文章列表-AI魔法学院

文章列表

Westlake - Omni：西湖心辰推出的全球首个开源的中文情感端 - 端语音交互大模型

注意力机制应用注意力机制在Westlake - Omni中起到了关键作用。

Westlake -Omni 语音

零一万物API开放平台出场！通用Chat多模态通通开放，还有200K超长上下文版本

3月，国内外模型公司动作频频。

零一万物 YI 李开复

AI数字人：重构人货场的新力量

随着人工智能技术的飞速发展，生成式AI正在深刻改变着电商行业的运作模式。

数字人 AI 商业

OpenAI视频模型Sora的推理生成成本多高？

models as world simulators ，Sora 是一个 Diffusion Model，且应该使用的是 Diffusion Transformer （DiT）作为主干模型网络

Sora 推理算力

清华、面壁智能发布：主动式Agent 2.0

· 目前大多数Agent是被动式的，限制了它们在需要预见性和自主决策的场景中的有效性。

Agent 2.0 大模型

解读OpenAI Sora文生视频技术原理

OpenAI Sora文生视频（图像看作单帧视频）一放出就炸翻整个AI 圈，也是ChatGPT掀起GenAI热潮时隔一年后，OpenAI再次史诗级的更新。

sora

几个对我影响很大的统计学模型

分享几个对自己日常生活和工作有启发的统计模型： 1、37% 规则是一个决策理论，通常用于解释最优停止问题，特别是在寻找最佳选择时（如寻找停车位、选择伴侣、招聘员工等）。

统计学大模型

基于 OpenAI Whisper 模型的实时语音转文字工具

· WhisperLive 是一款专注于音频处理和创作的开源软件，使用 OpenAI Whisper 模型将语音输入转换为文本输出，可以用于转录麦克风的实时音频输入和预先录制的音频文件，为艺术家和音乐制作人提供了一个强大的平台

WhisperLive 音频开源软件

华为盘古画画3.0发布 | PanGu-Draw：业界最大的中文文生图模型，效果YYDS！

针对这些限制，本文提出了“PanGu-Draw”，这是一种新型的潜在扩散模型，专为资源高效的文本到图像合成而设计，能够适应多种控制信号。

PanGu-Draw 文生图

6.2K Star！MIT出品的多语言语音合成神器，CPU实时推理吊打商业软件！

要么掏钱包，要么忍受各种奇葩限制。

MeloTTS 语音工具

ComfyUI初学者指南

在学习了一些必要的内容之后，您将开始了解如何制作自己的内容。

文生图 comfyui

ChatGPT提示工程5篇合集(四)：ChatGPT提示工程 - 转换

在这篇文章中，将会介绍如何使用大型语言模型来进行文本转换工作，如语言翻译、语调调整和格式转换。

prompt 提示词

【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!

包含两个核心模型：SenseVoice 负责语音识别和音频处理，CosyVoice 负责语音生成和控制。

asr tts 声音

接私活必看的11个开源项目

· 认证机制：采用gtoken的用户状态认证及casbin的权限认证 · &ensp

私活开源项目

使用ComfyUI玩SDXL的正确打开方式

虽然现在已经有很多大佬分享了自己的工作流，但我还是建议大家能自己先手搓一下，一是为了搞懂SD的工作原理；二是因为自己连的工作流出图的那一刻，这个成就感是无与伦比的。

文生图 ComfyUI

<...18 19 20 212223 24 25 26 27 ...>

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