文章列表-AI魔法学院

文章列表

长窗口大战要终结了？谷歌魔改Transformer，推出了“无限注意力”

常规的注意力机制，是把注意力计算中所有的键值（KV）和查询状态丢弃；而经过改进的注意力机制，将注意力的旧KV状态存储在压缩内存中，用于长期记忆中的巩固和检索。

大模型上下文

[论文] 阿里提出AgentScope：灵活强大的智能体框架

与提供默认处理程序的实用层不同，管理和包装层还根据开发者的需求和应用的具体要求提供可定制的接口，以进行容错控制。

AgentScope 语言大模型智能体

Stable Diffusion

Stable Diffusion基础：ControlNet之细节替换

colorfix+sharp 有两个参数： Variation 控制瓦片之间的色彩变化。

StableDiffusion 文生图

AI生成卡通人物项目|VToonify

在本文中，我们通过引入一种新颖的 VToonify 框架来研究具有挑战性的可控高分辨率肖像视频风格转移。

AI生成卡通人物 VToonify

一张照片秒生不同风格图像！小红书InstantID来了！

· · 风格灵活性：InstantID 能够生成各种风格的图像，同时保持对文本编辑的控制能力，使得图像生成过程既灵活又可控。

InstantID 文生图

基于 OpenAI Whisper 模型的实时语音转文字工具

· WhisperLive 是一款专注于音频处理和创作的开源软件，使用 OpenAI Whisper 模型将语音输入转换为文本输出，可以用于转录麦克风的实时音频输入和预先录制的音频文件，为艺术家和音乐制作人提供了一个强大的平台

WhisperLive 音频开源软件

借题发挥下最近几例声音克隆的应用案例

最近接连接到几个客户找我订制声音的案例： 1.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

声音克隆数字人

LlamaIndex的QueryPipeline在实现RAG应用后，Agent应用也可以实现了（附开发示例）

AgentExecutor的实现，支持ReAct模式的循环）在其上实现了一些Agent特有的组件，进而基于此实现了AgentPipeline，但langchain现在已经发现了这样设计在生产条件下的限制，

Agent QueryPipeline 大模型

阿里巴巴语音实验室发布开源语音处理框架ClearerVoice-Studio，支持语音增强、分离、目标说话人提取

因此，市场急需一套能够应对这些挑战并适应现代应用需求的语音处理框架，例如虚拟助手、视频会议和创意媒体制作。

ClearerVoice-Studio 语音

Stable Diffusion

stable diffusion十七种controlnet详细使用方法总结

breast,sunshine,bright, 中间参数 1.Canny 可以根据你提供的图片经过预处理器成为线稿，然后经过canny controlnet模型控制图像扩散

绘画作图

17K star！30秒偷走你的声音，开源声音克隆工具

OpenVoice 只需要来自目标说话者的简短音频样本即可准确复制其独特的声调和特征。

OpenVoice 声音克隆开源

一键部署本地“妙鸭”，证件照，写真照，模特换装全部搞定！

在控制台中可以看到训练的进度，整个训练时间和我们的电脑配置息息相关。

妙鸭文生图

比 Roop 和 Reactor 更像！IP Adapter 新模型为任何人做写真

3️⃣选择控制网络和预处理 · &ensp

IP-Adapter 文生图

Ollama还是vLLM？深度解析四大顶级LLM服务框架：性能、特性与技术选型指南

; OpenAI API 兼容性：极大地便利了开发者将现有基于 OpenAI API 的应用迁移到本地 vLLM 部署，实现成本效益和数据控制

LLM 服务框架

这可能是史上最全的 Python 算法集（附论文及python源码链接）

后轮反馈控制线性二次regulator（LQR）转向控制线性二次regulator（LQR）转向和速度控制项目支持二、环境需求 Python 3.6.x

算法 python

<...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