AI

最近谷歌在Canary 版本的 Chrome 浏览器里面开放了本地大模型的权限，用户可以访问（https://www.chromium.org/getting-involved/dev-channel/），下载 Canary 浏览器。 用法如下： 打开 chrome://flags/ 将 Prompt API for Gemini Nano 设置为 Enable 将 Enables optimization guide on device 设置为 Enable BypassPerfR 重启 Chrome 浏览器 打开 chrome://components/ 检查是否出现 Optimization Guide On Device Model ，我出现这个选项等了有几天，没有找到好的方法。如果有这个选项，可以检查模型是否成功下载，点击 Check for update ，我目前的版本是Version: 2024.6.5.2205 。 Gemini Nano的模型文件存放在~/Library/Application Support/Google/Chrome Canary/OptGuideOnDeviceModel/2024.6.5.2205 目录下，weights.bin 文件大概1.78GB。 测试AI效果 打开控制台，输入 window.ai 测试是否能有返回AI对象，也可以用下面的代码测试： const canCreate = await window.ai.canCreateGenericSession() if (canCreate !== "no") { const session = await window.ai.createTextSession(); const stream = session....

简介 该网页为非计算机专业背景的人提供了一个学习人工智能/机器学习的 50 天路线图，强调解决问题的思维方式、学习和认证比技术背景或学位更重要。 摘要 题为 “50 天学习人工智能/机器学习 ：从零到英雄（非计算机专业背景）“的内容旨在帮助对人工智能/机器学习感兴趣的非计算机专业背景的个人，提供一个学习必要技能的 50 天路线图。该路线图假定读者对高中数学、线性代数、矩阵以及一些统计学和概率论有基本的了解。它包括 Python、Numpy、Pandas、Matplotlib、TensorFlow 和其他工具的学习资源，以及完成 Andrew Ng 的机器学习专业课程。路线图强调，要想在人工智能/机器学习领域取得成功，只需具备解决问题的思维方式、学习意愿和一些证书。 建议 作者认为，非计算机专业背景的人也可以通过正确的心态和资源学习人工智能/机器学习。 作者强调了解决问题的心态和学习意愿的重要性，而不是技术背景或学位。 作者建议，对高中数学、线性代数、矩阵以及一些统计学和概率论有基本了解，就足以开始学习人工智能/机器学习。 作者建议完成 Andrew Ng 的机器学习专业课程，作为 50 天路线图的一部分。 作为路线图的一部分，作者提供了学习 Python、Numpy、Pandas、Matplotlib、TensorFlow 和其他工具的资源。 作者鼓励个人练习编码和完成实践练习，以巩固所学知识。 作者承认，学习人工智能/机器学习 有时会让人感到沮丧，并建议在必要时休息一下。 对人工智能感兴趣？非计算机专业背景？看起来像珠穆朗玛峰？不知道从哪里开始？或者要怎样才能达到目标？我能感受到你的心情。 如果你想知道你能不能做到，以及如何做到，请稍等片刻。你不会后悔的那么，让我们进入正题。 学习的基础需要什么？ 你只需要一点这方面的能力、解决问题的心态、学习的意愿和一些证书。请放心，你绝对不需要任何技术背景，也不需要 计算机/人工智能 学位。 这个备忘录可能会让你轻松一些。你只需输入 import keras，keras 就会为你完成所有复杂的工作。你只需知道发生了什么。 Credits: https://m.facebook.com/groups/1638417209555402/ 这是我 50 天内学习机器学习的“试错”之旅，经过提炼整理，更加有条理。 假设你在高中时认真上过数学课，对线性代数、矩阵、统计学和概率论略知一二，那么我们就可以进入第 1 天，马上开始真正的学习。 第1天 机器学习专项课程，作者：Andrew Ng Deeplearning.ai YouTube 频道和 Coursera 提供 5 小时的课程。 第 2-3 天 Python：基本了解和练习。了解从 PRINT 到 FUNCTIONS 和 CLASSES 的所有内容。...

