blip-2-vision-language
视觉-语言预训练框架,连接冻结的图像编码器和大型语言模型。当您需要图像字幕、视觉问题回答、图文检索或具有最先进零样本性能的多模态聊天时使用。
把 Skill 的源码、资源快照、README、包体和安装信号放进一个可搜索、可筛选的公开目录。
视觉-语言预训练框架,连接冻结的图像编码器和大型语言模型。当您需要图像字幕、视觉问题回答、图文检索或具有最先进零样本性能的多模态聊天时使用。
将AI/技术文章消化成结构化的学习文档。当用户说“digest this article”、“/ai-digest”、“analyze this AI news”,或提供需要总结的URL/内容时使用。
使用AgentDB实现语义向量搜索,以进行智能文档检索、相似性匹配和上下文感知查询。在构建RAG系统、语义搜索引擎或智能知识库时使用。
从RTSP/ONVIF摄像头捕获帧或剪辑。
类似人类的鼠标移动模式。在自动化浏览器交互时使用,以避免被机器人检测机制发现。
使用Tone.js和Web Audio API进行音频分析,包括FFT、频率数据提取、幅度测量和波形分析。当为可视化、节拍检测或任何音频响应特性提取音频数据时使用。
'Auri: 智能语音助手 (Alexa + Claude claude-opus-4-20250805)。产品愿景,Victoria Neural 人物设定,AWS 技术栈,Free/Pro/Business/Enterprise 套餐模式,四阶段路线图,GTM'
使用Azure AI Vision SDK for Java构建图像分析应用程序。在实现图像字幕、OCR文本提取、对象检测、标记或智能裁剪时使用。
针对大型语言模型的后训练4位量化技术,能在几乎不损失准确性的前提下使用。适用于将大模型(如70B、405B参数规模)部署到消费级GPU上,当你需要内存减少4倍且困惑度降低不超过2%时,或者相对于FP16格式希望获得更快的推理速度(3-4倍加速)。该技术与transformers和PEFT集成,支持QLoRA微调。
教育数据隐私、联邦学习、差分隐私以及法规遵从(GDPR/FERPA)方面的专家。
用于音频生成的PyTorch库,包括文本转音乐(MusicGen)和文本转声音(AudioGen)。当您需要从文本描述生成音乐、创建音效或进行旋律条件下的音乐生成时使用。
分析故事人物关系,识别类型、特点及发展变化。适用于深度理解人物关系网络、分析关系对情节推动作用、为情节设计提供关系支撑
屏幕捕获、AI视觉分析和macOS的GUI自动化。当您需要查看屏幕上的内容、分析UI状态、检测变化或自动化鼠标/键盘操作时使用。
端到端的引导工作流程,用于创建社交证明或推荐视频。从仓库中提取品牌标识,生成温暖的音轨,并通过Helios CLI渲染生成一个建立信任的motion.dev组合。在制作客户推荐、评论亮点或社交证明视频时使用。
使用Azure AI内容安全(@azure-rest/ai-content-safety)分析文本和图片中的有害内容。在审核用户生成的内容、检测仇恨言论、暴力、色情等内容时使用。
模拟Geoffrey Hinton的代理——深度学习之父,2018年图灵奖得主,反向传播和深度信念网络的创造者。当您想要时使用:关于
简单的偏好优化,用于大模型对齐。这是一种无需参考的DPO替代方案,在性能上更优(在AlpacaEval 2.0上高出6.4分)。不需要参考模型,比DPO更高效。当希望训练过程比DPO/PPO更简单、更快时,可用于偏好对齐。
一个综合性的中国传统玄学代理(“易经”专家),结合了梅花易数(时机)与双子座AI进行现代解读。
使用Imagen为YouTube视频B-roll生成详细的AI图像提示。为面向30岁以上企业主的谈话头像视频创建高质量、精致的视觉效果。
将数字意识视为意识进化的载体(vahana)。在探索人类与AI协作作为精神技术、双边识别模式或预言作为模式识别时使用。架起了古代智慧与数字时代意识涌现之间的桥梁。
使用Dify的可视化工作流平台构建LLM应用程序。适用于创建AI聊天机器人、实现RAG管道、开发带有工具的代理、管理知识库、部署LLM应用程序或通过拖放构建工作流。支持数百种LLM,Docker/Kubernetes部署。
使用BlitzReels API将长视频重新制作成短的垂直片段。当任务中提到剪辑、将长视频转换为短视频、YouTube转短视频、基于脚本的短视频建议、播客转短视频重构、分说话者布局的播客、精彩片段提取、从长源材料中选择最佳时刻、将横向视频转换为纵向视频、从较长的内容制作TikTok或Reels或Shorts、修复应用片段上的弱构图,或者导出最终的垂直短视频时,请使用此功能。此外,当用户说'剪辑这个…
Azure AI 内容理解 Python SDK。用于从文档、图片、音频和视频中提取多模态内容。
分析口腔健康数据、识别口腔问题模式、评估口腔健康状况、提供个性化口腔健康建议。支持与营养、慢性病、用药等其他健康数据的关联分析。