大家好，我是Echa。

小編利用五一這個(gè)小長(zhǎng)假，陪家人的同時(shí)也是想著友友你們，想著給你們多找點(diǎn)優(yōu)秀資源、實(shí)用的工具、驚艷的開(kāi)源項(xiàng)目。小編發(fā)的每天優(yōu)質(zhì)文章，希望能給友友們多學(xué)點(diǎn)知識(shí)點(diǎn)，多學(xué)點(diǎn)新技能，多接私活多賺外快。不管是從技術(shù)深度到技術(shù)廣度這塊，都會(huì)讓大家受益匪淺。

今天小編繼續(xù)分享8個(gè)驚艷的 Github 開(kāi)源項(xiàng)目，希望對(duì)大家有所幫助和收獲。下面就詳細(xì)介紹：

全文大綱

1. Fay-是一個(gè)數(shù)字人開(kāi)源項(xiàng)目
2. bark-一個(gè)基于轉(zhuǎn)換器的文本到音頻模型
3. ChatGLM-6B-支持中英雙語(yǔ)的對(duì)話(huà)語(yǔ)言模型
4. law-cn-ai-這個(gè)開(kāi)源項(xiàng)目被稱(chēng)為你的 AI 法律助手的開(kāi)源項(xiàng)目
5. gpt4-pdf-chatbot-langchain 針對(duì) PDF 文件構(gòu)建的 GPT 機(jī)器人
6. MOSS-國(guó)內(nèi)首個(gè)對(duì)話(huà)式大語(yǔ)言模型開(kāi)源
7. SQL Chat 是一個(gè)基于聊天的 SQL 客戶(hù)端
8. DeepFloyd IF-這是一種新穎的最先進(jìn)的開(kāi)源文本到圖像模型

Fay

Github：https://github.com/TheRamU/Fay

Fay是一個(gè)完整的開(kāi)源項(xiàng)目，包含F(xiàn)ay控制器及數(shù)字人模型，可靈活組合出不同的應(yīng)用場(chǎng)景：虛擬主播、現(xiàn)場(chǎng)推銷(xiāo)貨、商品導(dǎo)購(gòu)、語(yǔ)音助理、遠(yuǎn)程語(yǔ)音助理、數(shù)字人互動(dòng)、數(shù)字人面試官及心理測(cè)評(píng)、賈維斯、Her。

開(kāi)發(fā)人員可以利用該項(xiàng)目簡(jiǎn)單地構(gòu)建各種類(lèi)型的數(shù)字人或數(shù)字助理。該項(xiàng)目各模塊之間耦合度非常低，包括聲音來(lái)源、語(yǔ)音識(shí)別、情緒分析、NLP處理、情緒語(yǔ)音合成、語(yǔ)音輸出和表情動(dòng)作輸出等模塊。每個(gè)模塊都可以輕松地更換。

Fay控制器用途

Fay控制器核心邏輯

Fay控制器核心邏輯

使用說(shuō)明

• 抖音虛擬主播：?jiǎn)?dòng)bin/Release_2.85/2.85.exe + fay控制器（抖音輸入源開(kāi)啟、展板播放關(guān)閉）+ 數(shù)字人 + 抖音伴侶（測(cè)試時(shí)直接通過(guò)瀏覽器打開(kāi)別人的直播間）；
• 現(xiàn)場(chǎng)推銷(xiāo)貨：fay控制器（展板播放關(guān)閉、填寫(xiě)商品信息）+ 數(shù)字人；
• 商品導(dǎo)購(gòu)：fay控制器（麥克風(fēng)輸入源開(kāi)啟、展板播放關(guān)閉、填寫(xiě)商品信息、填寫(xiě)商品Q(chēng)&A）+ 數(shù)字人；
• 語(yǔ)音助理：fay控制器（麥克風(fēng)輸入源開(kāi)啟、展板播放開(kāi)啟）；
• 遠(yuǎn)程語(yǔ)音助理：fay控制器（展板播放關(guān)閉）+ 遠(yuǎn)程設(shè)備接入；
• 數(shù)字人互動(dòng)：fay控制器（麥克風(fēng)輸入源開(kāi)啟、展板播放關(guān)閉、填寫(xiě)性格Q&A）+ 數(shù)字人；
• 數(shù)字人面試官及心理測(cè)評(píng)：聯(lián)系免費(fèi)領(lǐng)?。?/li>
• 賈維斯、Her：加入我們一起完成。

