文章列表-AI魔法学院

文章列表

俄罗斯人开源了最大的文生图模型：参数量12B，比SDXL大了3倍多！

模型效果为了比较模型效果，这里是选择了包含21个类别的2100个prompt进行人工评测，评测也包括两个方面：生成图像和文本的一致性和视觉质量。

Kandinsky-3 文生图开源模型

爆火！腾讯开源PhotoMaker：高效地定制化生成任意风格的逼真人类照片！

以后人均设计师！

PhotoMaker 文生图

GLM-4-Voice 9B——实时多语言语音对话 AI——几分钟内即可在本地安装

介绍近年来，语音启用的人工智能取得了显著进展，使对话代理能够更好地理解和响应人类语言。

GLM-4-Voice 9B 语音安装

AI Agent行业深度：框架拆解、应用方向、应用领域及相关公司深度梳理

4、应用两大方向：自动化（自主智能体）、拟人化（智能体模拟）结合目前学术界和产业界基于LLM开发的AI AGENT应用情况，能够将AI AGENT划分为两大类：自主智能体，力图实现复杂流程自动化

AI Agent 大模型人工智能

自动化神器Autolt：不再重复工作

Autolt最初是为了模拟键盘和鼠标输入，以便自动执行重复性的任务，如安装软件、配置系统设置等。

RPA 自动

解读OpenAI Sora文生视频技术原理

OpenAI 随后公布的技术综述[文献1]，难掩其勃勃雄心：视频生成模型作为世界模拟器。

sora

从零开始了解AI大模型 - 技术篇：万字深度好文人话说大模型技术

为了模拟人类对不同事物具有不同关注程度的特点，人们提出了使用三种向量及相应的计算方法来模拟这种关注行为。

大模型

人手一个编程助手！北大最强代码大模型CodeShell-7B开源，性能霸榜，IDE插件全开源

与此同时，团队将软件开发代码助手的完整解决方案全部开源，人手一个本地化轻量化的智能代码助手的时代已经来临！

开源模型 AI编程

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

这个数据集中包含了不同年龄和说话风格的人，涵盖了日常对话和专业医疗主题。

JoyHallo 数字人开源模型

开源即巅峰！微软VibeVoice 7B模型：跨语言、多说话人、长文本一次到位

然而，传统的TTS系统在处理长文本、多说话人对话以及情感表达方面存在诸多限制。

VibeVoice 7B 语音

和大模型相关的一些术语（持续更新中）

1.什么是AI AI，人工智能（Artificial Intelligence）的英文缩写。

大模型人工智能

RVC和SVC声音模型难找？推荐这个网站

大部分优质的模型是收费的，虽然该网站也提供了一些免费公开的声音数据集和声音模型，可以供个人学习测试使用，但其主要的盈利模式似乎是通过定制声音模型进行收费。

声音克隆数字人

Sora物理悖谬的几何解释

Sora声称“作为世界模拟的视频生成模型”，豪气干云。

Sora 解释

打造音乐传奇：Suno推出音乐生成模型Suno V3，让每个人都能成为作曲家

激动人心！

suno 歌曲音乐

开源版妙鸭相机来了，无限出个人写真图（阿里达摩院出品）

conda虚拟环境 2.

妙鸭相机

<...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