文章列表-AI魔法学院

文章列表

Stable Diffusion

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

模型要放在这个地址下“……\sd-webui-aki-v4.2\extensions\sd-webui-animatediff\model”。

文生图开源模型

阿里AI黑科技大揭秘：从通义千问到FaceChain，让图片和视频焕发新生！

AnyText 我之前也写文章介绍过了，专门针对中文，在生成的图片中能够很好的嵌入中文，而且还有强大的文字编辑功能。

阿里云视频音频

Stable Diffusion

stable diffusion如何确保每张图的面部一致？

：用于文本到图像扩散模型的文本兼容图像提示适配器，名字很长很拗口，我们只要记住四个字就行了：图像提示，如果还觉得长，那就两个字：垫图。

图生图文生图 sd

完全指南——使用python提取PDF中的文本信息（包括表格和图片OCR）

本文将讲述从PDF中将表格、图像和纯文本提取出文本信息的完整过程，主要内容： PDF的分类：文本型、OCR和扫描型针对不同类型的PDF，我们提取的理论依据环境安装编写提取纯文本的函数

大语言模型 python

造梦师手记：C站最受欢迎的大模型推出了SFW版

很长一段时间，C站最受欢迎的大模型是DreamShaper，在SDXL推出后，作者Lykon第一时间推出了一个0.9版和1.0版。

DreamShaper 大模型文生图

造梦师手记：足控专属AI大模型，完美的少女

随着pony大模型的发布，这个问题已经不重要了。

pony 大模型文生图

哈工大科大讯飞联合推出中文LLaMA-2 & Alpaca-2大语言模型

本项目基于Meta发布的可商用大模型Llama-2开发，是中文LLaMA&Alpaca大模型的第二期项目，开源了中文LLaMA-2基座模型和Alpaca-2指令精调大模型。

训练

开源即巅峰！微软VibeVoice 7B模型：跨语言、多说话人、长文本一次到位

一、项目概述 VibeVoice是一个新型的文本到语音（TTS）模型，能够生成富有表现力、长篇幅、多说话者的对话式音频。

VibeVoice 7B 语音

中国电信开源星辰AI大模型：央企中首个完成LLM研发和开源的选手诞生

它最大可支持96k的上下文推理，相比第一代，长文生成和理解能力提升30%。

开源大模型电信

斯坦福宣布前端开发要失业了？！一张截图生成代码，64%优于原网页！

直到最近，多模态LLMs的发展进入了一个新时代，大规模预训练模型可以处理视觉和文本输入，并为各种视觉基础任务生成文本输出，代表性的例子包括Flamingo、GPT-4V和Gemini。

设计转代码大模型

关于AI声音生成的一切（语音+音乐+嘴型）

目前还要申请acess，包含模块： Prosody UnitY2是基于UnitY2架构的语音到单元转换模型，能够转换短语级别的语调，如语速或停顿。

声音

大模型的研究新方向：混合专家模型（MoE）

随着不同应用场景的实际需求，大模型的参数会变得越来越大，复杂性和规模不断的增加，尤其是在多模态大模型的开发中，每个数据集可能完全不同，有来自文本的数据、图像的数据、语音的数据等，包含不同的模式，特征和标注之间的关系可能也大有不同

MoE 大模型

Stable Diffusion

Stable Diffusion WebUI v1.9.0重大更新！

根据模型时间步长（Model timesteps）而不是采样步骤（Sampling steps）进行精炼器（Refiner）切换从原理上来讲精炼器（Refiner）会根据采样器和模型的训练方式

Stable Diffusion 文生图大模型

一文读懂AIGC产业链：AIGC的前世今生和未来展望

AIGC应用层面向C端用户的文字、图片、音视频等内容生成服务，按不同的价值创造逻辑，可分为生产可直接消费内容、结合底层系统生产高附加值内容、提供内容生产辅助工具、用于提供体系化解决方案四类。

生成式AI

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

鲁迅先生年轻时意气风发的模样，被还原地淋漓尽致：图灵的这张修复就更厉害了，不仅眼神更加锐利，头发、眉毛等细节都被完美还原了出来： &ensp

修复绘画高清

<...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