文章列表-AI魔法学院

文章列表

OCR的终极解法——传统算法VS多模态大模型

传统算法一般情况 OCR 识别商务名片会分为两步： · OCR 算法识别出文字和坐标

OCR 大模型文字识别

借题发挥下最近几例声音克隆的应用案例

某父亲痛失爱子，因为儿子托梦告知人是可以复活的，于是这位父亲到处寻找让人复活的办法，于是他关注到了最新的人工智能技术，开始找人咨询和学习技术，通过摸索，他知道通过ChatGPT可以训练儿子的过去的说话，文字等语料

声音克隆数字人

OCR终结了？旷视提出可以文档级OCR的多模态大模型框架Vary，支持中英文，已开源！

以往这一任务需要文本识别、布局检测和排序、公式表格处理、文本清洗等多个步骤—— 这一次，只需一句话命令，多模态大模型 Vary 直接端到端输出结果：无论是中英文的大段文字：

OCR 手写文字识别

金融行业中 Fintech 的应用场景

本节课开始，咱们要花几节课的时间来学习一下 Fintech 的数据分析。

Fintech 金融

全球最强大模型一夜易主，GPT-4时代终结！Claude 3提前狙击GPT-5，3秒读懂万字论文理解力接近人类

再举个例子，要求Claude 3 Opus将难以阅读的手写字迹的照片转换为文本。

claude 大模型

Stable Diffusion

Stable Diffusion ComfyUI 入门感受

Clip文字编码器节点，正面和负面分成两个节点 · Unet阶段：ksampler节点，负责在潜空间生成图片

文生图

神奇的 OuteTTS - 0.1 - 350M：用几秒钟音频克隆声音的黑科技！

在当今数字化时代，文本转语音（TTS）技术的应用愈发广泛，从智能语音助手到有声读物，从无障碍服务到教育娱乐领域，都离不开高质量的语音合成。

OuteTTS-0.1-350M 音频

精通结构化提示词：如何精确操控指令的作用域与优先级

3 强化提示重点信息通过加重字体或斜体字等手段，可向模型传递特定信息的重要性。

提示词结构化

大模型套壳祛魅：质疑套壳，理解套壳

从年初到年末，从百度文心一言到零一万物，从字节跳动到谷歌 Gemini，各种「涉嫌套壳」的事件屡次冲上热搜，随后又被相关方解释澄清。

大模型套壳

解读wav2lip：探究语音驱动唇部动作的技术原理！

本文将深入介绍一下wav2lip的技术原理和细节，了解它是如何实现语音驱动唇部运动的！

wav2lip 语音

国内AI大模型已近80个，哪个最有前途？

字节为啥觉得字节可能是最有前途的呢？

大模型

为什么说数智化可以帮助中小企业降本增效 ?

数智化是对「数字智慧化」的解释，是数字化和智能化的结合，它强调运用数字技术和智能算法，将人的智慧与数字化相结合，实现更智能化的管理和决策。

大模型

Stable Diffusion

stable diffusion如何确保每张图的面部一致？

Compatible Image Prompt Adapter for Text-to-Image Diffusion Models，翻译成中文就是：用于文本到图像扩散模型的文本兼容图像提示适配器，名字很长很拗口

图生图文生图 sd

【万字长文-进阶教程】一文带你从入门到精通ChatTTS, 手把手教你固定音色、设置语速、添加停顿词、口头语、笑声！！

ChatTTS 文本转语音项目在github爆火出圈，引来大家极大的关注。短短2周左右的时间，在 GitHub 上已经斩获了23.5k的Star量。本文带你从入门到精通ChatTTS, 手把手教你固定音色、设置语速、添加停顿词、口头语、笑声！！

chattts tts 文生语音

一个让GPT重复自问自答的Prompt

以下prompt中，橙色为关键循环节 · 输入 · ## Profile: - author: 田彬玏 - version: 1.0.4

prompt

<...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