阿里巴巴推出影片框架 Animate Anyone 2。這是一種新的角色圖像影片框架，能夠解決目前無法在影片中的角色與環境之間建立合理關聯。Animate Anyone 2 由輸入的影片中提取環境訊息，通過一種與形狀無關的遮罩策略來更好地描述角色與環境之間的關係，從而提高物件互動的真實性，最終能夠產生高品質的替換角色影片。
Animate Anyone 2 替換角色影片框架
Categories: 影像處理
KTransformers 克服資源限制
KTransformers 透過先進的核心優化技術來增強 Transformers 的體驗。KTransformers 特別為硬件資源有限的本地部署，並支援異構運算，例如量化模型的 GPU/CPU 卸載，令到不同的架構處理器可以協同工作。KTransformers 亦提供了一個 YAML 範本來呼叫特殊的優化指令。结果可以令 RTX 4090 本地運行 DeepSeek-R1、V3 的 671 B 满血版，以 24 Gig VRam 最高推理速度仍達到 14 tokens/s。當然，你亦需要保証足夠 D Ram。
Deepseek – VL2 視覺模型
DeepSeek-VL2 使用 MoE 混合專家 Mixture-of-Experts 的視覺語言模型，主要在於提升多模態理解能力。DeepSeek-VL2 在視覺問答、光學字元識別、文件理解和視覺基礎等方面表現出色。模型包含三個版本：Tiny、Small 和 Base，並提供了模型下載、Gradio web 介面範例。
DeepSeek & Crawl4AI 爬蟲！
這影片教你如何使用 DeepSeek AI 和 Crawl4AI 驅動網頁爬蟲，甚至無需編寫任何程式，就能輕鬆地從任何網站收集結構化數據。影片同時亦展示了一個實際案例，講解點樣為公司尋找潛在客戶，包括地址、企業名稱和聯絡方式等資訊，然後將數據匯入試算表進行整理和分析。
Scrape Any Website for FREE & NO CODE Using DeepSeek & Crawl4AI! (Opensource)
Transformer Lab 桌面 LLM 工作台
Transformer Lab 是個免費的開源 LLM 工作平台，方便進行微調、評估、匯出和測試，並支援唔同的推理引擎和平台。Transformer Lab 適用於擁有 GPU 或 TPU 的電腦，亦支援 MLX 的 M 系列的蘋果電腦。主要功能包括下載開源模型、智能聊天、計算嵌入、創建和下載訓練數據集、微調和訓練 LLM、以及使用 R A G 與文件互動。
ComfyUI Sonic 音訊對應到嘴型(Lipsync)
Sonic 不單將音訊對應到嘴型，而是更全面理解音訊的內容和情感，進而產生更自然、更加生動的人像動畫。可以配合 ComfyUI_Sonic 使用。項目亦包括 Realtalk 即時同逼真的音訊驅動人臉生成技術。新增 frame number 選項，可以控制輸出影片的長度。亦可基於音頻長度。
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。
ACE++ 圖像生成與編輯任務
ACE++ 基於指令的擴散框架，只要輸入一張圖像即可生成與角色一致的新圖像，專門用來處理各種圖像生成和編輯任務。靈感來自 FLUX.1-Fill-dev 的輸入格式，以雙階段訓練方法來減少對圖像擴散模型進行微調所需的工作量。這框架提供了全面的模型集，涵蓋了完整微調和輕量級微調，在生成圖像品質和遵循提示能力方面展現了卓越的性能，可以廣泛應用於人像一致性、靈活指令描述和局部編輯等不同情境。
