文章列表-AI魔法学院

文章列表

【开源项目】Flow Matching 语音合成

CFM是一种新技术，已被证明可以改进扩散模型，Meta的Voicebox模型将CFM引入语音合成领域，下面是voicebox的一个工作流程图 Matcha-TTS是第一个开源conditional

音视频 Flow Matching

【工具书】文生图常用的正向反向提示词以及常用词中英文对照表

Vivid Colors 给图片添加鲜艳的色彩，可以为你的图像增添活力

文生图 prompt 提示词

图像修复神器：女神青涩时纤毫毕现！腾讯AI模型GFPGAN火上GitHub热榜第一，Demo在线可玩

包浆老图立刻清晰到头发丝是一种怎样的体验？

修复绘画高清

探索Sora的魔法世界：功能展示、原理解析、未来市场影响大猜想！

下图是Sora跟其他模型在生成视频能力上的一些对比：在OpenAI发布Sora之前，业界基于大模型生成视频的主要平台有Pika、Runway、Moonvalley等，但是这些平台视频生成默认都是几秒中

视频生成 sora

开源版妙鸭相机来了，无限出个人写真图（阿里达摩院出品）

LoRA是一种具有较少可训练参数的微调模型，在Stable Diffusion中，可以通过对少量输入图像进行文生图训练的方式将输入图像的信息注入到LoRA模型中。

妙鸭相机

SDXL模型lora训练参数详细设置，显存占用22G，不用修脸原图直出

还没装的，去秋叶大佬视频详情里找一下哈~ https://www.bilibili.com/video/BV1AL411q7Ub/?

SDXL 训练

字节跳动最强AI工具 “豆包” ，近1000款应用！一句话自动生成图文，堪比ChatGPT？

能够聊天，能够生成文案，也能够生成图片。

AI工具文生图

两天star量破千：OpenAI的Whisper被蒸馏后，语音识别数倍加速

前段时间，「霉霉大秀中文」的视频在各个社交媒体走红，随后又出现了「郭德纲大秀英语」等类似视频。

语音 HeyGen

体验完阿里的EMO模型，我emo了

简单来说，EMO（Emote Portrait Alive）是一个AI肖像视频生成系统，能够通过输入单一的参考图像，生成具有一定表现力的面部标签和各种头部姿态。

EMO 文生图

把ChatGPT装进二次元手办，你来吗？AI桌面机器人众筹

计算机视觉识别模块支持离线运行。

ai小车 esp32 开源

元象首个多模态大模型 XVERSE-V 开源，刷新权威大模型榜单，支持任意宽高比输入

人类获取的信息83%来自视觉，图文多模态大模型能感知更丰富和精确的真实世界信息，构建更全面的认知智能，从而向AGI（通用人工智能）迈出更大步伐。

XVERSE-V 多模态大模型

让你每次都随机生成各种图片，开盲盒的感觉：SD插件之无限抽卡神器Dynamic Prompts

可以看到刚刚导入的各个模版，我这里新加几个衣服模版进去，就可以出很多不同服装的图像。

文生图

【Agent专题】Agent架构设计：智能体架构设计的9大核心技术全景深解析，附架构图

本文，我们将深度解析构建AI智能体所需掌握的9大核心技术——从底层调度逻辑到协议层标准，从人机交互到多智能体协同，全面还原一个真正可用、可落地、可拓展的AI Agent系统构建地图。

Agent 智能体架构

PhotoMaker：腾讯最新开源，根据照片生成该人物各种风格图片，项目可落地！

项目简介 PhotoMaker是腾讯最近开源的照片生成工具，这是一种高效的个性化文本到图像生成方法。

PhotoMaker 文生图

鹅厂最新AI工具刷屏！杨幂寡姐多风格写真秒秒钟生成，LeCun点赞 | 可免费体验

值得注意的是，他们这里强调了，他们不会进行人脸检测，但上传的图片人脸已经要占据图片大部分。

PhotoMaker 图生图

<...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