 灵活的 LLM 集成:与支持 OpenAI API 的任何 LLM 兼容。 沙盒环境:在安全沙盒中测试生成的 SPA。 无缝编辑:使用自然语言反馈修改现有 SPA 1、ComfyUI-AppGen快速入门…
2025-02-16 阅读全文 →
FWQ
AI教程
O3-Mini/R1/Qwen2.5实测比较
DeepSeek 的 R1 模型以其速度、推理能力和免费访问赢得了用户的青睐。该模型在逻辑推理和推理等几个关键领域表现出色,擅长理解和处理复杂信息。 DeepSeek 在数学推理和编码任务方面表现出色,能够有效解决复杂问题并生成代码片段。凭借卓越的多语言能力和高推理效率,该模型在广泛的应用中表现出色。 OpenAI 的 o3-mini 模型现已在 ChatGPT 的免费套餐中提供,它是一种紧凑但功能强大的 AI 模型,旨在在高级推理、编码能力和数学问题解决方面表现出色,在美国数学邀请赛 (AIME) 中获得了 96.7% 的分数,超过了其前身 o1。 然而,自阿里巴巴的 Qwen 2.5 推出以来,它一直是 DeepSeek 和 ChatGPT 的头号竞争对手。这款聊天机器人对用户免费,并且在编码能力、多语言理解、数学推理和高效快速的扩展内容处理方面也表现出色,在竞争激烈的人工智能领域中独树一帜。 那么这些聊天机器人相比如何?我对它们进行了一系列相同的提示,以测试它们从高级推理和编码能力到解决问题能力等各个方面。以下是这些免费层模型(包括总冠军)对决时发生的情况。…
2025-02-16 阅读全文 →