构建高效图像和文本检索系统的开源工具
clip-retrieval 提供一个建立语义搜索系统的强大工具,使得用户能够迅速实现图像和文本的嵌入计算及索引构建。该项目能在20小时内处理超过1亿的图文嵌入,支持远程查询、数据过滤以及简洁的前端用户界面,适用于学术研究和商业应用。
Clip-retrieval 是一个使得计算 CLIP 嵌入和构建相关的检索系统变得简单的项目。利用它,用户可以在 20 小时内处理 1 亿对文本+图像的嵌入,使用硬件为 NVIDIA 3080 显卡。
该项目由多个模块构成,每个模块对应不同功能:
用户可以安装 clip-retrieval 软件包,并根据自己的需求选择不同模块进行使用。
pip install clip-retrieval
使用 clip client,用户可以通过文本或图像进行查询,项目提供了一系列 API 可供调用。以下是一些基本示例:
通过文本查找相似的图像:
from clip_retrieval.clip_client import ClipClient client = ClipClient(url="https://knn.laion.ai/knn-service", indice_name="laion5B-L-14") results = client.query(text="an image of a cat") print(results[0])
通过图像查找相似的图像:
cat_results = client.query(image="cat.jpg")
选择一个带有图像链接及其说明的文件,然后执行以下命令可以构建一个完整的搜索系统:
wget https://github.com/rom1504/img2dataset/raw/main/tests/test_files/test_1000.parquet clip-retrieval end2end test_1000.parquet /tmp/my_output
访问 http://localhost:1234 即可查看结果。
clip back 提供了一个简单易用的 KNN 服务,其中包含相关的 API 供调用。用户可以自定义所需的模型及参数以优化索引及服务效率。
clip front 是一个简单的用户界面,用于展示搜索结果。用户可以通过 clip-retrieval ui 查看并使用这个界面。
clip-retrieval 常用于以下场景:
如果您有兴趣为项目贡献代码或想了解更多关于数据的可复用工具,欢迎加入 DataToML 讨论。
clip-retrieval 还与多个相关项目整合使用,例如 all_clip 以加载任意 clip 模型,img2dataset 用于从 URL 下载图像,open_clip 训练 clip 模型,CLIP_benchmark 评估 clip 模型等。
clip-retrieval 项目以其便捷性和高效性,适合需要快速搭建图像及文本检索系统的用户,在数据科学和机器学习领域拥有广泛应用。
字节跳动发布的AI编程神器IDE
Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。
全能AI智能助手,随时解答生活与工作的多样问题
问小白,由元石科技研发的AI智能助手,快速准确地解答各种生活和工作问题,包括但不限于搜索、规划和社交互动,帮助用户在日常生活中提高效率,轻松管理个人事务。
实时语音翻译/同声传译工具
Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手,它拥有超精准的音频识别翻译能力,几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球,无论你是留学生、商务人士、韩剧美剧爱好者,还是出国游玩、多国会议、跨国追星等等,都可以满足你所有需要同传的场景需求,线上线下通用,扫除语言障碍,让全世界的语言交流不再有国界。
一键生成PPT和Word,让学习生活更轻松
讯飞智文是一个利用 AI 技术的项目,能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定,还是学生群体的职业生涯规划、实习避坑指南,亦或是活动策划、旅游攻略等内容,它都能提供支持,帮助用户精准表达,轻松呈现各种信息。
深度推理能力全新升级,全面对标OpenAI o1
科大讯飞的星火大模型,支持语言理解、知识问答和文本创作等多功能,适用于多种文件和业务场景,提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台,涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能,能为不同需求的用户提供便捷高效的帮助,助力用户轻松获取信息、解决问题,满足多样化使用场景。
一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型
Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目,由多个知名机构联合参与。该项目提供了高效的 LLM(大语言模型)驱动的语音合成方案,支持语音克隆和语音创建功能,可通过命令行界面(CLI)和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数,生成高质量的语音。该项目适用于多种场景,如有声读物制作、智能语音助手开发等。
AI助力,做PPT更简单!
咔片是一款轻量化在线演示设计工具,借助 AI 技术,实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT,提供海量模板、智能美化、素材替换等功能,适用于销售、教师、学生等各类人群,能高效制作出高品质 PPT,满足不同场景演示需求。
选题、配图、成文,一站式创作,让内容运营更高效
讯飞绘文,一个AI集成平台,支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容,加速品牌传播,提升内容营销效果。
专业的AI公文写作平台,公文写作神器
AI 材料星,专业的 AI 公文写作辅助平台,为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能,支持 30 + 文稿类型生成,助力快速完成领导讲话、工作总结、述职报告等材料,提升办公效率,是体制打工人的得力写作神器。
OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。
openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号