文章列表-AI魔法学院

文章列表

深度｜万字访谈！Open AI Sora作者，亲自揭秘Sora原理，Sora能带我们通往AGI吗？

想一想，当我们提到生成视频时，我们生活中已经存在的诸多视频应用便会浮现在脑海中，比如库存视频或是现有的电影。

Sora 原理

我去，找到一个Github上非常优秀的AI项目，可控制鼠标、键盘，模拟人类操作，太丝滑，收藏～～～

通用目标：支持任意本地软件（如游戏、Office、图像/视频编辑工具）多模态输入：以截图为输入，支持键盘鼠标操作输出自主能力：内置“认知反思+技能更新”模块，能不断自我优化模块化设计

AI Agent 开源项目

AI面部增强器-Remini

本来还想试下视频增强的，可惜上传视频后提示要充值才给使用，不过如果勾上免费试用的话，前七天是不收费的。

Remini 面部增强修复文生图

目前有哪些比较成功的人工智能应用？

视频：广义上的各种动态视频的文件等。

生成式AI

免费文生图工具StableDiffusion喂饭级使用教程

www.bilibili.com/video/BV17d4y1C73R 星空一键整合包： https://www.bilibili.com/video/BV16j411A7BL 注：星空的东西很全，但是视频讲的不是很清楚

文生图 SD

90个常用的思维模型

好的思维模型为我们提供了清晰、有逻辑的、多角度的视角去看待问题，从而做出更好的决策；坏的思维模型可能会导致我们的视角狭隘、产生偏见，或是得出错误的结论。

大模型工作

2023年人工智能行业总结（精简版）

GPT4V多模态模型和Gemini的发布让大模型能够看图看视频作答。

人工智能行业总结

开源免费离线语音识别神器whisper如何安装

whisper的日常用途 whisper的核心功能语音识别，对于学生党和工作党来说，可以帮助我们更快捷的将会议、讲座、课堂录音整理成文字稿；对于影视爱好者，可以将无字幕的资源自动生成字幕，不用再苦苦等待各大字幕组的字幕资源

wisper 翻译免费

万字长文，大语言模型如何宣告心理学的死亡？

每一个幽灵都暗指传统心理学曾经忽略的问题，本文将从大语言模型的视角提供新的见解。

大语音模型

GitHub星数暴涨，AIPC的开源实现，用AI记录电脑一整天的使用太简单了，功能非常多！

Screenpipe 使用 Rust 语言开发，并提供灵活的插件系统，可与 Ollama 等工具协同工作，适用于从屏幕和音频数据中获取实时分析的需求。

AIPC ScreenPipe 开源

再也不怕合照缺人，Anydoor为图片编辑开了一道「任意门」

为了使定制对象生成泛化性更强，作者从视频中收集了同一对象的图像对，方便模型学习生成对象的外观变化。

Anydoor 文生图

OpenAI 开源语音识别 Whisper 的使用体验怎么样？

关于Buzz 　　Buzz 是一款基于 OpenAI 开源 Whisper 自动语音识别模型的软件工具，能够将音频或视频中的语音自动识别为带有时间戳的文本字幕。

生成式AI

大规模中文开源数据集发布！2TB、几十亿条可商用的中文数据集书生·万卷 1.0开源~中文大模型能力可能要更上一层楼了！

nbsp; · 书生·万卷 1.0文本数据集介绍 · · 书生·万卷 1.0文本-图像对数据集介绍 · · 书生·万卷 1.0视频数据集介绍

大模型

AI开源 - LangChain UI 之 Flowise

通过拖拽可视化的组件，组建工作流，就可以轻松实现一个大语言模型的应用配置，包括不限于 ChatGPT。

大模型

一文读懂AIGC产业链：AIGC的前世今生和未来展望

其中计算机视觉目前发展较快，它是一个通过技术帮助计算机“看到”并理解数字图像内容的研究领域，例如理解照片和视频的内容。

生成式AI

<...8 9 10 111213 14 15 16 17 ...>

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