文章列表-AI魔法学院

文章列表

SD入门教程三：采样器及参数调整

人物修复（ADetailer插件）人物修复这个插件能很好的控制了人物的脸型、眼睛、体型、四肢，保证了生成人物时不再扭曲变形。

SD 入门教程

从 GPT-4o 到 LiveKit：实时语音交互的开源实现

LiveKit 支持语音、视频和数据流处理，内置了自动语音识别（ASR）和文本转语音（TTS）功能，简化了语音到文本和文本到语音的转换过程。

GPT-4o 语音交互

Stable Diffusion

Stable Diffusion教程：提示词

比如主体是：1个女孩，那么细节可能包括：人物的一些特征：脸型、头发的颜色、头发的长短、眼睛的颜色、鼻子的形状、嘴唇的颜色、上衣的款色、裤子或者裙子的款色、鞋子的款色等等。

提示词 SD 绘画

【工具书】文生图Midjourney最全prompt提示词分类对照表

nbsp;partially underwater shot 其他常用精致的五官 exquisite facial features 完美的脸&

提示词 prompt 文生图

“实时”语音翻译！AI语音具有“情绪”！最强开源AI大模型来了

你想把一种语言的语音或文字直接转换成另一种语言的语音或文字，但是你需要用多个工具，而且效果不理想！

大模型开源模型语音

什么是ChatGPT？

比如还有识别类的（Congnition）：人脸识别，车牌识别这些，还有语音识别，文字识别各种识别任务。

ChatGPT OpenAI 大模型

3 个令人惊艳的 GitHub 开源项目，诞生了！

比如结合图像分割与图像处理，让 AI 实现照片水印去除，老照片一键修复，图像中的物品对象替换等等。

开源模型

AI制作小朋友的睡前故事画册

开启ADetailer脸部修复效果更佳！！！

SD1.5 文生图

语音、视频转文字神器：开源whisper介绍

Whisper是OpenAI的一个项目，旨在通过大规模的弱监督学习来实现语音识别。这种方法使用大量的未标注语音数据和一些已标注的数据来训练一个深度学习模型，从而自动学习如何从语音信号中提取特征并将其转换为文本。Whisper的特点是速度快、准确性高，并且可以处理各种各样的语音信号，包括噪音、口音和语速等。该项目旨在为那些缺乏手动标注数据的语言学家和工程师提供一种新的工具，以帮助他们实现更高效的语音识别。

人工智能大模型 wisper

Stable Diffusion

超详细的 Stable Diffusion ComfyUI 基础教程（三）：Refiner 细化流程

多了 refiner 模型加载器，多了 refiner 模型切换时机。

comfyui 文生图

Stable Diffusion

OpenAI救了Stable Diffusion！开源Dall·E3同款解码器，来自Ilya宋飏等

它能让图像生成质量更高、更稳定，比如多人脸、带文字图像以及线条控制方面。

SD 文生图 DALLE

Stable Diffusion

Stable Diffusion 加速/优化/升级优化出图速度

手动升级，启动器会自动更新，但是WebUI主版本必须手动切换！

Stable Diffusion 文生图

我去华强北走了一圈，发现这里正被另一种 AI 包围

一款颇受欢迎的 AI 绘画机，接入了 ChatGPT 4o，能够通过一句话或者几个关键词，让机器人自主生成并绘制图画，也可以通过拍照的方式，通过自主训练的人脸大模型生成机器人能识别的线稿图，然后通过未端在卡片或名片上绘画出来

华强北 AI

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

然而，大多数模型在流利地切换语言、理解口语查询的细微差别以及提供高质量响应方面仍然面临挑战。

GLM-4-Voice 9B 语音安装

SD入门教程五：后期处理图片高清放大

· ESRGAN_4X：在ESRGAN_4x中，生成器网络负责将输入的低分辨率图像转换为高分辨率图像，而判别器网络则负责评估生成图像的质量，确保其与真实高分辨率图像尽可能相似。

SD 入门教程修复

<...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