文章列表-AI魔法学院

文章列表

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！

但不足是，仍无法换掉绿幕背景。

数字人数字分身

8个常用中文OCR数据集，附下载链接

数据多样、复杂，它包含了平面文本、凸出文本、城市街景文本、乡镇街景文本、弱照明条件下的文本、远距离文本、部分显示文本等。

OCR

新测试基准发布，最强开源Llama 3尴尬了

大模型竞技场背后组织LMSYS推出下一代基准测试Arena-Hard，引起广泛关注。

Llama 3 大模型开源

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！

需要注意的是，虽然在训练过程中使用的是相同ID，背景masked的图像，但是我们可以在推理过程中直接输入不需要背景失真的不同ID的图像，从而创建一个新的ID。

PhotoMaker 文生图

解码二维码：揭秘我的漂亮二维码生成秘诀！

背景在这篇文章之前，我写了两篇文章来介绍SD WebUI制作艺术二维码的方法：《AI制作艺术二维码-文生图》《AI制作艺术二维码

图像文字

字正腔圆,万国同音,coqui-ai TTS跨语种语音克隆,钢铁侠讲16国语言

按照固有的思维方式，如果想要语音克隆首先得有克隆对象具体的语言语音样本，换句话说，克隆对象必须说过某一种语言的话才行，但现在，coqui-ai TTS V2.0版本做到了，真正的跨语种无需训练的语音克隆技术

coqui-ai TTS 语音

有感情的语音合成开源模型：ChatTTS安装使用详解

ChatTTS是一个为对话场景设计的语音生成模型，专门用于大型语言模型（LLM）助手的对话任务、对话语音和视频介绍等应用。

ChatTTS 语音合成

国内厂商语音识别与Whisper评测：现状与概况对比

Recognition, ASR）、电脑语音识别（Computer Speech Recognition）或语音转文本识别（Speech To Text, STT），其目标是以电脑自动将人类的语音内容转换为相应的文字

语音识别 Faster-Whisper

不用再羡慕Prompt大神了！看了这篇文章，你只需10秒钟，就能拥有自己想要的专业级Prompt！

------------------------------------------------------------------------------------------ 封面标题：【换季必备

prompt 写作

解放AI生产力——为什么要使用ComfyUI

但是很不巧的是，这个绘画AI一开始的UI把这两个缺点全占了，我们先不从动画说起，就以游戏业内最简单的图片CG说起：一个正常的游戏CG的人物表情是有好几种变化的，其背后的景物是不能变，为了解决这个问题

文生图

Stable Diffusion

Stable Diffusion 30分钟打造AI 写真照片生成器｜海马体照相馆这次真的要木得了

训练完成后，我们可以使用预设的模板或者自己上传图片进行预测，也就是脸部替换了！

SD 文生图写真照

Stable Diffusion

stable diffusion如何确保每张图的面部一致？

主体的长相、表情、发型、衣着、姿态和参考图都挺像的，背景也基本都是相同的内容，只是不同的大模型也会有大模型各自的特色。

图生图文生图 sd

Midjourney 实现角色一致性的新方法

pixie-cut brunette hair, white background, diverse angles and expressions 提示词：12 幅宽幅照片，年轻女性，褐发精灵头，白色背景

midjourney 文生图绘画

Prompt工程入门

- Context（选填）：背景信息，或者说是上下文信息，这可以引导模型做出更好的反应。

prompt 提示词

语音克隆又又又又又升级了

目前还不支持中文，所以只能解决翻译软件朗读的结果如下：然后是替换声音风格：原始音频是系统提供的Alice，然后我们替换成一位中年男子在说话，声音轻松而亲切。

Meta 语音生成

<...9 10 11 121314 15 16 17 18 ...>

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