亚马逊AWS官方博客

本文介绍使用 Amazon Transcribe，Amazon Translate，Amazon Polly，AWS Elemental MediaConvert 等服务快速合成多语言的视频。

在这篇文章中，我们介绍了一种训练、优化和部署自定义集成的方法。我们详细介绍了使用单个训练作业训练多个模型的过程、如何使用自动模型调整来优化集成超参数，以及如何部署一个融合多个模型推理的无服务器端点。

我们展示了使用由 Streamlit、Lambda 和 API Gateway 提供支持的用户界面的图像生成示例和文本生成示例。现在，您可以在 JumpStart 中使用预训练的人工智能模型来构建生成式人工智能项目。您还可以扩展此项目，针对自己的使用案例对根基模型进行微调，并控制对 API Gateway 端点的访问。

这篇博文由担任 Partner Solutions Architect 的 Benjamin Gardiner […]

许多公司知道他们需要人工智能，但却不知道从何入手。在这篇博文中，我将分享五项行动，帮助您超越行业术语的空谈，真正落实人工智能驱动的数字转型，重塑企业的未来。

Hugging Face 生态体系中的 Transformers 库为 state-of-the-art 预训练模型提供了非常方便的 API 和工具集，帮助用户轻松下载模型并完成训练，是工程师手边的必备神器。为了在更多加速硬件上（如亚马逊云科技的 Trainium 和 Inferentia）训练和运行 Transformers 模型，提升整体的效率，Hugging Face 推出了开源项目 Optimum 对其进行扩展，它提供了一套性能优化工具，可以最大效率地在目标硬件上训练和运行模型。

本文介绍了如何基于 Uniprot 开放数据集使用 Cytoscape.js 和 Amazon Neptune 图形数据库快速搭建无服务化蛋白质数据分析平台。

对于大数据平台的 OLAP 查询引擎来说，天下武功唯快不破，Presto 做为大数据生态的业界知名的查询引擎和平台，首当其冲承载了业务查询分析的实时响应的需求。 对于 Presto 集群而言，横向扩展，加机器资源固然可以解决绝大多数性能问题，但成本也是客户考虑的重要因素。本文详细介绍了在 Amazon EMR 上集成 Alluxio 本地缓存做为 Presto 即席查询加速的具体实现，包括 Alluxio Presto 本地缓存整体架构原理，在 Amazon EMR 上 Alluxio 缓存相关的配置及对比测试。

在这篇文章中，我们将演示如何通过将 Amazon Kendra 的功能与 LLM 相结合来实现 RAG 工作流，从而创建最先进的 GenAI 应用程序来提供有关企业内容的对话体验。

在这篇博文中，我们将展示如何在 Studio 和 SageMaker notebook 实例中开始使用 Amazon CodeGuru 安全防御工具和 CodeWhisperer。