admin

APPLICATION

打造智能家居的AI代理

近十年来，我一直在研究智能家居 API。我购买了许多系统，构建了多个版本的集成 API、移动应用程序和聊天机器人，但它们从未完全实现真正的目标——像钢铁侠系列中的 JARVIS 一样的真正的AI驱动的家。

APPLICATION

AI代理：规划与执行

AI 代理，也称为自主代理或智能代理，是一种能够与其环境交互并自主完成预定任务的生成式 AI 程序。

MODEL-ZOO

Qwen2-Audio微调探索音乐转录

自动音乐转录是将 MP3 和 WAV 等音频文件转换为乐谱、吉他指法谱以及音乐家可能想要用乐器学习歌曲的任何格式的过程。

MODEL-ZOO

SPAR3D快速指南

SPAR3D 是一种最先进的开源模型，用于通过点云调节从单个图像快速前馈 3D 网格重建，以提高重建质量。

LIBRARY

WhisperFlow实时音频转录库

WhisperFlow是由 OpenAI 的 Whisper 模型提供支持的解决方案，旨在将传统的批处理转变为实时音频转录，确保现代应用程序的性能和准确性。

MODEL-ZOO

ModernBERT微调实现文本分类

ModernBERT 是最近发布的传统 BERT 模型的改进版本，本文将深入研究针对文本分类任务对 ModernBERT 进行微调。

LIBRARY

DSPy Agent开发简明教程

本教程的目标是指导你完成使用 DSPy 构建简单代理应用程序的过程。由于 DSPy 不是代理框架，因此这实际上更像是一篇“DSPy 为你提供什么和不为你提供什么”类型的帖子。

DATASET

Qwen-2 VL微调数据集制作指南

在本文中，我将引导你完成使用 LLaMA-Factory 创建用于微调 Qwen-2-VL 的视觉语言数据集的整个过程。

APPLICATION

用YOLO分析文档布局

分析文档布局至关重要，因为它有助于正确解释和理解文档内容。随着 RAG 的兴起，它变得更加重要，因为它严重依赖于准确解析文档的能力。

LIBRARY

多模态文档图像数据增强

本文介绍介绍如何使用与 Albumentations AI 合作开发的一种TextImage Augmentation实现文档图像数据增强。

MODEL-ZOO

Donut模型微调实用指南

在本指南中，我将向你介绍我用来微调 Donut 模型的确切步骤，以便你可以根据特定领域的需求对其进行调整。

MODEL-ZOO

DONUT：无需OCR的文档理解

从非结构化文档中提取数据始终是一项挑战。以前，我们曾经使用基于规则的方法来解决此类问题，现在DONUT是最先进的解决方案之一。

MODEL-ZOO

LayoutLM文档提取指南

LayoutLM 是一种革命性的模型，结合了文本识别和布局理解的强大功能，可以准确地从结构化文档中提取实体。

MODEL-ZOO

EasyOCR微调简明教程

你使用的 OCR 可能无法满足你的特定需求。在这种情况下，微调 OCR 引擎是可行的方法。在本教程中，我将向你展示如何微调 EasyOCR。

MODEL-ZOO

微调PaliGemma优化目标检测

虽然 PaliGemma 具有零样本能力（这意味着模型无需微调即可识别物体），但这种能力是有限的。Google 强烈建议对模型进行微调，以在特定领域获得最佳性能。

APPLICATION

2025年AI API的5个趋势

技术世界正以前所未有的速度发展，而这种转变的核心是人工智能 API 日益增长的影响力。

APPLICATION

AI驱动的客户支持代理

本博客探讨了 AI 驱动的客户支持代理的开发，该代理利用 OpenAI 的 GPT-4、用于语义相似性的 FAISS 和用于部署的 Azure ML。

MODEL-ZOO

FLUX.1微调实现自拍生成

本指南将引导你完成通过微调 FLUX.1 生成自己的 AI 头像的过程。

TOOL

5个最流行的AI自拍生成工具

本文介绍5个最佳 AI 自拍生成器，这些工具可以创建与你一模一样的自拍照。

MODEL-ZOO

LLM微调综合指南

训练和微调模型是一项昂贵的苦差事，如果可以的话，你真的应该避免它，把省下的钱花在去阿鲁巴岛或任何你喜欢的度假胜地的旅行上。

APPLICATION

本地AI驱动的图片标记工具

在本文中，我将介绍如何构建 AI 图像标记器/管理器，包括设置和运行本地视觉语言模型和用于语义搜索的矢量数据库。

APPLICATION

HF Code Agent实践

本文，介绍如何使用 HF的Code Agent和Qwen2.5–7B-Instruct 创建多代理 RAG 系统

LIBRARY

5个文本/表格提取Python包

从非结构化数据中提取有意义的信息对于各种应用至关重要。从 PDF 等文档中提取文本和表格在数据分析、信息检索和自动化任务中发挥着重要作用。

TOOL

4个OCR库的对比工具

我偶然发现了一个huggingface 空间，它允许你比较四种 OCR开发库之间的文本识别结果。

MODEL-ZOO

NuExtract简明教程

NuExtract 是专为结构化提取任务而设计的专用 LLM，本文介绍如何使用NuExtract提取文本中的结构化数据。