文章列表-AI魔法学院

文章列表

鹅厂版AI笔记悄悄上线，微信公众号优质内容秒变专属知识库，实测在此

基于Gemini 1.5，其最新音频摘要功能，可以让用户根据特定主题生成类似播客的音频对话。

ima copilot 搜索

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

元象大模型去年起已和多个腾讯产品，包括QQ音乐、虎牙直播、全民K歌、腾讯云等，进行深度合作与应用探索，为文化、娱乐、旅游、金融领域打造创新领先的用户体验。

XVERSE-V 多模态大模型

四木测评｜让教父唱《野狼disco》、恶搞《甄嬛传》，火遍全网的阿里明星项目EMO正式开放

这也意味着用户无法自行上传音频内容，只能通过官方创建好的模板来上传图片，生成固定音频内容的视频。

EMO 阿里全民演唱

AI Agents大爆发：软件2.0雏形初现，OpenAI的下一步

In-context Reinforcement Learning with Algorithm Distillation 这篇论文认为，任何一种生成学习历史的算法都可以通过对动作执行行为的克隆

agent

微软对 Sora 进行了逆向工程分析，揭秘 Sora 的秘密

文章还深入讨论了为实现 Sora 的广泛应用需克服的主要挑战，例如保证视频生成的安全性和公正性。

Sora 微软

必看！ComfyUI故障应对指南，让您轻松应对每一个挑战

总的来说，我建议尽可能直接通过GitHub克隆项目或下载便携式安装包，学习如何安装各种节点。

ComfyUI 故障应对

Ilya认错，Scaling Law崩了？自曝SSI秘密技术路线取代OpenAI

ChatGPT发布后，从AI热潮中受益颇多的科技公司都公开声称，这种通过增加数据和算力来「scale up」的方法，能显著改善模型性能。

Scaling Law AI大模型

一文彻底搞懂多模态 - 多模态推理

这两种模态的信息可以是图片和文本、视频和语音等。

多模态推理大模型

没有思考过 Embedding，不足以谈 AI

有一条是显然可以给出的：性质一：每一个词具有唯一量化值，不同词需要具有不同的量化值背后的逻辑不言自明：一词多数，或是多词一数，都会增加计算机理解语言的难度，这种难度就如同多音字或是多义词给人类造成的困难

开源模型

Stable Diffusion

AI绘画Stable Diffusion进阶使用

github.com/d8ahazard/sd_dreambooth_extension sd-webui-deforum为Stable Diffusion WebUI添加各种视觉效果,如图像动画、语音生成等

Stable Diffusion 文生图

2万字大模型调研：横向对比文心一言、百川、Minimax、通义千问、讯飞星火、ChatGPT

5、云知声：专注于语音识别和自然语言处理技术，开发了多款大模型应用。

大模型调研

2024，智谱如何更快？

而放眼当前最先进的模型GPT-4，它虽然不断在进化出新的类人能力，但目前依然连最基本的“模型幻觉”问题都没能彻底攻克，AGI短期内依然是一场人类自身的“颅内狂欢”。

GPT-4 大语言模型

AI 绘画新时代：ChatGPT + DALL-E 3

📌 一致性模型 Consistency Model：https://arxiv.org/abs/2303.01469 扩散模型在图像、音频和视频生成的领域中实现了显著的进步

文生图图生图 chatGPT DALL-E

知识树：一个方法，教你构建「终身知识体系」

现在我告诉你们，这个知识树就是搭建知识体系最好的学习方法，最好方法，没有之一，破音。

大模型

用AI为古诗词生成插画

fei,the autumn waters are the same color as the sky,photo quality,reality, 这个翻译有点问题，齐飞没翻译出来，直接放上了汉语拼音，

Stable Diffusion 文生图提示词

<...15 16 17 181920 21 22 23 24 ...>

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