首页
Ai 资讯
Ai 知识库
创作魔法
绘画魔法
视频魔法
训练魔法
Ai术语
Ai提示词
Ai创意图
Ai工具
Ai视频
VIP专区
VIP专区
登录
AI魔法学院客服
最新
排序
收藏
全部
七天内
一个月内
选择分类
全部
写作魔法
绘画魔法
视频魔法
训练魔法
其他
AI工具
VIP视频
推荐阅读
换一批
· 国产视频制作之光-可灵:提示词大全整理
· 数字人直播哪家强?百度、硅基、风平与闪剪四大AI数字人横向评测!
· 13个神级Chatgpt指令,助你小说丝滑过审
· Suno音乐新手指南(手把手完整版教程)
· 微软、OpenAI大佬暗示LLM应用开发范式迁移:从Prompt Engineering到Flow Engineering
· 盘点字节跳动最新的AI应用
· 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~~~
· 《特朗普爱上在白宫当保洁的我》拍好了,3个月赚了10个亿
· 造梦师手记:C站最受欢迎的大模型推出了SFW版
· OCR是什么以及推荐几款开源中文OCR识别软件
热门标签
Stable Diffusion
stable diffusion
Midjourney
midjourney
ComfyUI
comfyui
ChatGPT
chatgpt
大模型
数字人
开源
人工智能
Sora
文心一言
天工
零一万物
知海图
星火
文心一格
混元
通义千问
盘古
言犀
ChatGLM
Github
微软
热门标签
免费
教程
插件
免费
教程
插件
免费
教程
插件
文章列表
数字人
数字人:从科幻走向现实的技术革命
2.动作捕捉:动作捕捉技术可以捕捉真实人类的动作和表情,并将其
映
射到数字人身上。
数字人
语音
Sora
Sora懂不懂物理世界?
Sora 将视频编码
映
射到隐空间,再切割成时空补丁,被称为时空令牌(time-space token) 进一步地,Sora在数据空间将数据令牌的概率分布通过扩散过程传输变换成高斯分布,再通过传输变换的逆变换将隐空间中的白噪声令牌变成隐数据令牌
文生视频
视频生成
sora
大模型
快手大模型出炉!【快意】来袭!
注意:人工评估结果受到评测数据覆盖面、标注主观性等因素的影响,无法全面反
映
大语言模型的所有能力。
开源模型
微调
NEFTune:在Embedding中加入噪⾳提⾼指令微调效果!
然⽽,这在GPT-4的评估中并没有反
映
出来。
NEFTune
大语言模型
AI的百亿套壳:做船不做柱子
到了2025年,方向多一些了,各种Agent概念产品在出来,各种AI播客、AI视频
剪
辑、AI资讯、AI理财投资、AI Marketing在出来,从vibe coding到vibe something。
AI
创业
Stable Diffusion
全面理解Stable Diffusion采样器
这反
映
出的是求解器的阶次,一阶求解器更快,二阶求解器更准确,但是速度要慢两倍,因为需要过两遍去噪 UNet 模型。
绘画
采样器
SD
写作
AI写作不如意?万字长文深度剖析背后原因
我试图
剪
辑和删减那些冗余和啰嗦的地方。
AI写作
写作
终极福利:15个中文AI写作提示词帮你覆盖所有主流写作场景!!!
符合以下要求: 1、确保标题能够吸引读者的兴趣,并准确反
映
文章或内容的关键亮点。
写文章
Stable Diffusion
stable diffusion如何确保每张图的面部一致?
不过 Stable Diffusion 本身支持的提示词都是文本提示词,文本到图像的
映
射存在很大的不确定性。
图生图
文生图
sd
微信向量检索分析一体化数仓探索:OLAP For Embedding
— Tensorflow 社区 可以看到,Embedding 是真实世界中“离散”的实体,
映
射到“连续”向量空间的一种表示。
OLAP
For
Embedding
一体化数仓
活久见,世界上第一个被人类骗走钱的AI,刚刚出现了!
此外,LLM权重所
映
射的,难道不是互联网数据中关于『理想度假地』的高维数据空间吗?」
Freysa
智能体
ChatGPT
AI 绘画新时代:ChatGPT + DALL-E 3
为了突破这一局限,我们提出了一种新的模型家族——一致性模型,其能够通过直接将噪声
映
射到数据上来创建高品质样本。
文生图
图生图
chatGPT
DALL-E
LLM
一文探秘LLM应用开发-Prompt(相关概念)
因此,指令遵从的程度也反
映
了大模型的智能程度。
prompt
大模型
写作
15个中文AI写作提示词帮你覆盖所有主流写作场景!!!
符合以下要求: 1、确保标题能够吸引读者的兴趣,并准确反
映
文章或内容的关键亮点。
写作
prompt
提示词
大模型
总结!大模型微调(Tuning)的常见方法
同时为了保证训练的高效性(也就是尽可能少的引入更多参数),他们将 Adapter 设计为这样的结构: 首先是一个 down-project 层将高维度特征
映
射到低维特征;然后过一个非线形层之后,再用一个
微调
大模型
<
...
9
10
11
12
13
14
15
16
17
18
...
>
1
2
4
5
6
7
8
9
100