文章列表-AI魔法学院

文章列表

【全文翻译】微软166页论文解读 GPT-4V：多模态大模型的黎明

本报告记录了计算机视觉和视觉语言多模态领域的研究人员对 GPT-4V 的探索。

多模态大模型 GPT-4V 文生图

Prompt | 抖音视频脚本

复制脚本并访问 https://beta.elevenlabs.io/speech-synthesis 以生成文本转语音。

prompt

鹅厂版AI笔记悄悄上线，微信公众号优质内容秒变专属知识库，实测在此

收藏的内容太多也不必担心，ima可以帮你在知识库中进行任意检索总结，简直是学习利器！

ima copilot 搜索

AIGC工具提示词技巧

以前，我们和软件对话用的是搜索的逻辑：把我们想要的结果、方向描述出来放到浏览器、搜索引擎做检索。

AIGC 提示词

6个AI音乐软件推荐，让你学会人工智能AI作曲

人工智能（AI）正在越来越多地应用于音乐、电影和绘画等艺术领域。

训练音乐

京东开源普通话数字人JoyHallo，一口流利标准普通话还会讲英语

在音频驱动的视频生成领域，制作普通话视频面临着许多挑战。

JoyHallo 数字人开源模型

OCR的终极解法——传统算法VS多模态大模型

这些实体通常是信息检索、问答系统、内容分析、客户关系管理等领域的关键元素。

OCR 大模型文字识别

各个语种互相翻译：Meta推出NLLB-200 AI模型，可实现200种语言互译

这其中，中文分为简体繁体和粤语三种，而除了中英法日语等常用语种外，还包括了许多小众语言。

翻译大模型

Stable Diffusion

详解Stable Diffusion提示词prompt语法

相信很多人都会有一个困惑，这个 prompt 咋写...

SD prompt 文生图提示词

无需编码，轻松提升图像品质：探索ComfyUI的图像增强功能

无需编码，ComfyUI是一个强大且易于使用的解决方案，允许新用户和经验丰富的用户探索和构建复杂的StableDiffusion工作流。

文生图

【进阶】-文生图术语解释

或者更悲观地说是衡量模型有多差。

文生图

AI虚拟主播数字人技术实现Wav2Lip

本文主要实现图片说话（如下图的蒙娜丽莎）、视频融合语音（这里的核心都是人物口型与音频中的语音唇形同步）。

数字人视频

实测15款AI大模型实时新闻搜索能力：金融业资讯获取哪家强？

随着AI大模型的快速发展，越来越多的工具声称具备实时信息检索能力。

AI 大模型

AI领域的agent是什么意思？

基于大语言模型（LLM）的 AI Agent 利用 LLM 进行记忆检索、决策推理和行动顺序选择等，把Agent的智能程度提升到了新的高度。

大模型

RAG 领域的新宠：为什么 AI 圈都在谈论 Jina ColBERT？

在 RAG (检索增强生成)领域，选对向量模型至关重要，它基本就决定了 RAG 系统的“天花板”，也因此，向量模型的选择总是业界的热门讨论话题。

rag 大模型

<...6 7 8 91011 12 13 14 15 ...>

汇聚AI资讯，网罗AI文档，详解AI工具！

关于我们用户协议隐私条款商务合作：skillupvip

© 2023-2025 AI魔法学院

京ICP备20027199号-1