登录社区云，与社区用户共同成长
邀请您加入社区
本文介绍了如何在星图GPU平台上自动化部署造相 Z-Image 文生图模型（内置模型版）v2镜像，快速搭建AI绘画服务。该镜像基于PyTorch 2.5.0与CUDA 12.4深度优化，开箱即用，用户可通过输入中文提示词，轻松生成768×768高清图片，适用于个人艺术创作、提示词测试等场景。
3.创建一个与数据集名字一致的json文件，如我的数据集为Test125，我就创建一个名为Test125的json文件，用于指定训练集、测试集、验证集。并且也可以创建子数据集，使用向导模式。2.点击添加数据文件，把你所需要的数据处理成utf8格式的csv文件上传，并且将其命名成固定格式，如：训练集命名为train.csv，验证集命名为dev.csv；
值得注意的是，我们发布了一个全面的工具增强数据集MSAgent-Bench，其中包括598k个带有各种API类别的对话，多轮API调用，面向API的QA和API不可知性的中英文指令。为了方便构建一个能够使用工具的Agent，同时保持最佳的用户参与度，我们发布了一个综合的工具数据集，MSAgent-Bench7，利用ChatGPT合成数据和现有的指令遵循数据集。在人类的指令下，Agent将选择的LL
阿里开源Logics-Parsing文档解析模型，能理解文档逻辑结构并精准提取内容。该模型在复杂文档处理上表现优异，支持嵌套表格、手写公式、化学结构式等专业内容识别，输出结构化HTML结果。性能碾压同类工具，在中文表格识别准确率达86.6%，化学结构式错误率仅51.9%。三步即可完成安装使用，适用科研、数据分析等多个场景。目前完全开源，支持商业化应用，为专业文档处理提供了高效解决方案。
摘要： 开源项目Ming-UniAudio突破AI音频技术壁垒，实现语音识别、合成与自然语言编辑的统一。其核心创新包括：1）首个兼顾理解与生成的Tokenizer（MingTok-Audio），语音质量评分达4.21；2）单一模型支持ASR/TTS任务，方言识别错误率低至9.8%；3）首创自然语言指令编辑功能，可精准修改语音内容。项目提供全流程Demo，支持5分钟快速部署，开发者可通过Huggin
