tag 人工智能

標籤
貢獻928
1001
06:37 AM · Oct 27 ,2025

@人工智能 / 博客 RSS 訂閱

美狐美顏SDK開放平台 - 美顏sdk二次開發實踐:如何為直播、短視頻平台打造個性化面具玩法

在直播和短視頻內容越來越同質化的當下,“面具玩法”再次成為平台爭奪用户注意力的殺手鐗。從最早的貼紙濾鏡,到後來的AI美顏,再到如今的3D面具、動捕互動、虛擬人擴展,用户對於“更真實、更有趣、更有個性的形象表達”的需求從未停止。而對開發者與平台方來説,一套可二次開發的美顏sdk就成了實現差異化玩法的基石。 這篇文章,我想結合行業實踐,從技術架構、玩法設計、二開流程、常見坑點等

視頻美顏sdk , 美顏api , 人工智能 , 直播美顏sdk , 計算機視覺 , 第三方美顏SDK , 在51CTO的第一篇博文 , 美顏SDK

收藏 評論

IT劍客行 - 用chatgpt與VBA 一鍵搞定EXCEL 下載

VBA代碼收藏功能簡介 本功能要求VBA代碼助手最低版本 V3.8.6.0之前神鍵手代碼提示必須打開關鍵詞表或者在代碼管理窗口才能添加和編輯VBA代碼庫,為了進一步提高大家收藏代碼片段的便利性,增加大家收藏代碼的積極性,特此加入了在代碼區直接右鍵收藏代碼的功能,除了窗體以外,其他類型的代碼均可直接收藏進神鍵手詞庫表(VBAKeyWords.xlsx文件),免除了每次要打開表

vba , 代碼區 , 人工智能 , 深度學習 , 右鍵

收藏 評論

雨大王 - 汽車製造的智能化升級:工業AI平台如何重構生產線?

汽車製造業的智能化轉型背景與挑戰 汽車製造業作為工業4.0時代的重要支柱,正面臨前所未有的轉型升級壓力。在電動化、智能化、網聯化與共享化的“新四化”浪潮推動下,傳統制造模式的侷限性逐漸暴露:生產線剛性結構難以適應多品種小批量的市場需求,工藝參數調整依賴經驗而非數據,質量缺陷溯源週期長且成本高。這些痛點不僅制約了生產效率,也削弱了企業的市場競爭力。 然而,以工業AI平台為核心的智能製造技

人工智能 , 深度學習

收藏 評論

上海拔俗網絡 - AI大模型趣味學習訓練系統:讓知識“玩”着學,越學越上癮

你有沒有覺得,學英語、背公式、記歷史事件……總是枯燥又容易忘?刷題像打卡,看書像催眠,學了半天腦子一片空白。別急——現在有一種全新的學習方式正在興起:AI大模型趣味學習訓練系統,它把知識點變成遊戲、對話、闖關和故事,讓你邊玩邊學,不知不覺就掌握了知識。 這可不是普通的“答題APP”,而是一個由大語言模型(LLM)+ 遊戲化機制 + 個性化引擎驅動的智能學習夥伴。它不逼你背書,而是陪你

三角函數 , NLP , 交叉驗證 , 人工智能 , 模態

收藏 評論

編程小達人 - 如何理解 embedding size

有一個深深值得相信的理論:見識決定命運。 一個重要提升見識的方法就是學習。那麼,究竟怎樣學習呢?其實是有方法的。 一本厚厚的書,最重要的其實就是那麼些概念,不算多。書的作者往往講一個概念就花費一個章節的篇幅,從內容和結構上來看,其實講的都差不多,無非是從不同的角度闡述這個概念,從而説清楚它是

機器學習 , 大數據 , 數據 , 如何理解 embedding size , 人工智能 , 思維方式

收藏 評論

美狐美顏SDK開放平台 - 面向直播APP業務的美顏SDK技術方案:美型功能開發全解析

在直播行業高速發展的這幾年,“清晰不卡”早已不再是核心賣點。真正決定用户停留時長和主播轉化率的,是畫面質感與人物表現力。其中,美顏、美型能力,已經從“錦上添花”演變為直播APP的基礎競爭力。 對平台方而言,自研一套穩定、高性能的美顏系統成本極高,因此,成熟的美顏SDK方案,正在成為直播、社交、短視頻類產品的標配選擇。 本文將圍繞直播APP場景,系統拆解美顏SDK中美型

