文章列表-AI魔法学院

文章列表

StableDiffusion使用Roop插件一键换脸教程

接下来教大家如何安装使用Roop。

AI换脸

免训练！单图秒级别生成AI写真，人像生成进入无需训练的单阶段时代

这一创新版本摒弃了传统的人物模型训练过程，能够直接生成 zero-shot 目标人像，引领 AI 人像生成进入了无需训练的单阶段时代。

FaceChain FACT 文生图

只需四步就能构建自己的Agent！达摩院新开源框架小白也能用

达摩院最新出品Agent框架ModelScope-Agent，直接可用可定制。

大模型

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

分析过688篇大模型论文，这篇论文综述了LLM的当前挑战和应用

这个领域的发展令人目不暇接，但也正因如此，人们难以了解还有什么难题有待解决以及哪些领域已有成熟应用。

开源模型

Anthropic推出提示词生成器让AI秒懂你的需求！

接下来，我们进一步了解这款工具的功能和它如何改变与AI的交互方式。

Anthropic 提示词生成器

QAnything：网易有道最新开源的“本地化部署知识库”AI问答系统

·高性能生产级系统，可直接部署于企业应用。

网易 RAG 知识库

使用这个工具后，我将 RAG 的准确性和召回率都提高了两倍！

是一种检索增强生成技术，它利用大型语言模型来处理用户查询，RAG 技术的主要组成包括数据提取—embedding—创建索引—检索—排序（Rerank）—LLM 归纳生成，不过实际落地过程来看，将用户查询转换为嵌入向量直接检索

RAG 大语言模型

语义检索系统[全]：基于Milvus+ERNIE+SimCSE+In-batch Negatives样本策略的学术文献语义检索

在语义学中，语境就是一切，这将为我们引出了接下来的两点。

开源模型

解读wav2lip：探究语音驱动唇部动作的技术原理！

（2）传统的基于GAN的判别器在音频-口型同步检测方面准确率较低：传统的GAN判别器只使用单帧图像来评估口型同步，缺乏时间上下文信息，无法评估口型动态变化质量。

wav2lip 语音

玩转大模型必备：milvus向量数据库私有化安装部署及使用介绍

（以上镜像下载可能比较慢，需要用国内阿里源来实现镜像加速,这里就不开展说明）启动后程序如下端口和服务其中 etcd 占用 2380端口，9000是minio对内提供服务端口，Milvus

向量数据库

AI音乐热潮下，“神曲工作室”率先失业

“我们现在的AI作曲还没有进入到商用环节上，就只能说是选参考曲，不能直接交付给客户的。

音乐音频

Comfyui工作流原理你都了解吗

每一个模块都有特定的的功能，我们可以通过调整模块连接达到不同的出图效果。

Comfyui 工作流

超越RAG：揭秘IAG框架如何引领推理问答系统的创新之路

作者提出了两个版本的IAG：IAG-GPT直接使用GPT-3生成的知识进行答案预测，而IAG-Student则通过知识蒸馏训练一个学生归纳器模型，并通过可微分束分数反向传播生成器反馈进一步优化。

IAG框架大语言模型

Stable Diffusion

stable diffusion API 调用，超级详细代码示例和说明

接口文档可以查看： http://sd-webui.test.cn/docs 这里的 sd-webui.test.cn 是自己的 sd webui Endpoint。

文生图工作图生图

<...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