文章列表-AI魔法学院

文章列表

无限逼近真人效果的“超真实人像大模型”，或许它才是你一直在寻找的真爱！

大模型生成的很多图片的真实性与细节还有待进一步的改进，距离真正的零门槛上手还有一些难度。

大模型文生图

Stable Diffusion

Meta发布业界最强文生图模型CM3Leon，实力碾压Stable Diffusion、Midjourney

近日，Meta公司宣布开发出一款名为CM3Leon的文生图模型，该模型能够独力解决文本到图像和图像到文本的双向生成任务。

文生图

【2023.10】看目前巨头的AI原生产品布局

本文会从微软、OpenAI 和百度这几家相对完整的产品线来做一些讨论分析。

大模型产品

保姆级教程：手把手教你创建GPTs角色应用

如何确认是否开通了GPTs技术？

GPTs 教程

生成式人工智能的“经济学”，The Economic Case for Generative AI

早在60年代，我们就开始研究专家系统，现在仍然被用于诊断。

生成式人工智能经济学

RPA终极发展方向瞄准AI Agent，超自动化智能体时代已经开启

难解决的问题即便RPA近几年都以超过16%复合增长率快速成长，因为它的连接特性，始终被一些人戏称为“创可贴”或者“粘结剂”。

RPA 自动化

开源版妙鸭相机来了，无限出个人写真图（阿里达摩院出品）

同时，FaceChain欢迎开发者对本Repo进行继续开发和贡献。

妙鸭相机

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

零样本文本到语音（TTS）：输入 5 秒的声音样本，即刻体验文本到语音转换。

数字人声音克隆 GPT-SoVITS

LlamaIndex的QueryPipeline在实现RAG应用后，Agent应用也可以实现了（附开发示例）

QueryPipeline从而形成个性化的应用流程，并且给出了对于RAG类应用的实现案例。

Agent QueryPipeline 大模型

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！

我花了半年时间测试了市面上十几款TTS方案，从Azure Speech到Google Cloud TTS，结论很残酷：要么贵得离谱，要么质量烂得像机器人念书。

MeloTTS 语音工具

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

上海交大开源的F5-TTS实测下来确实是还不错了。

F5-TTS 音频克隆

中文OCR超越GPT-4V，参数量仅2B，面壁小钢炮拿出了第二弹

从 ChatGPT 到 Sora，生成式 AI 技术遵从《苦涩的教训》、Scaling Law 和 Emerging properties 的预言一路走来，让我们已经看到了

MiniCPM 大模型

8个超级GPTs Agent，每个浏览量超20w+（实用建议+攻防Prompt）

可能干货有点多，大家得准备好了~ 自己搭建的几个应用 1）Web Builder 之前搭建的一个网站开发助手V0.1 版本，目前还没对接一键部署平台，需要你自行去搭建环境，但是网站开发助手会给你零门槛操作的建议

GPTs Agent

OpenAI 无需向量化的 RAG 新架构设计范式剖析

然而，传统 RAG 技术往往需要复杂的向量化过程，这不仅增加了开发难度，也限制了系统的效率和可扩展性。

OpenAI RAG 架构

<...20 21 22 232425 26 27 28 29 ...>

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