視頻美顏sdk , 美顏api , 人工智能 , 直播美顏sdk , 計算機視覺 , 第三方美顏SDK , 在51CTO的第一篇博文 , 美顏SDK

收藏 評論

mob64ca1401464d - Sigmoid函數參數極大似然matlab 參數的極大似然估計

極大似然估計,通俗理解來説,就是利用已知的樣本結果信息,反推最具有可能(最大概率)導致這些樣本結果出現的模型參數值! 換句話説,極大似然估計提供了一種給定觀察數據來評估模型參數的方法,即:“模型已定,參數未知”。 可能有小夥伴就要説了,還是有點抽象呀。我們這樣想,一當模型滿足某個分佈,它的參數值我通過極大似然估計法求出來的話。比如正態分佈中公

極大似然估計 , 正態分佈 , 人工智能 , 最大似然估計 , 深度學習

收藏 評論

上海拔俗網絡 - AI大模型知識圖譜:給AI裝“邏輯大腦”,讓智能有跡可循

傳統AI像“只會背答案的學霸”,能快速找出現成信息,卻看不懂知識間的關聯——比如知道“喝茶能提神”,卻講不清“茶裏的咖啡因如何刺激神經”。而AI大模型知識圖譜的出現,就像給AI裝上了“邏輯大腦”,用技術把分散的知識織成網,讓智能不僅能“找答案”,還能“懂邏輯、會推理”。 這個“邏輯大腦”的核心技術,是“知識建模+AI推理”的雙向賦能。首先得把雜亂的信息“拆解開、連起來”:工程師用“實

建模 , NLP , 自動補全 , 人工智能 , 深度學習

收藏 評論

mob64ca14157da7 - lsposed hook demo 教程

Hooks Hooks 是 React16.8 的新增特性,能夠在不寫 class 的情況下使用 state 以及其他特性。 動機 在組件之間複用狀態邏輯很難 複雜組件變得難以理解 難以理解的 class Hooks 規則 只有在最頂層使用 Hooks不要再循環/條件/嵌套函數中使用` 只有在 Re

機器學習 , API , 回調函數 , 人工智能 , 官網

收藏 評論

智能開發者 - rem是什麼 html

rem適配佈局 rem基礎 rem單位 rem(root em)是一個相對單位類似em,em是相對於父元素字體大小。 不同的是rem的基準是相對於html元素的字體大小 rem的優點就是可以通過修改html中的字體大小來修改頁面中元素的大小可以控制整體。 媒體查詢 media Qu

機器學習 , less , 媒體查詢 , rem是什麼 html , 人工智能 , Css

收藏 評論

Abin_2025 - 破局多模型集成困境:GMI Cloud 推理引擎深度體驗與架構解析

前言 在當今技術迭代日新月異的背景下,項目引入且靈活調配多個AI模型已成為常態。然而,這種多模型策略也帶來了顯著的工程挑戰:開發團隊不得不為OpenAI、DeepSeek、Claude、Qwen等每一個平台重複進行獨立的賬户註冊、API密鑰申請、SDK學習與接口適配。不僅引入了鉅額的集成與維護成本,更使得開發者在頻繁的模型切換與比對測試中,陷入了效率低下的泥潭。構建一個統一、標準化且

插入圖片 , API , 人工智能 , 深度學習 , cloud

收藏 評論

浪人小風光 - EMMC用來做數據記錄儀壽命有問題嗎

測試環境:AOSP 7.1.1+Kernel 4.4.17 HW:HiKey Ubuntu 14.04+Kernel 4.4.0-31 1. Linux內核suspend狀態 Linux內核支持多種類型的睡眠狀態,通過設置不同的模塊進入低功耗模式來達到省電功能。 目前存在四種模式:suspend to idle、power-on standby(Stan

