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

多模态大模型是一类采用深度学习技术构建的人工智能模型，它能够处理和理解多种类型的数据模态，如文本、图像、声音等。

OCR 大模型文字识别

中学生也能看懂的Sora视频生成原理解读

Sora面对的挑战就像是需要处理和理解来自世界各地、不同设备拍摄的数以百万计的图片和视频。

视频生成 sora

8G显存一键训练，解锁Llama2隐藏能力！XTuner带你玩转大模型

InternLM/xtuner （文末点击阅读原文可直达，欢迎体验） X 种选择 XTuner 提供了丰富的功能，上图中的各项功能都可以随意组合搭配

大模型

Rerank——RAG中百尺竿头更进一步的神器，从原理到解决方案

Rerank为什么可以解决这个问题？

RAG 检索增强

大模型套壳祛魅：质疑套壳，理解套壳

Transformer 的原始架构包含两个核心组件——编码器（Encoder）与解码器（Decoder），编码器负责理解输入文本，解码器负责生成输出文本。

大模型套壳

深入解析 Mistral AI 的 Mixtral 8x7B 开源MoE大模型

本文将带您深入了解Mixtral 8x7B的架构、发展历程及其技术细节，揭示其主要特点和应用场景。

开源模型 Mixtral 8x7B

了解Kimi必看的26个问题 | Kimi系列文（二）

了解到，目前的GenAI有文本类、视频类、绘图类、音频类、编程类、PPT、数字人、AI搜索等形式。

Kimi 大语言模型

再也不怕合照缺人，Anydoor为图片编辑开了一道「任意门」

「能不能把这张图里的产品，都放到另一张图的桌子上？」

Anydoor 文生图

华为盘古画画3.0发布 | PanGu-Draw：业界最大的中文文生图模型，效果YYDS！

，能够解释各种线索，如文本、人体姿势和边缘。

PanGu-Draw 文生图

一张照片秒生不同风格图像！小红书InstantID来了！

最近腾讯的PhotoMaker很火，因为仅需要一张大头照就可以快速实现类似妙鸭相机的效果，现在又有一个类似的解决方案InstantID出现了，它能够在保持高保真度的同时，仅使用一张面部图像实现个性化图像合成

InstantID 文生图

ChatGPT提示词万能模板：BRTR原则，让ChatGPT完美理解你的需求

一个简单的聊天框，仿佛拥有了让AI为你解决问题的魔力！”

ChatGPT 大模型

阿里腾讯豪华阵容参投，智谱AI投资版图曝光

清华朋友圈智谱的投资版图几乎就是一个清华朋友圈。

智谱阿里

Stable Diffusion

万字长篇！超全Stable Diffusion AI绘画参数及原理详解

例如，当我们尝试生成一个人的插图时，会是这样的一个情况（当然，实际情况可能远比这个更复杂）：图2-1 Clip的原理图解（自制）为什么是到12层呢？

文生图

人工智能训练的灾难性遗忘以及解决方案

为了解决这个问题，科学家们正在不断探索和尝试。

人工智能大模型

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

<...7 8 9 101112 13 14 15 16 ...>

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