語(yǔ)音指令

• 關(guān)閉核心 關(guān)閉 再見(jiàn) 你走吧
• 靜音 靜音 閉嘴 我想靜靜
• 取消靜音 取消靜音 你在哪呢？ 你可以說(shuō)話(huà)了
• 播放歌曲（網(wǎng)易音樂(lè)庫(kù)不可用，尋找替代中） 播放歌曲 播放音樂(lè) 唱首歌 放首歌 聽(tīng)音樂(lè) 你會(huì)唱歌嗎？
• 暫停播放 暫停播放 別唱了 我不想聽(tīng)了

圖形界面

bark

Github： https://github.com/suno-ai/bark

Bark是由Suno創(chuàng)建的一個(gè)基于轉(zhuǎn)換器的文本到音頻模型。Bark可以生成高度逼真的多語(yǔ)言語(yǔ)音以及其他音頻，包括音樂(lè)、背景噪音和簡(jiǎn)單的音效。該模型還可以產(chǎn)生非語(yǔ)言交流，如大笑、嘆息和哭泣。為了支持研究社區(qū)，我們正在提供對(duì)預(yù)先訓(xùn)練的模型檢查點(diǎn)的訪問(wèn)，以便進(jìn)行推理。

ChatGLM-6B

Github： https://github.com/THUDM/ChatGLM-6B

ChatGLM-6B 是一個(gè)開(kāi)源的、支持中英雙語(yǔ)的對(duì)話(huà)語(yǔ)言模型，基于 General Language Model (GLM) 架構(gòu)，具有 62 億參數(shù)。結(jié)合模型量化技術(shù)，用戶(hù)可以在消費(fèi)級(jí)的顯卡上進(jìn)行本地部署（INT4 量化級(jí)別下最低只需 6GB 顯存）。

ChatGLM-6B 使用了和 ChatGPT 相似的技術(shù)，針對(duì)中文問(wèn)答和對(duì)話(huà)進(jìn)行了優(yōu)化。經(jīng)過(guò)約 1T 標(biāo)識(shí)符的中英雙語(yǔ)訓(xùn)練，輔以監(jiān)督微調(diào)、反饋?zhàn)灾?、人?lèi)反饋強(qiáng)化學(xué)習(xí)等技術(shù)的加持，62 億參數(shù)的 ChatGLM-6B 已經(jīng)能生成相當(dāng)符合人類(lèi)偏好的回答。

為了方便下游開(kāi)發(fā)者針對(duì)自己的應(yīng)用場(chǎng)景定制模型，我們同時(shí)實(shí)現(xiàn)了基于 P-Tuning v2 的高效參數(shù)微調(diào)方法 (使用指南) ，INT4 量化級(jí)別下最低只需 7GB 顯存即刻啟動(dòng)微調(diào)。

不過(guò)，由于 ChatGLM-6B 的規(guī)模較小，目前已知其具有相當(dāng)多的局限性，如事實(shí)性/數(shù)學(xué)邏輯錯(cuò)誤，可能生成有害/有偏見(jiàn)內(nèi)容，較弱的上下文能力，自我認(rèn)知混亂，以及對(duì)英文指示生成與中文指示完全矛盾的內(nèi)容。請(qǐng)大家在使用前了解這些問(wèn)題，以免產(chǎn)生誤解。更大的基于 1300 億參數(shù) GLM-130B 的 ChatGLM 正在內(nèi)測(cè)開(kāi)發(fā)中。

ChatGLM-6B Github 主頁(yè)

law-cn-ai

官網(wǎng)：https://law-cn-ai.vercel.app/

Github： https://github.com/lvwzhen/law-cn-ai

這個(gè)開(kāi)源項(xiàng)目被稱(chēng)為你的 AI 法律助手的開(kāi)源項(xiàng)目，通過(guò)分析大量的法律文件，通過(guò)你的問(wèn)題給出答案。

但該開(kāi)源項(xiàng)目不是完全基于大模型去輸出結(jié)果，而是將法律知識(shí)庫(kù)進(jìn)行預(yù)處理，通過(guò)向量相似性搜索來(lái)去庫(kù)中匹配相似性更高的答案，將內(nèi)容輸入到 GPT 中進(jìn)行補(bǔ)全，最終將結(jié)果輸出到客戶(hù)端。

如下圖：

gpt4-pdf-chatbot-langchain

Github： https://github.com/mayooear/gpt4-pdf-chatbot-langchain

針對(duì) PDF 文件構(gòu)建的 GPT 機(jī)器人，上傳你的 PDF 文件，使用的技術(shù)堆棧包括 LangChain、Pinecone、Typescript、Openai 和 Next.js。

基于 Open AI 和 LangChain，可以分析 PDF 文檔中的文字和內(nèi)容，通過(guò) embedding API 生成向量，然后存儲(chǔ)到數(shù)據(jù)庫(kù)中。

