文章列表-AI魔法学院

文章列表

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

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

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

MaskGCT：登上GitHub趋势榜榜首的TTS开源大模型

该模型在包含10万小时多语言数据的Emilia数据集上进行训练，展现出超自然的语音克隆、风格迁移以及跨语种生成能力，同时保持了较强的稳定性。

MaskGCT 声音克隆

6个最佳开源TTS引擎

因为该模型支持包括中文在内的多种语言。

TTS引擎开源模型

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

用so-vits-svc-4.1进行音色转换的极简教程

其实歌声转换不仅仅适用于歌声，普通讲话也可以，只是歌唱的音调基本能覆盖到低、中、高全域声音类型，而正常说话可能无法做到全域覆盖，但是如果在录制声音的时候能够做到覆盖多种音调类型，也可以实现声音转换。

声音 sovits

Nvidia发布Llama3-ChatQA-1.5: 提升对话问答和表格推理能力，平均性能超越GPT-4

该模型在对话式问答和检索增强型生成等能力方面表现出色，在综合评测指标上甚至超越了当前业界顶尖的GPT-4模型。

Llama3-ChatQA-1.5 对话问答模型

<...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