Category: Artificial Intelligence

随着人工智能技术的快速发展，语音识别和处理技术在各个领域的应用日益广泛。本文将介绍如何利用 AWS 的云服务平台，结合开源的 Whisper 模型，构建一个高效、可扩展的语音识别系统。特别地，我们将以《水浒传》这部中国古典文学作品中的人物对话识别为具体案例，展示如何通过模型微调来提高特定领域的识别准确率，并通过 Amazon SageMaker 实现模型的高效部署。

咖咪咔嘶是一家成立于 2022 年的 AIGC 科技企业，专注于 AI 视觉和影视制作。企业引入 Amazon Nova 模型后，数字人交互提速 129%。

随着生成式 AI（GenAI）的兴起，越来越多的企业和开发者选择使用 Amazon SageMaker 来加速机器学习模型的开发和部署。本文将介绍一些 Amazon SageMaker Notebook 实例的成本优化技巧，帮助您在使用过程中实现高效管理和配置环境的自动化。

用喝咖啡的时间构建一个贪吃蛇问答游戏~

过去两年，以生成式 AI 为代表的人工智能迅猛发展，正在颠覆和转变各行各业，成为企业竞争和发展的战略制高点。生 […]

在数字经济时代，大数据和人工智能一体的数智技术成为企业转型和创新的战略制高点，数据、算力、算法的发展驱动了生成 […]

基于开源 LiteLLM 项目 CloudFormation 一键部署大模型流量调度网关，兼容 OpenAI，支持多模型、多区域、多账号调度和路由策略配置，Virtual Key 生成和使用追踪。

随着电商平台的快速发展，客户反馈（VOC）分析需求日益增加，传统数据分析方法难以高效处理海量非结构化数据。生成式人工智能技术能够自动理解和生成自然语言，高效处理海量非结构化文本，根据客户反馈生成智能洞察和个性化建议，大大提高了分析效率和洞察深度，为企业提供更精准的决策支持。这篇文章探讨了基于 Amazon Bedrock 实现 VOC 系统的业务价值、方案架构介绍和核心技术的实现与效果，以及利用该架构的生产优化建议。

本文分析模型并行库 SMPv2，其结合了PyTorch HSDP 和 Nvidia Transformer Engine，实现了基于张量并行的大型模型训练。SMPv2 在 SageMaker 体系上简化了繁琐的训练初始化配置，并支持与 PyTorch FSDP 的无缝集成，极大降低了开发复杂性。通过配置层次化分片、张量并行度等参数，SMPv2 可以在 Amazon P5 等高性能实例上实现高效的集群扩展性能，同时有效降低显存消耗，支持高效的大型基础模型训练。

在全球化的商业环境中，高质量的专业翻译对于企业出海和行业交流至关重要。然而，专业领域的翻译往往面临着术语精确性、行业特定风格表达和文化适应性等多重挑战。 本文将探讨如何利用开源大语言模型的微调技术来解决这些挑战。通过针对性的微调训练，我们可以显著提升模型在特定行业翻译任务中的表现。