最后做成類(lèi)似于 ChatGPT 的機(jī)器人，通過(guò)機(jī)器人快速的進(jìn)行查詢(xún)、輸出答案。

MOSS

官網(wǎng)：https://txsun1997.github.io/blogs/moss.html

Github： https://github.com/OpenLMLab/MOSS

國(guó)內(nèi)首個(gè)對(duì)話(huà)式大語(yǔ)言模型開(kāi)源了！復(fù)旦大學(xué)發(fā)布的大模型 MOSS 正式開(kāi)源，相關(guān)代碼、數(shù)據(jù)、模型參數(shù)已在 Github 平臺(tái)開(kāi)放，供科研人員下載。

MOSS是一個(gè)支持中英雙語(yǔ)和多種插件的開(kāi)源對(duì)話(huà)語(yǔ)言模型，moss-moon系列模型具有160億參數(shù)，在FP16精度下可在單張A100/A800或兩張3090顯卡運(yùn)行，在INT4/8精度下可在單張3090顯卡運(yùn)行。MOSS基座語(yǔ)言模型在約七千億中英文以及代碼單詞上預(yù)訓(xùn)練得到，后續(xù)經(jīng)過(guò)對(duì)話(huà)指令微調(diào)、插件增強(qiáng)學(xué)習(xí)和人類(lèi)偏好訓(xùn)練具備多輪對(duì)話(huà)能力及使用多種插件的能力。

局限性：由于模型參數(shù)量較小和自回歸生成范式，MOSS仍然可能生成包含事實(shí)性錯(cuò)誤的誤導(dǎo)性回復(fù)或包含偏見(jiàn)/歧視的有害內(nèi)容，請(qǐng)謹(jǐn)慎鑒別和使用MOSS生成的內(nèi)容，請(qǐng)勿將MOSS生成的有害內(nèi)容傳播至互聯(lián)網(wǎng)。若產(chǎn)生不良后果，由傳播者自負(fù)。

SQL Chat

官網(wǎng)： https://sqlchat.ai/

Github： https://github.com/sqlchat/sqlchat

SQL Chat 是一個(gè)基于聊天的 SQL 客戶(hù)端，你可以像聊天一樣，問(wèn)數(shù)據(jù)庫(kù)一些問(wèn)題，讓機(jī)器人幫你查詢(xún)一些數(shù)據(jù)

DeepFloyd IF

Github： https://github.com/deep-floyd/IF

這個(gè)開(kāi)源項(xiàng)目有什么稀奇的？AI 畫(huà)圖不是已經(jīng)有很多產(chǎn)品或者開(kāi)源項(xiàng)目了嗎？還真不是，像我們使用的 Midjourney 等畫(huà)圖軟件，是沒(méi)辦法生成準(zhǔn)確的文字的。

但是文字是海報(bào)上不可或缺的元素，于是 Stability AI 旗下的獨(dú)立研發(fā)團(tuán)隊(duì) DeepFloyd AI Research 開(kāi)源了這個(gè)開(kāi)源項(xiàng)目，這個(gè)項(xiàng)目能準(zhǔn)確繪制文字，但目前不支持中文。

官方介紹了DeepFloyd IF，這是一種新穎的最先進(jìn)的開(kāi)源文本到圖像模型，具有高度的照片真實(shí)性和語(yǔ)言理解能力。

DeepFloyd IF是一個(gè)由凍結(jié)文本編碼器和三個(gè)級(jí)聯(lián)像素?cái)U(kuò)散模塊組成的模塊：一個(gè)基于文本提示生成64x64像素圖像的基本模型和兩個(gè)超分辨率模型，每個(gè)模型都設(shè)計(jì)用于生成分辨率不斷提高的圖像：256x256像素和1024x1024像素。

模型的所有階段都使用基于T5轉(zhuǎn)換器的凍結(jié)文本編碼器來(lái)提取文本嵌入，然后將其輸入到通過(guò)交叉注意力和注意力池增強(qiáng)的UNet架構(gòu)中。結(jié)果是一個(gè)高效的模型，其性能優(yōu)于當(dāng)前最先進(jìn)的模型，在COCO數(shù)據(jù)集上實(shí)現(xiàn)了6.66的零樣本FID得分。我們的工作強(qiáng)調(diào)了更大的UNet架構(gòu)在級(jí)聯(lián)擴(kuò)散模型的第一階段的潛力，并描繪了文本到圖像合成的前景。

最后

一臺(tái)電腦,一個(gè)鍵盤(pán),盡情揮灑智慧的人生;幾行數(shù)字,幾個(gè)字母,認(rèn)真編寫(xiě)生活的美好;

一 個(gè)靈感,一段程序,推動(dòng)科技進(jìn)步,促進(jìn)社會(huì)發(fā)展。