💥 FaceFusion 3.2.0 更新不僅帶來了全新的GPU加速，還提升了不少效能與真實感！
🔍 新功能
1️⃣ YOLO NSFW過濾
2️⃣ 多GPU支援
3️⃣ FLAC音訊輸出
4️⃣ 臉部選擇增強
NEW FaceFusion 3.2.0 GPU Installation – Boost Realism & Performance Like Never Before!
FaceFusion 3.2.0 GPU 詳細安裝教程
LatentSync 1.5 – 最穩定的 LipSync 開源方案
LatentSync 1.5 是 ByteDance 團隊在 GitHub 上發佈的開源專案。1.5 版本增強了中文影片的表現。它的主要功能是直接地將音頻資訊轉換成為逼真的口型動作。專案提供了完整的訓練和推論程式碼，包含資料處理流程、兩種模型訓練步驟（U-Net 和 SyncNet），以及詳細的推論指令。
LatentSync 1.5 | 2025最强数字人，完美适配无人直播间，带货必备，优化中文语音，唇形同步！
LatentSync In ComfyUI Another Level Of AI Talking Avatar—Open Source Plus It Works!
HeyGem – Heygen 的開源平替產品
HeyGem AI，一個能夠在 Windows 系統上可以離線執行的數字人合成工具。這個工具的核心功能是可以精確地複製人物外貌和聲音，創造出獨特的數字人，你可以選擇透過文字，或者語音驅動這些虛擬數字人生成影片。HeyGem AI 只是開源了前端的介面，核心技術和模型就並未公開。影片亦提供了詳細的安裝步驟、以及開放 API 的接口使用方法。
👍HeyGen平替开源数字人产品：HeyGemAI最强解析🟢硅基数字人HeyGemAI最强解析，效果，资源需求，牛哥一键本地部署🟢牛哥AI实验室 NIUGEE AI（147）
DeepSeek-R1 的強化學習可視化
影片主要講解 DeepSeek R1 模型背後的強化學習演算法，並著重於如何透過人類回饋來訓練獎勵模型。包括如何根據人類對不同回應的偏好來調整獎勵值。接著深入探討 “近端策略優化”（Proximal Policy Optimization）演算法的細節。同時亦探討如何利用 “優勢函數”（Advantage Function）避免偏離原始策略。最後，影片亦解釋了如何運用群體策略優化成高於平均水準的回應，同時亦阻止了低於平均水準的回應，而因此提升了模型的推理能力。
Reinforcement Learning in DeepSeek-R1 | Visually Explained
Gemini 2.0 語音及影像應用程式
透過 Gemini 2.0 API 和 Next.js 框架，作者分享了如何建構一個實時多模態應用程式。佢能夠接收影像和語音輸入，並透過 WebSocket 傳送至 Gemini API。Gemini API 會生成音頻輸出和文字轉錄，然後整合到有互動功能的聊天介面。教學包括深入探討應用程式的各個組件部分，例如媒體擷取、音訊處理、WebSocket 連線、轉錄服務以及用戶介面的更新。作者亦提供了開源的程式範例，並且逐步加以說明，方便大家由 GitHub 複製，並執行這應用程式。
GPT-SoVITS-WebUI 3 支持粵語 TTS
只要輸入 5 秒的聲音樣本，就可以體驗到 TTS 的聲音轉換，俗稱 “變聲”。而僅需要 1 分鐘的語音訓練數據，就可以微調模型，提升語音的相似度。GPT-SoVITS 目前支持英語、日語、韓語、粵語和中文。提供的 Web 工具令 TTS 操作相當方便，甚至提供歌曲與伴奏分離、自動語音訓練、中文自動語音識別(ASR)和文本標注，協助初學者創建訓練數據集和 GPT / SoVITS 模型。
Categories: 教學
Tokenizers 分詞器的摘要
分詞對訓練模型相當重要。簡單來說，就是將一段文本分割成很多單詞或者子單詞， 這些單詞或者子單詞將會通過一個表格被認知為名詞，專有名詞，或是助語詞之類，也就是將文章的詞彙轉為有意義的關建數值。這個 HuggingFace 的介紹包含了 CoLab 嘅筆記，你可以直接試用不同的分詞技術。
Categories: 教學
AI 演算法工程師如何開發一個 AI 專案
【大模型工程开发】AI算法项目开发参考流程与案例
影片旨在澄清外界對 AI 演算法工程師的誤解，並介紹了 AI 專案開發的實際情況和所需技能，強調了演算法工程師在專案中除了模型開發，也需要具備工程開發能力，並能根據專案需求靈活調整開發策略。
- 國外網站上常見兩種職位：
- 數據科學家 (Data Scientist): 專注於演算法開發，目標是提高模型準確度和效率，並降低資源開銷。他們會參與數據競賽，優化模型，進行數據清洗等工作。
- AI 工程師 (AI Engineer/Machine Learning Engineer): 專注於 AI 應用開發，將已開發好的模型部署成實際可用的應用。例如，將模型部署成 API 服務，並考慮模型工程化、服務穩定性、並發處理、模型可視化以及在嵌入式系統或效能不佳的機器上優化等問題。
- 影片中也提到，還有一類頂尖的演算法工程師，他們會提出新的演算法或模型架構。
Categories: 教學
正確的 LLM 微調數據處理方法
【LLM大模型】如何整理训练数据以及微调优化建议
這部影片主要探討了大型語言模型（LLM）微調數據的整理方法，並針對微調優化提出了實用建議，核心問題包含：
- 微調數據集的形式： 應該如何整理微調數據集？
- AI 輔助數據整理： 是否能利用 AI 協助整理數據？
- 微調效果不佳的原因： 為什麼微調後模型效果不明顯？
- 業務場景數據來源： 實際業務中，微調所需的數據從何而來？
影片內容重點
- 基礎知識科普： 影片首先簡要介紹了大型語言模型的基礎概念，例如自迴歸模型和指令微調等。
- 數據格式探討： 深入討論了數據格式的重要性，並介紹了 llama factory 框架支持的兩種主要數據格式：Pack 和 saregpt。同時說明如何根據不同的微調任務（如指令微調、預訓練、Function Calling 等）選擇合適的數據格式。
- 微調優化建議： 分享了多項優化微調效果的建議，包括：
- 清晰定義任務目標
- 確保數據質量與多樣性
- 增加額外信息以豐富數據
- 靈活調整訓練策略
- 業務場景數據獲取： 探討了在實際業務場景中，如何獲取和標註微調數據，並強調了數據質量對模型性能的關鍵影響。建議觀眾在開始微調前，務必明確任務目標，並仔細整理和清洗數據。
總體而言，這部影片內容豐富且深入淺出，對於希望了解大型語言模型微調數據整理和優化方法的觀眾來說，具有相當高的參考價值。
DeepSeek-R1 深度學習模型的線上教學
涵蓋 DeepSeek-R1及其衍生模型（例如R10、R1Z）的全面介紹，包含安裝設定、效能基準測試（與OpenAI模型相比），以及各種硬體環境下的除錯和最佳化方法。課程重點在於如何有效利用 DeepSeek-R1 進行文本生成和圖像處理等 AI 任務，並強調模型優化和降低運算成本的重要性，同時展望了AI模型未來的發展趨勢。
DeepSeek-R1 Crash Course
