大健康产业

大模型应用

代码在线跑，知识轻松学

Python精品学习库

自行/邀约他人一键搬运博客，速成社区影响力并领取好礼

博客搬家 | 分享价值百万资源包

往期视频·干货材料·成员作品 最新动态

技术创作特训营·精选知识专栏

新邀入驻腾讯云开发者社区，福利多多！

在数字支付与电商高速发展的今天，交易欺诈已成为金融与商业领域的顽疾。传统的反欺诈方案多依赖规则引擎或机器学习分类模型，存在规则僵化、对新型欺诈模式响应滞后、高误报率等痛点。

大模型应用：从交易行为到实时反欺诈：向量数据库驱动的智能风控实践.33

随着大模型应用的爆发，向量数据库成为支撑语义检索、图像相似性匹配、推荐系统等场景的核心基础设施。向量索引作为向量数据库的性能引擎，其算法选择直接决定了查询效率与召回率的平衡。

大模型应用：向量数据库智能化索引优化：基于数据特征的最优算法自适应选择.32

在大模型与检索增强生成（RAG）技术普及的当下，向量检索已从逐渐从小众能力跃升为通用需求。关系型数据库作为企业数据架构的核心，长期以来以结构化数据管理、ACID 事务、成熟的 SQL 生态为核心优势，但在非结构化数据（文本、图片、音频）的语义检索场景中存在天然短板。

大模型应用：与传统数据库融合：打造关系型数据库MySQL的向量检索能力.31

在大模型与检索增强生成（RAG）技术普及的今天，向量数据库已成为连接非结构化数据与 AI 应用的核心组件。传统向量检索仅依靠向量相似度匹配目标数据，在实际业务场景中却往往力不从心，比如在检索“2024 年发布的 AI 技术论文”时，仅通过向量相似性可能会返回大量无关领域的旧文档。

大模型应用：向量与元数据联动：解锁向量数据库复合查询的核心能力.30

在大模型与RAG技术深度融合应用提效增能的场景下，向量数据库成为了连接文本语义化与实时智能检索的关键枢纽。当海量的文本、图像、音频数据被转化为高维向量后，如何在毫秒级时间内从亿级向量库中找到与查询向量最相似的结果，成为了决定上层应用体验的核心瓶颈。

大模型应用：近似最近邻搜索（ANN）算法驱动向量数据库的高效检索.29

当大模型能够流畅地撰写文案、解答数学难题、生成代码时，知识固化与幻觉问题始终是一个致命短板制约着大模型的能力发挥。训练完成的大模型如同一个记忆定格的智者，既无法实时吸收新信息，又可能基于碎片化知识生成似是而非的答案。

大模型应用：向量数据库的技术内核解析：破局大模型的失忆困境.28

通过多篇博文我们也反复介绍说明了大模型知识滞后、生成幻觉成为制约智能问答、企业知识库等场景落地的核心痛点，检索增强生成（RAG）技术通过“外部知识检索 + LLM 生成” 的模式，为解决这些问题提供了关键思路，而向量数据库则是 RAG 发挥价值的核心底座。今天我们从一个新的视角，以本地员工手册智能问答系统为内容载体，从基础概念到实践，系统拆解 RAG 与向量数据库的深度融合逻辑，同时引入 Ollama 这一轻量级本地大模型运行工具，增加实用性和便捷性。

大模型应用：RAG与向量数据库结合Ollama调用模型深度融合全解析.27

自RAG处理以来，我们都始终以非结构化文本（文档、PDF、网页）为核心处理对象，但实际企业在运转过程中，很多核心数据沉淀于Excel、CSV等结构化表格中，这些数据承载着财务报表、销售明细、库存清单、政务统计等关键业务信息，RAG技术虽在知识问答领域取得显著成效，但面对结构化表格时却陷入适配困境，传统RAG将表格强行转为纯文本串，丢失列头与行数据的语义关联，导致检索精度不足；多表格融合查询时需手动拼接上下文，效率低下；且随着检索框架版本迭代，兼容性也会产生很多莫名其妙的适配问题。

大模型应用：面向结构化表格的 RAG 实践：技术架构与特性解析.26

大模型在生成信息时可能出现幻觉问题，生成看似合理但实际错误或不存在的内容，同时，模型存在知识边界限制，其知识受限于训练数据的时间截点和覆盖范围，无法获取实时信息或特定领域深度知识。为解决这些问题，通常采用检索增强生成（RAG）技术，结合外部知识库实时检索来修正和补充模型知识；通过提示工程明确约束生成范围；建立事实核查和置信度评估机制。

大模型应用：LlamaIndex 与 LangChain 深度集成构建本地化RAG系统.25

在大模型应用开发中，如何高效地利用私有数据、编排复杂任务以及管理多轮对话状态是三个核心挑战。LlamaIndex、LangChain和LangGraph分别针对这三个挑战提供了专业解决方案。今天我们将深度解析这三个框架的架构设计、核心细节，并通过实战案例展示如何协同使用它们构建强大的LLM应用。

