文章列表-AI魔法学院

文章列表

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！

想将一份文档图片转换成 Markdown 格式？

OCR 手写文字识别

【手把手带你微调 Llama3】改变大模型的自我认知，单卡就能训

为了让模型能够让模型认清自己的身份——“我是谁，我来自哪里”，知道在询问自己是谁的时候回复成我们想要的样子，我们就需要通过在微调数据集中大量掺杂这部分的数据。

Llama3 对话问答模型

40个prompt，让你成为麦肯锡高手

它将不仅仅是一个高效的秘书，能够提供准确的信息和快速的反馈，还将成为你的大脑风暴伙伴，能够产生创意和参与决策过程。

prompt

【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!

高精准度：SenseVoice-Large(目前还未开源) 支持超过 50 种语言的高精准度自动语音识别（ASR）。

asr tts 声音

手把手带你微调一个自己的 ChatGLM2-6B 模型

阿里云服务器可能没有安装驱动（取决于你选的镜像）。

ChatGLM2-6B

6个AI音乐软件推荐，让你学会人工智能AI作曲

在当下的应用中，AI已经可以影响音乐制作过程的各个方面，包括音乐生成、音频掌握等。

训练音乐

Roop升级版FaceFusion换脸AI技术使用以及部署教程

使用该软件，您可以将一段视频中的人脸替换成您选择的人脸，只需要一张所需人脸的图像，无需数据集和训练。

FaceFusion 教程

AI Agent行业深度：框架拆解、应用方向、应用领域及相关公司深度梳理！

向量数据库利用人工智能中的Embedding方法，将图像、音视频等非结构化数据抽象、转换为多维向量，由此可以结构化地在向量数据库中进行管理，从而实现快速、高效的数据存储和检索过程，赋予了Agent“长期记忆

AI Agents 大模型

世界上最流行（github排名高）的开源移动机器人的操作系统ROS开源了！！

，与项目无关 TurtleBot3是一款小型、低成本、完全可编程的移动机器人，它基于ROS（Robot Operating System）开发，并继承了TurtleBot系列的优秀特性

ROS 机器人开源模型

探秘制作艺术二维码的新姿势

在之前的文章《AI制作艺术二维码-文生图》中，我介绍了一种直接通过提示词生成高逼格二维码的方法，但是通过提示词我们无法很好的控制生成图片的样式，特别是有些同学想要将自己的Logo或者头像附加到二维码中，

图像文字

中学生能看懂：Sora 原理解读

其次，这种方法极大地提高了处理视频的灵活性，使得Sora能够生成具有复杂动态的高质量视频，而这对于传统视频生成技术来说是一个巨大的挑战。

Sora 原理

AI绘画：stable difussion SD插件之无限抽卡神器 dynamic prompts（动态提示词）

不过抽卡需要把提示词进行不断地替换尝试才能抽到自己SSR，效率实在太低了。

AI图片

AI助力Logo设计！5类关键词帮你快速获取高质量灵感

ink line logo of a peaceful temple, nature and calm, simple and minimalistic --v 5 中国水墨线条的标志是一个宁静的寺庙，自然和平静

midjourney logo制作文生图绘画

ComfyUI环境方面开窍了，成功跑通animatediff

这回就有了，不过比较多，还是需要自己筛选下，找到IPA类的模型。

animatediff 文生图

解放AI生产力——为什么要使用ComfyUI

也是面临的第一个问题：AI生成出来的东西不可控，单单controlnet的发明，在AI绘画圈内就引起了巨大的轰动，但这终究只能控制图像的冰山一角，想要将AI的生产力解放出来，这还不够。

文生图

<...17 18 19 202122 23 24 25 26 ...>

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