機器學習 , 低功耗 , EMMC用來做數據記錄儀壽命有問題嗎 , 人工智能 , define , ci

收藏 評論

mob64ca13f937ae - vue和elementUI搭建小項目 實現增刪改查

上一個章節實現數據在組件之間的傳遞 。這一章主要是完成添加任務到任務欄、刪除任務欄、統計任務完成情況。主要還是參數在各個組件之間的傳遞。 上一章節的鏈接地址: 文章目錄 1、實現的效果演示 2、需求實現的大致流程 3 、代碼(這裏只給出主要部分代碼、詳細代碼請看第一章節) 3.1

機器學習 , 任務欄 , 數據 , app , 人工智能

收藏 評論

wx6906fb3f9b17a - 全協議讀卡模塊廣泛應用於門禁、梯控、消費系統,支持1K起訂的OEM定製及二次開發,可集成掌靜脈/人臉等多模態識別技術,是智能安防系統的理想解決方案

DAIC-MJ-QRW全協議讀卡模塊技術摘要:該模塊採用47×27×5mm緊湊設計,支持DC5V/3.3V/12V寬電壓輸入,功耗100mA。支持13.56MHz/125KHz雙頻段,兼容ISO14443A/B/C等20餘種協議,可讀取二代證(3cm)、Mifare(5cm)及15693標準卡(8cm)。提供Wiegand/UART/USB多接口,支持TCP/IP/MQTT等網絡

門禁讀卡器 , ID卡讀卡器 , CPU卡讀卡器 , 人工智能 , 深度學習 , 梯控讀卡器

收藏 評論

OpenCloudOS - 一鍵部署!OpenCloudOS 多項開源技術打造 “開箱即用” 的 AI 支撐底座

12月6日,在以“以生態之力·讓OS更懂未來”為主題的 2025 OpenCloudOS 操作系統生態大會上,OpenCloudOS 社區聯動昇騰、海光、AMD、沐曦、崑崙芯、vLLM、SGLang、作業幫以及騰訊雲,共同發佈了OpenCloudOS Infra 智能基座。這一重磅發佈旨在系統性解決AI應用在異構算力環境下部署複雜、適配成本高等核心痛點,為開發者構建一個一體化、高性能、易部署的AI

資訊 , 人工智能 , 開源

收藏 評論

音視頻牛哥 - AI時代底層技術鏈:GPU、雲原生與大模型的協同進化全解析

過去兩年,你可能經常看到類似的信息洪流: 一台服務器賣 300 萬?因為它裝了 8 張 H100 GPU。 大模型訓練一次要燒掉上億人民幣? 雲計算巨頭都在搶「算力調度業務」? 各國發布「AI 國家戰略」? 看新聞彷彿置身一場術語大混戰: AI、大模型、GPU、雲原生,到底在説啥? 是彼此

雲原生大模型 , yyds乾貨盤點 , AI底層技術鏈 , 人工智能 , 深度學習 , 計算機視覺 , GPU雲原生

收藏 評論

合合技術團隊 - 2023年中國信通院鑄基計劃“文本圖像篡改檢測系統技術規範”研討會成功召開

2023年中國信通院鑄基計劃“文本圖像篡改檢測系統技術規範”(簡稱“規範”)研討會於2023年8月16日在中國信息通信研究院成功召開,來自中國信息通信研究院、上海合合信息科技股份有限公司(簡稱“合合信息”)、華南理工大學、中國科學技術大學、深圳大學、中國圖象圖形學會等企業、高校及研究機構的代表線下線上共同參與了本次會議。 中國信通院泰爾終端實驗室王景堯博士到會致詞 王景堯表示,建立標準和評

