文章列表-AI魔法学院

文章列表

被高估的Pika，被低估的多模态AI

而当我们在使用 ChatGPT 时，会有在和真人对话的感觉，虽然这个「人」的智商可能忽高忽低。”

大模型多模态

全新换脸工具ReActor，比roop更强！

感觉用处不是很大哈！

ReActor SD 文生图

AI领域的agent是什么意思？

感觉记忆（Sensory Memory）：这是记忆的最早阶段，提供在原始刺激结束后保留感官信息（视觉、听觉等）的印象的能力。

大模型

视频大模型训练相关词条解释

概括来说就是用视觉块编码（visual patch）的方式，把不同格式的视频统一编码成了用transformer架构能够训练的embeding，然后引入类似diffusion的方式在降维和升维的过程中做加噪和去噪

视频生成 sora 词条

开源新标杆，千问Qwen2系列模型发布，全面超越LLama3

简介一觉醒来，Qwen2终于开源了。

qwen 千问开源

国内外开源大语言模型一览表

cuoO2V4X-GQOuWyA-e9BeQ https://arxiv.org/abs/2305.11747 https://github.com/RUCAIBox/HaluEval 为了进一步研究大模型幻象的内容类型和大模型生成幻象的原因

大模型

阿里&字节发表VividTalk，只需单张照片即可根据音频生成栩栩如生的人物说话头像视频

简介一次性音频驱动的说话头生成旨在通过音频作为输入信号来驱动任意面部图像，并具有广泛的应用场景，如虚拟化身、视觉配音和视频会议。

VividTalk 视频

AI Agent / 智能体观察笔记（下）

笔记的最后一部分我会具体解释一下哪些产品我觉得做的比较好，哪些一般般。

大模型

聊聊我对AI Agents技术的一些看法

OpenAI 更新预告当这样一种 AI Agent 出现，它对生活的改变很有可能不止于 ChatGPT 简单的 Chat，而是渗透入各行各业，在只要能用到大模型的地方就可以建立起相应的 Agent，各种科幻电影中的人机协作有可能真的会走进现实

AI Agents 大模型

造梦师手记：ComfyUI快速量产数字小姐姐

主节点配置完成后，再将IP适配、CLIP视觉、InsightFace、图像、模型拖拉出新的节点。

comfyui 文生图

阿里巴巴语音实验室发布开源语音处理框架ClearerVoice-Studio，支持语音增强、分离、目标说话人提取

Enhancement）、语音分离（Speech Separation）和音视频扬声器提取（Audio-Video Speaker Extraction）功能，能够在嘈杂环境中清理音频、分离复杂声源并结合音频和视觉数据锁定目标发声者

ClearerVoice-Studio 语音

Wunjo AI: 合成和克隆英语/俄语/中文语音,实时语音识别,深度换脸和唇动合成,通过文本提示更改视频,分割和修饰

让生成神经网络打造新的视觉叙事。

AI语音克隆实时语音识别

李彦宏偏爱小模型｜AI光年

“我觉得 Robin 这点说得非常对，在初始的应用尝试过去之后，模型的特化会是一个从效果上和从性价比上更加 make

李彦宏小模型

AI视频新技能！这套流程教你打造视频人物和声音完美同步！

该技术的原理是使用口型专家网络来预测每一帧的口型，然后通过生成对抗网络来提高视频的视觉质量。

AI视频

Stable Diffusion

Stable Diffusion 抽卡必备神器！Agent Scheduler

拉满任务，直接睡觉！

Agent Scheduler Stable Diffusion

<...19 20 21 222324 25 26 27 28 ...>

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