文章列表-AI魔法学院

文章列表

Sora懂不懂物理世界？

我们真实的视频是会体现真实世界的物理规律，以航行为例这意味着 AI 需要考虑到重力、浮力、碰撞以及船体结构在动态环境中的行为。

文生视频视频生成 sora

Stable Diffusion

【ComfyUI】Blender+Stable Diffusion！少年啊，这盛世如你所愿！（附中文汉化插件）

想不到研究了blender这么久，终于等到了AI绘画和blender结合的一天，不得不感叹一句：少年啊，这盛世如你所愿！

开源模型

智能时代的变革者：定制化GPTs重塑未来的五大预言

想象一下，通过定制化的智能助手，您能够优化个人生活，提升工作效率，甚至开创独特的事业机遇。

GPTs 智能

开源大模型部署及推理所需显卡成本必读：也看大模型参数与显卡大小的大致映射策略

Llama 2 是一种使用优化的 Transformer 架构的自回归语言模型。

开源模型

HAI-Chat：高效且轻量的一键式 RLHF 训练工具

构建有益、真实和无害行为的 LLMs，目前首选方案是基于人类反馈的强化学习（RLHF）。

HAI-Chat RLHF

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！

在通过提议的管道构建的数据集的滋养下，PhotoMaker展示了比基于测试时间微调的方法更好的ID保存能力，同时提供了显著的速度改进，高质量的生成结果，强大的泛化能力，以及广泛的应用。

PhotoMaker 文生图

使用大模型自动回复小红书/抖音/快手评论：通过RAG 优化LLMs实现

这个过程的结果是一个每个项目与输入查询的相关性排名。

RAG 大模型自动回复

clone-voice：一键克隆声音，开源AI技术让声音创作更便捷、更个性化

其他具体操作可以参考官网四、应用场景展望 clone-voice的应用场景十分广泛，涵盖了多个领域：娱乐领域：用户可以克隆自己喜爱的明星、动漫角色或影视人物的声音，为自己的创意视频、音频作品等进行个性化配音

clone-voice 声音克隆

【上篇】深度解析AI大语言模型（LLM）在企业应用的关键技术与典型架构

大语言模型在企业应用的一些典型落地场景如： o 构建以自然语言为交互界面的应用，结合成熟的语音/图像识别、语音合成等技术，在市场营销、客户服务等领域提升客户体验。

大语言模型

17岁高中生写了个神级Prompt，直接把Claude强化成了满血o1。

被这个Prompt强化过的Claude3.5，真的强到离谱。

prompt 大模型

美的数字化转型10年，方洪波的反思。作为领导者的高瞻远瞩与宽广胸襟！

我们的核心是要加大对这个集团的管控，因为我们整个集团的发展，业务的结构越来越多元，差异性很大。

工作

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

RVC和SVC声音模型难找？推荐这个网站

这包括数据预处理、模型构建、训练、评估和优化。

声音克隆数字人

智能知识图谱SmartKG和pySmartKG简介

SmartKG是一款轻量级知识图谱可视化+智能对话框架。

知识图谱

QAnything：网易有道最新开源的“本地化部署知识库”AI问答系统

这个项目通过集成和优化问答过程，用全面且灵活的解决方案来处理各种类型的问题。

网易 RAG 知识库

<...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