大模型应用：LlamaIndex、LangChain 与 LangGraph 细节深度、协同应用.24

随着语音大模型的普及，不管是TTS还是ASR，都与音频处理有着紧密的联系，AIGC的蓬勃发展，也催生了文本到音频（Text-to-Audio, TTA）的落地场景，音乐生成也走进了我们的实际应用。基于传统的信号合成技术凭借完全可控、轻量化的优势，在场景化音效补充中不可替代；而声乐大模型也是雨后勃发，以 MusicGen 为代表的 TTA 大模型，则通过海量数据训练实现了文本意图驱动的创意生成。

大模型应用：TTA文本驱动音频：MusicGen大模型参数调优+音频情绪可视化.23

在文章开始之前，先简单释义说明一下，TTS即文本转语音，ASR即语音转文本，前面的章节我们仔细通俗的讲解了TTS和ASR的原理和各自应用场景，今天我们将两者结合在一起进行深度分析，首先我们需要考虑， 是什么样的场景需要TTS与ASR 的融合，回想我们打开手机的语音助手，说一句“查询明天的天气”，它能立刻识别我们的语音，此时手机的语音助手内部处理将我们的语音转文本，解析指令后得到答案，再通过文本转语音，然后用自然语音给我们反馈结果， 这看似简单的交互，背后正是TTS与ASR两大技术的融合魔力。

大模型应用：完整语音交互闭环：TTS+ASR融合系统可视化场景实践.22

前面我们详细介绍了文本转语音的细节和实践，今天我们继续探讨一下语音转文本（ASR），初次接触，OpenAI Whisper 是最易上手、效果最均衡的开源大模型，它无需复杂的专业知识，一行代码就能实现多语言语音转写，且在噪声、口音、多语言场景下的表现远优于传统 ASR。

大模型应用：语音转文本（ASR）实践：OpenAI Whisper精准转录解析.21

在现在很多自媒体平台的剧情类短视频创作中，多角色配音是核心环节但痛点显著：真人配音成本高、周期长，通用 TTS 工具缺乏角色区分度，多语言 /多情绪适配性差，且难以批量处理剧本、生成标准化字幕。

大模型应用：基于 SpeechT5 的自媒体多角色剧情配音系统：架构、细节与实践.20

前期我们了解了TTS的基础应用，今天我们继续探索两个强大的TTS模型：Tacotron2和SpeechT5。Tacotron2作为经典的序列到序列TTS模型，以其高质量的语音合成效果和清晰的架构设计，成为学习TTS的理想起点。而SpeechT5则是微软推出的统一语音生成模型，它不仅能进行文本到语音的转换，还支持语音克隆、多说话人合成等高级功能，展现了TTS技术的最新进展。

大模型应用：文本转语音实践：Tacotron2预训练模型和SpeechT5模型应用.19

在人工智能与语音交互技术飞速发展的今天，TTS（Text-to-Speech，文本转语音）已渗透到生活与工作的方方面面。从手机导航的语音播报、智能音箱的对话反馈，到有声书制作、企业客服语音提醒，TTS技术以“让文字开口说话”的核心能力，大幅提升了信息传递效率与用户体验。今天我们从TTS技术基础入手，详解主流实现方案，结合丰富实操示例，覆盖从入门到进阶的全场景应用，帮助读者快速掌握TTS技术的使用方法。

大模型应用：一文读懂TTS技术应用：基础入门到实战的全场景指南.18

今天我们继续展开CLIP 模型的精细度解析，遵循 “理论铺垫→基础实践→进阶深化”的过程，初次接触的建议先看看基础篇《CLIP 模型全维度解析：理解理论基础强化基础范例.16》，先建立 CLIP 的核心认知，再逐步拆解高阶应用的底层逻辑，遵循 “是什么→为什么→怎么用→怎么用好“的学习逻辑。

大模型应用：循序渐进掌握CLIP：领悟训练推理过程的进阶特性.17

在前面的文章我们对langchain和RAG都做过深入的探讨，检索增强生成（RAG）是解决模型核心痛点的关键技术，它能让大模型基于本地私有数据生成精准回答，彻底规避 幻觉问题，同时满足数据本地化、合规性要求。

大模型应用：从问题到答案：LlamaIndex RAG系统工作流程详解.15

我们经常讨论到的模型大都基于大文本的模型，鲜有谈及视觉这一块，今天我们结合文本模型来梳理探讨一下视觉的模型，计算机视觉（CV）和自然语言处理（NLP）是两个相对独立的研究领域，CV 模型（如 ResNet、ViT）专注于从图像中提取视觉特征，擅长分类、检测等任务，但无法理解图像的语义文本描述；NLP 模型则聚焦于文本的语义理解，却缺乏对视觉信息的感知能力，对单一的传统视觉和文本模型都有很大的局限性。

大模型应用：CLIP 模型全维度解析：理解理论基础强化基础范例.16

信息抽取的本质是将非结构化数据（文本、文档等）转化为结构化格式（表格、JSON、数据库等）的过程。传统方法依赖规则引擎或有监督学习，需人工设计特征和标注数据，适配性差。而大模型 + Schema的方案通过以下核心逻辑实现高效抽取：

大模型应用：结构化思维：Schema在大模型信息抽取中的认知引导作用.14

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

腾讯云开发者社区推出了大模型应用专栏，为你提供了大模型应用的相关文章，致力于帮助开发者快速成长与发展。

大模型应用

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