MobileDiffusion是Google研究的一种新的移动端文本生成图像的方法，专为移动设备设计，是一种高效的潜在扩散模型，能够在半秒内生成高质量的512x512图像。

MobileDiffusion的设计遵循潜扩散模型，包括三个组件：文本编码器、扩散UNet和图像解码器。

MobileDiffusion通过优化模型架构，包括Diffusion UNet和图像解码器，展现了在计算效率上的出色表现，该技术有望在移动设备上推动快速图像生成体验，拓展了生成模型在提高用户体验和应对隐私问题方面的潜在应用。

Google Research

MobileDiffusion: Rapid text-to-image generation on-device

Posted by Yang Zhao, Senior Software Engineer, and Tingbo Hou, Senior Staff Software Engineer, Core ML Text-to-image diffusion models have shown ex...

Nomic Embed：最新的高性能全开源文本嵌入模型

Nomic发布了第一个完全开源的文本嵌入模型Nomic Embed，其文本长度可达8192，性能超过OpenAI的Ada和其他开源模型。

Nomic Embed的模型权重、训练代码和用于训练的数据集都是完全开源的，可以进行全面审计。

Nomic Embed可以通过Nomic Atlas嵌入API进行商业部署，提供100万免费调用量，也可以通过Nomic Atlas企业版进行可靠、合规的企业级部署。

文本嵌入是现代NLP中一个关键组件，Nomic Embed通过多阶段的对比训练获得。首先预训练BERT，然后在大规模非监督数据上进行对比训练，最后在小规模标注数据上微调。

Nomic Embed在多个基准测试中表现强劲，尤其是在长文本任务上优于Ada。它提供了一个高性能且可审计的开源文本嵌入方案。

Nomic还发布了所有用于训练的数据，以实现完全的模型可审计性。希望社区可以基于Nomic Embed继续推进开源AI。

MiniSearch：极简网络搜索应用，具有始终可用的 AI 助手，可直接在浏览器中运行，使用 Web-LLM、Transformers.js 和 SearXNG构建

contrastors是一个对比学习工具包，使研究人员和工程师能够有效地训练和评估对比模型。

特征：
建立在Flash Attention之上，可实现快速高效的训练
支持在多个 GPU 上进行训练
GradCache支持在受限内存环境中进行大批量训练
Huggingface 支持轻松加载常见模型（Pythia/GPTNeoX、BERT 等）
掩码语言建模 (MLM) 预训练

Lockbox：正向代理服务器(forward proxy)，用于执行第三方API调用

IntelliScraper是一个先进的 Python 网页抓取项目，旨在进行精确的 HTML 内容解析和特征匹配，以从特定网页中提取关键信息。利用 BeautifulSoup 和 scikit-learn 等强大的库，它提供了一种高效灵活的方式来抓取和处理 Web 数据。

用法
数据提取与分析：从各种网页中提取必要的数据，支持数据分析和市场研究。
内容监控：监控经常更新的网站内容的变化，例如新闻、价格更新等。
自动化测试：对于 Web 开发人员自动测试 Web 内容和布局很有用。

特点和优点
高定制性：定义数据列表（wanted_list）以进行有针对性的数据提取。
智能匹配：利用余弦相似度算法进行智能网页元素匹配，提高准确性。
用户友好：尽管潜在的复杂性，但易于使用。只需提供 URL、所需数据和规则路径即可开始抓取。
灵活性：支持直接通过URL获取HTML或使用现有的HTML内容，适应不同的场景。
可扩展性：核心功能在类中实现，易于继承和扩展以满足特定需求。

Code Llama 70B在线体验，Code Llama 70B由Meta推出的最新AI编程模型，标志着AI辅助代码生成领域的重大升级，用于处理更复杂的编程任务，具有更高的准确性和效率

WhisperKit：一个Swift开发包，它将OpenAI流行的Whisper语音识别模型与Apple的CoreML框架集成在一起，可在 Apple 设备上进行高效的本地推理，可通过Swift软件包管理器集成到 Swift 项目中。

gpu-alpha：高质量的GPU编程/架构资源

AI-视频裁剪器是一个功能强大的工具，旨在通过对视频进行智能分析，提取最吸引人的片段并裁剪它们来帮助内容创作者、播客爱好者和视频爱好者轻松地从视频中提取引人入胜的部分。

该工具利用先进的语言模型 GPT-4，能够智能地分析视频文字记录，识别最受欢迎和最激动人心的时刻，与各种视频格式无缝协作，实现最大兼容性。

AI-Shorts-Creator | #工具

史料RAG：用向量数据库基于RAG(检索增强生成)方式搭建一个中国历史问答应用，这个应用接受用户的询问，从历史语料库中检索相关的历史资料片段，利用大语言模型给出较为可靠的回答。

相比于直接询问大模型，这种方式具有回答准确率高，不容易产生大模型的“幻觉”问题等优点。

本项目实现了两种使用方式：

“Milvus方案“在本地启动一个Milvus向量数据库的Docker服务，使用LlamaIndex框架和本地BAAI/bge-base-zh-v1.5Embedding模型实现RAG的业务逻辑。

“Zilliz Cloud Pipelines方案”使用云上的知识库检索服务Zilliz Cloud Pipelines，该服务包括了RAG流程的文档切片、向量化、向量检索等功能。

两种方案均使用OpenAI的GPT4作为大语言模型。

demo.gif

20.4 MB

SoniTranslate：视频同步翻译工具 | #工具