文章列表-AI魔法学院

文章列表

F5-TTS：上海交大开源超逼真声音克隆TTS，告别ElevenLabs，以后就用它了！实测真的很牛

不需要复杂的设计如持续时间模型、文本编码器和音素对齐，能够快速训练并实现实时因素（RTF）0.15的推理速度，显著优于当前基于扩散的TTS模型。

F5-TTS 音频克隆

Comfyui工作流原理你都了解吗

“ Comfyui工作流原理 ComfyUI工作流是一个基于图形节点编辑器的工作流程，通过拖拽各种节点到画布上，连接节点之间的关系，构建一个从加载模型到生成图像的工作流程

Comfyui 工作流

国内首个！最火的MoE大模型APP来了，免费下载，人人可玩

它采用MoE（专家混合模型）架构，是GPT-4的同款，也被认为是GPT-4能力飞升的关键。

MoE大模型 APPa

StableDiffusion

StableDiffusion模型推荐系列（全能型）

类型：checkpoint 更新：2024年2月24日版本：V9+RDPhoto2-Ligthning_4s 底模：SDXL_Lightning 推荐参数分辨率：832*1216+ 采样器

stablediffusion sd 文生图

再超Transformer！Google| 提出两个新模型(Griffin、Hawk)，强于Mamba，更省资源

同时在推理过程中，Hawk 和 Griffin 都实现比 MQA Transformer 更高的吞吐量，并在采样长序列时实现更低的延迟。

transformer 训练

炸裂！百川开源第1个7B多模态大模型 Baichuan-Omni | 能够同时分析图像/视频/音频/文本

每份数据集在作者的汇编中的采样比例都根据这些数据集的相对大小进行仔细确定。

Baichuan-Omni 多模态大模型

Agent四大范式 | 综述：全面理解Agent工作原理

这样，任务规划便自然转化为生成函数的过程。

Agent 大语言模型

最好用的AI一键换脸工具FaceSwapLab汉化

": "使用工具中的模型构建器构建的人脸模型。

一键换脸

微软对 Sora 进行了逆向工程分析，揭秘 Sora 的秘密

（左图）空间划分仅对 nt 帧进行采样，并按照ViT的方式独立嵌入每一帧2D画面。

Sora 微软

解读提示工程（Prompt Engineering）

在这里，为随机采样引入了温度——一种影响文本生成随机性的超参数。

Prompt 提示词

0基础！动手部署Qwen1.5-MoE模型！能力如何？API接入fastgpt等任何应用！喂饭到嘴教程，附模型下载！

它说的不算，雄哥跑一跑，看看能力怎么样！

Qwen1.5-MoE 大模型下载

腾讯开源的数字人MuseTalk到底行不行？

这样，观众就能看到数字人物口型与声音完美匹配的效果。

MuseTalk 数字人音频

如何从零开始训练专属 LoRA 模型？4600字总结送给你！

先点击读取，完成默认参数配置，再进行基础参数和采样参数设置。

训练

baichuan2 有什么好的深挖论文中涉及的知识点

Baichuan 2 分词器的训练数据来自 Baichuan 2 预训练语料库，通过更多抽样的代码示例和学术论文来提高覆盖率（Taylor 等人，2022）。

大模型

大模型下半场，关于Agent的几个疑问

未来格局怎样演进？

大模型

<...16 17 18 192021 22 23 24 25 ...>

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