文章列表-AI魔法学院

文章列表

微软对 Sora 进行了逆向工程分析，揭秘 Sora 的秘密

这让更多人能够通过视频分享自己的想法，营造了一个更加包容的环境。

Sora 微软

胎教级SO-VITS-SVC使用教程：人工智能生成歌曲

github.com/svc-develop-team/so-vits-svc.git github.com/svc-develop-team/so-vits-svc 搭建训练环境

音乐

玩一玩ChatGLM3，1660s即可流畅运行！

首个开源版本大概在半年前就发布了。

大模型 ChatGLM

RAG 与 Finetuning，谁是提升 LLM 的最佳工具？

我的建议通常是：从 RAG 开始，评估其性能，如果发现不足，则转向微调。

训练

14.6K star！最好用的OCR文字识别项目，没有之一！

最近，在Github上发现了一个厉害的开源OCR项目——Umi-OCR，真的很强大，而且还可以离线使用，现在已经有了14.6k+的星标。

Umi-OCR 开源项目文字识别

开源版妙鸭相机来了，无限出个人写真图（阿里达摩院出品）

FaceChain支持在gradio的界面中使用模型训练和推理能力，也支持资深开发者使用python脚本进行训练推理。

妙鸭相机

被低估的面壁：打造出不输 OpenAI 的 Scaling Law 曲线

在已公开披露的天使轮消息中，面壁智能只拿了知乎数千万元，但在 2023 年，面壁不仅将团队从十人规模拓展到百人规模，而且还在 8 月发布了稠密（区分于稀疏）的千亿参数大模型。

Grok-1 开源模型

完整ChatGLM3部署教程，支持手机和车载平台部署

ChatGLM3 是智谱AI和清华大学 KEG 实验室联合发布的新一代对话预训练模型。

ChatGLM3 大模型

最佳开源文生图大模型可图：安装与批量出图的完整教程

Kolors可图是快手Kolors团队开发的基于潜在扩散的大规模文本到图像生成模型。

可图 kolors

数字人之声音克隆：无样本，1分钟样本完美克隆声音，开源

最近在搞克隆人，发现一个很好的声音克隆项目，测试了一下，效果真不错，可以直接用，也可以微调后使用，好了废话不多说，直接上干活，哈哈~~ &ensp

数字人声音克隆 GPT-SoVITS

从零开始了解AI大模型 - 技术篇：万字深度好文人话说大模型技术

1.1 关键技术原理一：Transformer模型架构 Transformer模型起源：ChatGPT的底层框架脱胎于2017年Google发布的Transformer模型，此模型引入了注意力机制，彻底颠覆了传统深度学习中的循环和卷积结构

大模型

清华&面壁开源新一代主动Agent交互范式！让AI从被命令到主动帮助

该研究除了提出以上开创性的主动 Agent 之外，还通过采集不同场景下的人类活动数据构建了一个环境模拟器，进而构建了数据集 ProactiveBench，通过训练模型获得了与人类高度一致的奖励模型，并比对了不同模型在数据集下的性能

Agent 大模型

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

音频克隆的开源项目很多，但是每次项目里要用的时候，总还是惦记着11labs的api。

F5-TTS 音频克隆

【本地部署】智谱chatglm3-6B第三代！性能如何？支持调用tools+Agent+代码执行！小白教程！附网盘下载！

现场开演示发布会的！

chatglm 智普大模型

AI生成卡通人物项目|VToonify

一、环境配置 1、安装Visual Studio 下载并安装Visual Studio 2022时，必须勾选Visual Studio 扩展开发｜.Net 桌面开发｜使用 C++ 的桌面开发｜通过

AI生成卡通人物 VToonify

<...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