实时转写和离线转写有什么区别？
会议要边说边出字，还是录完再统一转？本文对比实时转写与离线转写在处理方式、准确率、适用场景上的差异，给出按延迟需求取舍的路数，理清实时转写取...
AI基础百科
共1972篇文章AI基础百科栏目解释 AIGC、提示词、Agent、RAG、Token、模型、工作流、检测与认证等常见概念，适合新手快速补齐 AI 工具使用前的基础知识。
最新发布
OCR 和文档理解差在哪？读字和读懂
只要把字抠出来，还是要读懂表格和版面？本文对比 OCR 与文档理解的能力边界、技术路线与适用场景，按需求给选型建议，讲清 OCR文档理解分工
视频理解和视频生成有什么区别？
能看懂视频讲什么，和能造出一段视频，是两条不同的技术路线。本文对比视频理解与视频生成的输入输出、建模方式与难点，讲透视频理解生成之别
近期文章
原生多模态和外挂视觉有什么区别？
看图说话有的模型又快又细，有的则老是张冠李戴，差别常在架构路线。本文对比原生多模态与外挂视觉在配合、迭代上的差异...
文生图和文生视频的模型差在哪？
一张图几秒出，一段视频要等几分钟，文生图和文生视频的差距不只是耗时。本文从结构、时间维度、提示词写法三个维度对比...
图生图和局部重绘差在哪？整图与局部
换背景要整张重画，还是只改一块地方？本文对比图生图与局部重绘的工作方式和可控性，按改动范围给选择建议，讲明图生图...
语音识别和语音合成差在哪？听与说
语音识别把声音变成文字，语音合成把文字变回声音，方向相反的两个过程。本文对比两者的原理与评测口径，帮你分清听与说...
热门排行
数字形象的风格是怎么固定的？关键步骤一次讲清
· 阅读 5
生成图像的光影为什么会「假」？
· 阅读 5
视频理解的采样密度是怎么定的？
· 阅读 4
多模态模型的训练数据从哪来？每一步都讲透
· 阅读 4更多文章
-
生成图片里的文字为什么常错？从原理到落地
图里写个招牌总出错？本文从训练方式讲到解码短板，拆解生成图片内文字出错的原理，再给出当下工具的补救路数，让图内文字更...
-
生成视频的人物为什么会「变脸」？
AI 视频里人物前几秒还认得，镜头一转就换了张脸。本文拆解帧间记忆与镜头切换的影响，给出参考图和动作提示词的配合打法...
-
标点是怎么影响语音合成的？断句
同一篇稿子读出来忽快忽慢、断句奇怪，问题常出在标点上。本文拆解文本正则化到韵律切分的流程，讲清标点怎样调度停顿与语调...
-
热词是怎么加进语音识别的？专有名词
公司名、产品名总被听岔，转写稿改到手软。本文拆解热词加权打分的工作机制，讲清它什么时候失灵、怎么配置更有效，弄懂热词...
-
字幕的时间轴为什么会漂移？累积误差
视频看到后半段，字幕比说话慢半拍，越到后面越明显。本文拆解时间轴对齐的流程与累积误差的来源，讲清重对齐怎么救场，让字...
-
图像 token 数是怎么影响费用的？
传一张图到对话里，消耗为什么会比一段文字高出不少。本文拆解图像转成 token 的过程，讲清分辨率、多图对账单的影响...
-
3D 生成的多视角是怎么保持一致的？
3D 生成要经得起多角度看：几何、纹理、光照三层一致才合格，多视图互相校准是主流做法，背面与遮挡区是穿帮重灾区，本文...