获取OpenAI API KEY 由于OpenAI官网的是不支持中国大陆的信用卡支付，这个步骤是比较复杂的。 目前是通过注册OCBC的借记卡实现支付，正常使用一个月了。OCBC银行卡办理网上有不少教程，不过关于推荐码不是一定要填，你不填也是可以注册成功，填了推荐码入金1000SGD之后推荐的人有奖励，个人返现不受推荐码限制。注册过程到拿到实体卡，到完全激活响应2周时间，入金通过工行转账2个小时就到账了。之后就可以付费了，选择美国免税区不用缴税。（题外话，原来办理OCBC是想着注册甲骨文云，实践下来不行） 另外还有一种简单方式 ，用中转服务，有一些汇率的手续费。 地址：https://api.oaipro.com/ 充值就可以用，用这个中转，不需要配置nginx，直接跳到one api配置。 代理OpenAI请求 Nginx代理 通过Nginx是把代理放到个人小机上面，这样要求你的小鸡能够正常访问OpenAI。 这种形式的好处就是以固定IP的形式访问服务。 在服务器运行测试命令，替换 OPENAI_API_KEY 为你的API key，有回复可以进行下一步 curl https://api.openai.com/v1/chat/completions \ -H "Content-Type: application/json" \ -H "Authorization: Bearer $OPENAI_API_KEY" \ -d '{ "model": "gpt-3.5-turbo-0125", "response_format": { "type": "json_object" }, "messages": [ { "role": "system", "content": "You are a helpful assistant designed to output JSON." }, { "role": "user", "content": "Who won the world series in 2020?" } ] }' Nginx配置server部分如下：...

获取Gemini API KEY 准备3-4个谷歌账号，因为5月2日之后谷歌就开始收费，Gemini 1.5免费1分钟2次请求，一天50次，多个账号均衡一下请求，满足日常使用。 可以按照大佬分享方法注册账号 无需手机号认证注册谷歌邮箱 进入谷歌获取Get API key 现在不用申请直接可以使用的1.5模型 代理谷歌请求 Cloudflare 代理 可以参考zhile的 我们也要用Gemini Pro Nginx代理 原理和上面一致，通过Nginx是把代理放到个人小机上面，这样要求你的小鸡能够正常访问谷歌。 这种形式的好处就是以固定IP的形式访问谷歌大模型服务。 在服务器运行测试命令，替换 YOUR_API_KEY 为你的API key，有回复可以进行下一步 curl \ -H 'Content-Type: application/json' \ -d '{"contents":[{"parts":[{"text":"Write a story about a magic backpack"}]}]}' \ -X POST 'https://generativelanguage.googleapis.com/v1beta/models/gemini-pro:generateContent?key=YOUR_API_KEY' Nginx配置server部分如下： server { listen 443 ssl; server_name _; root /xxx/html/web; # ssl on; ssl_certificate /xxx/xxx/ca.pem; ssl_certificate_key /xxx/xxx/private.key; allow 103.21.244.0/22; allow 103.22.200.0/22; allow 103.31.4.0/22; allow 141.101.64.0/18; allow 108.162.192.0/18; allow 190....

GPT-SoVITS ：https://github.com/RVC-Boss/GPT-SoVITS 官方demo介绍：https://www.bilibili.com/video/BV12g4y1m7Uw 功能： 零样本文本到语音（TTS）： 输入 5 秒的声音样本，即刻体验文本到语音转换。 少样本 TTS： 仅需 1 分钟的训练数据即可微调模型，提升声音相似度和真实感。 跨语言支持： 支持与训练数据集不同语言的推理，目前支持英语、日语和中文。 WebUI 工具： 集成工具包括声音伴奏分离、自动训练集分割、中文自动语音识别(ASR)和文本标注，协助初学者创建训练数据集和 GPT/SoVITS 模型。 使用过程简介： 数据处理 UVR5 人声处理 音频切割 音频降噪 音频打标 校对标注 训练 数据集格式化 微调训练 推理 教程 实验环境：Ubuntu 22.04，NVIDIA RTX A6000 采用docker形式部署 docker-compose.yaml文件：https://raw.githubusercontent.com/RVC-Boss/GPT-SoVITS/main/docker-compose.yaml 0. 准备工作 在主目录下创建GPT-SoVITS，并下载docker-compose.yaml，包括模型的镜像大小5G左右 cd ~ mkdir GPT-SoVITS cd GPT-SoVITS mkdir logs output reference SoVITS_weights GPT_weights curl -o docker-compose.yaml https://raw.githubusercontent.com/RVC-Boss/GPT-SoVITS/main/docker-compose.yaml 默认docker-compose.yaml需要做一下调整，需要将 GPT_weights文件夹映射出来。 原始内容： volumes: - ./output:/workspace/output - ./logs:/workspace/logs - ./SoVITS_weights:/workspace/SoVITS_weights - ./reference:/workspace/reference 修改后的内容（增加GPT_weights一行映射）：...