過去一周，AI大模型的快速演進仍然在繼續上演，今天繼續介紹GitHub上的一些實用的大模型開源專案，
1. ChatGLM-6B：Open Source ChatGPT Alternative
ChatGLM-6B是一個基于GLM架構的開源對話語言模型，支持中英雙語，有62億引數，結合模型量化技術，可以在消費級顯卡上本地部署，效果堪比ChatGPT，2023年3月開源，3周時間已經積累超過100萬次下載，目前全球接近300萬次下載量，
2. CodeGeeX：Open Source Github Copilot Alternative
CodeGeeX是一個基于AI大模型的代碼生成神器，擁有130億引數，支持23種編程語言，CodeGeeX可以根據自然語言或代碼片段生成完整的代碼，“Ask CodeGeeX”功能可以在IDE中通過對話的方式直接操作代碼，開發者普遍認為是Github Copilot的平替產品，CodeGeeX是開源免費的，支持VS Code和IDEAs平臺，目前全球安裝使用的用戶量超過100,000+，
3. Meta open source AI generative music model
這是Meta在GitHub上開源的名為Audiocraft的Python庫，可以直接用人工智能生成音樂，其中主要使用了一個名為MusicGen的音樂生成模型，MusicGen是一個基于單階自回歸Transformer的預訓練模型，使用32kHz EnCodec tokenizer，并以50Hz采樣的方式生成了4個codebooks，
與現有的方法（如MusicLM）不同，MusicGen不需要自監督語意學習，而是一次性生成了所有4個codebooks，在文本生成和文生圖之后，看看用文本生成音樂的效果如何，
4. Diffusers發布重要更新
Diffusers v0.17.0正式發布，改進了LoRA、Kandinsky 2.1、Torch編譯加速等功能，Diffusers是一個在GitHub上的Diffusion Model預訓練模型常用庫，廣受歡迎，可用于生成影像、音頻，甚至是分子的3D結構，
無論是尋找簡單的推理解決方案還是訓練自己的Diffusion Models，Diffusers作為一個模塊化工具包提供支持，
庫的設計更注重易用性和可定制性，主要提供以下三個核心組件：
- 先進的Diffusion pipeline，只需幾行代碼即可進行推理；
- 可互換的noise schedulers，用于不同的Diffusion速度和輸出質量；
- 預訓練模型可用作構建模塊，并與schedulers結合使用，創建自己的端到端Diffusion Systems，
這個專案是由Hugging Face免費開源的，可以使用它來快速訓練ControlNet，進一步提高AI繪畫的效果和質量，
5. Everything is identifiable
Meta之前在GitHub上開源了一個名為Segment Anything Model的影像分割模型，可以自動實作影像分割，然而，該模型在影像定位方面表現良好，但在影像識別方面的表現卻一般，
為此，復旦大學與OPPO的研究人員以及International School of Digital Economy,共同在GitHub上開源了一個基礎影像標注模型：Recognize Anything Model (RAM)，采用了一種新的影像標注范式，可以識別各種常見類別，而且用來訓練的資料，是通過大規模的影像自動生成文本來進行標注，取代了手動標注，
經過基準評估，RAM的標記能力表現優秀，效果明顯優于CLIP和BLIP，有用戶認為RAM甚至超過了完全監督的方法，與Google API相當，同時，專案中還包含一個名為Tag2Text的工具，可以批量直接為影像中的指定物件生成標簽，如果與Meta的開源SAM模型結合使用，我們可以批量洗掉影像中的指定物件，進一步提高影像處理效率，
本文由博客一文多發平臺 OpenWrite 發布！
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/555364.html
標籤：其他
上一篇：視頻編碼耗時長、編碼幀發送失敗…DVPP視頻編碼問題典型案例分析
下一篇：返回列表