文章列表-AI魔法学院

文章列表

Stable Diffusion

Stable Diffusion | SD腾讯云3步部署，全程五分钟，附价格费用清单

等待几分钟后，部署完成，就会跳转到资源列表：三、操作应用 1、因为我没有云盘，没有启用自定义模型上传支持，不能上传模型，这里只显示了一个网址，就是SD操作界面的网址，点击应用地址

下载开源模型

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～～～

Cradle 是由 BAAI‑Agents 团队开源的一款面向通用计算机控制（GCC）的多模态 AI Agent 框架，可以让大型多模态模型，通过截图输入和键鼠输出

AI Agent 开源项目

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！

Vary 的训练方法和模型结构如下图：通过在公开数据集以及渲染生成的文档图表等数据上训练，Vary 极大增强了细粒度的视觉感知能力。

OCR 手写文字识别

再见了ComfyUI，WebUI也有了工作流

在AI绘画领域，Stable Diffsion是最受欢迎的，因为它是开源软件。

ComfyUI WebUI 文生图

OpenAI开源大模型调测工具Transformer Debugger：可以在训练大模型之前理解模型的运行情况并干预

自从OpenAI转向盈利化运营之后，很少再开源自己的技术。

大模型调试工具

中文通用大模型最全汇总

同时我们也考虑更为快速的中文适配方案：Chinese-LlaMA2-sft-v0: 采用现有的开源中文指令微调或者是对话数据，对LlaMA-2进行直接微调 (将于近期开源)。

大模型开源模型

ComfyUI，你开启XL钥匙打开了新世界

但在与大家一起努力学习，了解了ComfyUI后，我有点难以抑制的激动，我觉得之前称呼这个“开启XL大门的钥匙”有些欠妥，它应该是开启AIGC新世界大门的钥匙！

ComfyUI 大模型

Stable Diffusion

【Stable Diffusion】SD迎来动画革命，AnimateDiff快速出图

今天给大家介绍一个可以快速在sd中生成动画的方法，就是一个叫做AnimateDiff的免费开源项目。

文生图开源模型

基于 OpenAI Whisper 模型的实时语音转文字工具

今天给大家分享一款专注于音频处理和创作的开源软件【WhisperLive】什么是 WhisperLive？

WhisperLive 音频开源软件

搭建程序员自己的在线工具库 it-tools

虽然有一些开发工具也具有一些常用的格式化功能，有时候，我们可能也需要一些其它轻量级的工具。

开源项目工具类

阿里巴巴语音实验室发布开源语音处理框架ClearerVoice-Studio，支持语音增强、分离、目标说话人提取

Speech Enhancement）、语音分离（Speech Separation）和音视频扬声器提取（Audio-Video Speaker Extraction）功能，能够在嘈杂环境中清理音频、分离复杂声源并结合音频和视觉数据锁定目标发声者

ClearerVoice-Studio 语音

Stable Diffusion

Stable Diffusion 入门教程开篇

是由CompVis、Stability AI 和 LAION 的研究人员于 2022 年发布的一款文本到图像生成的潜在扩散模型，基础版SD1.5（512*512），SD2.1（768*768），后又开源了

Stable Diffusion 文生图入门教程

使用ComfyUI玩SDXL的正确打开方式

就好像开汽车时，手动挡和自动挡的区别。

文生图 ComfyUI

【语音领域-又双叒更新】阿里开源FunAudioLLM: 2大核心模型、5大亮点功能！效果炸裂！手把手带你理论+实战部署推理!

arxiv.org/pdf/2407.04051 理论篇: FunAudioLLM项目介绍 FunAudioLLM整体系统框架介绍 FunAudioLLM 是阿里语音团队最新开源的项目

asr tts 声音

ComfyUI环境方面开窍了，成功跑通animatediff

但我不想重复放这里面，于是开始找代码大法：懂了，在IPAdapterPlus里面把路径改成sd那个模型在的文件夹。

animatediff 文生图

<...10 11 12 131415 16 17 18 19 ...>

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