文本處理 , 規範化 , 人工智能 , 技術 , 圖像

收藏 評論

ceshiren2022 - AI測試開發工程師面試指南:20個核心技術問題及思路解析

我是霍格沃茲測試開發學社,我們學員在面試AI測試開發崗位時發現,技術面試不僅考算法能力,更看重你在模型落地、工程實踐、性能優化、MLOps和數據監控方面的經驗和解決問題的思路。 為了幫助大家系統覆盤,我們整理了一套AI測試開發崗位精選面試題,每題附答題思路框架,方便大家快速整理面試經驗,並結合真實項目案例量化指標提升説服力。 Tip:建議你結合真實項目經驗,每道題儘量給出具體

性能優化 , 面試題 , 測試開發 , 人工智能 , 深度學習

收藏 評論

Transofomer周 - Deepseek math V2的價值

我之前説過講一下math V2的論文,今天來還個願 其實為什麼這論文沒人重視呢?主要是兩個原因: 1- 絕大多數人討厭數學 2- 之前出過一個prover2,大家也不知道幹啥的也和數學有關,然後又來一個 討厭數學就不説了(甚至有人討厭香菜),主要説第二個,prove2為什麼讓人不知道是幹啥的? 它其實是lean 生成器,

data , 生成器 , 人工智能 , 深度學習 , Lean

收藏 評論

mob64ca1415f0ab - 三次握手成功後發送tcp pdu reassembled in 19

所謂三次握手(Three-way Handshake),是指建立一個TCP連接時,需要客户端和服務器總共發送4個包(兩個SYN,兩個ACK); 第一次握手:當客户端向服務器發起連接請求時,客户端會發送同步序列標號SYN到服務器,等待服務器確認,這時客户端的狀態為SYN_SENT。 第二次握手:當服務器收到客户端發送的SYN後,服

機器學習 , 服務器 , 服務器端 , 客户端 , 人工智能

收藏 評論

沃觀態勢感知 - 超越機器翻譯:具備跨文化洞察力的出海媒體監測服務

出海企業在海外社交媒體的運營過程中,面臨語言多樣、文化差異和輿情複雜化的挑戰。僅依賴機器翻譯或單一語言分析工具,難以全面理解市場動態和消費者情感,這可能導致信息誤讀或策略失誤。因此,具備跨文化洞察力的出海媒體監測服務成為企業獲取海外市場真實洞察的關鍵工具,通過專業分析和文化解讀,幫助企業在海外市場做出精準決策。 一、跨文化理解的重要性 海外市

機器翻譯 , 人工智能 , 數據分析 , 社交媒體 , 用户態

收藏 評論

夢想啓航吧 - systemverilog ready握手採樣

三種情況: valid先發起請求 ready先發起請求 同時發起請求 仔細觀察上述3幅時序圖,我們瞭解valid-ready握手機制需要注意三件事: valid與ready不可過度依賴,比如valid不可以等待rea

機器學習 , 數據 , 人工智能 , 寄存器 , 存儲體

收藏 評論

雨大王 - 工業互聯網平台如何賦能智能柔性製造?看廣域銘島等企業如何打造柔性產線

一、工業互聯網平台:智能製造的底層支撐 工業互聯網平台作為新一代信息技術與製造業深度融合的產物,不僅僅是簡單的設備連接工具,而是構建了一個貫穿設計、生產、物流、服務全生命週期的數字化生態系統。在傳統汽車製造模式下,企業往往依賴分散的設備、孤立的管理系統和經驗驅動的生產決策,導致生產效率低下、成本居高不下、質量波動等問題。隨着工業4.0時代的到來,工業互聯網平台通過整合物聯網、雲計算、大數據和

人工智能

收藏 評論

u_16421249 - 如何快速搭建一個本地私有化AI知識庫?(附完整流程)

在日常工作裏,大家應該都有這樣的痛點: 手上的文檔越來越多,想找某個內容,卻不知道存在哪個文件夾; 每次寫週報、寫方案、做調研,都要重複整理過去的資料; 用在線 AI 工具問問題時,又擔心把公司資料、會議紀要上傳到雲端; 想搭一套“私有知識庫 + 本地模型”的方案,但工具太複雜,部署成本太高。 所以,一個真正本地化、不上傳雲端

機器學習 , 本地部署 , yyds乾貨盤點 , 離線 , AI , AIPC , 人工智能 , 大模型

收藏 評論