文章列表-AI魔法学院

文章列表

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！！

端口连接器 § § 港口位置 § § ROBOTIS OP3 不再具有 3.5 毫米麦克风和音频插孔

ROS 机器人开源模型

胎教级SO-VITS-SVC使用教程：人工智能生成歌曲

/Win11/Mac/Ubuntu)上安装配置Python3.10开发环境 v3u.cn/a_id_200 so-vits-svc安装在你自定义的目录下使用Git命令克隆项目

音乐

两天star量破千：OpenAI的Whisper被蒸馏后，语音识别数倍加速

懂技术的小伙伴也可以寻找其他替代方案，比如语音转文字模型 Whisper、文字翻译 GPT、声音克隆 + 生成音频 so-vits-svc、生成符合音频的嘴型视频 GeneFace++dengdeng。

语音 HeyGen

腾讯开源混元AI绘画大模型

具体安装和使用：依赖关系和安装首先克隆存储库： git clone https://github.com/tencent/HunyuanDiT cd HunyuanDiT

腾讯混元文生图

解放AI生产力——为什么要使用ComfyUI

为了解决的这个问题，斯坦福的某个天才发明了controlnet，它可以通过不同的预处理方式，来控制图片的构成这是一张用3D建模做的图片：利用canny预处理，这张图片可以变成这样：在这个插件面世之前

文生图

Stable Diffusion

【Stable Diffusion操作升级】Stable Diffusion 常用模型下载与说明

miniatureWorldStyle_v10:0.8> 小技巧如果你下载了一个模型，却不知道怎么安装，打开这个网站 https://spell.novelai.dev/ 把你下载的模型拖进去，立马就会帮你解析

文生图 SD

一个专业级 AI 聊天浏览器，开源了！

克隆项目并跳转到指定文件夹： 2.

开源大模型聊天

StableDiffusion升级版SDXL：一键运行包ComfyUI和18G模型分享！

另外，尝试了一下昨天的关键词"一个在火星上骑着白马的宇航员" ，出效果的稳定性感觉上没有1.0版机器人高，但是也能出类似的图片。

comfyui sdxl 文生图

数字人直播哪家强？百度、硅基、风平与闪剪四大AI数字人横向评测！

另外，AI合成的声音还有一种更高级的存在，就是克隆自己的声音，用自己克隆的声音匹配自己的数字人模型，口型匹配度非常高，数字人更容易达到以假乱真的水平，刘润的数字人短视频作品就是例子，难以识别真假。

数字人数字分身

截至2023年5月份业界支持中文大语言模型开源总结及商用协议分析

Vicuna模型是由多家研究机构合作开发的，包括UC Berkeley、CMU、斯坦福等。

大模型

生成式AI与大语言模型的区别

随着各自市场价值数十亿美元，这两种现象正在医疗保健、电子商务（例如亚马逊）、房地产以及其他行业的未来中勾勒出一片光明的前景。

生成式AI 大语言模型区别

7.1k Star！RAGFlow：最新开源OCR+深度文档理解的RAG引擎、大海捞针测试、降低幻觉、服务化API集成进业务！

克隆仓库： 4.

OCR RAG 开源

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！

使用多个外部工具：1）能克隆github仓库、启动其他agent、发言、发送推文和生成图片，支持所有矢量数据库和LLM提供商/文本到图片模型/浏览器。

AI Agents 大模型

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

使用多个外部工具：1）能克隆github仓库、启动其他agent、发言、发送推文和生成图片，支持所有矢量数据库和LLM提供商/文本到图片模型/浏览器。

AI Agent 大模型人工智能

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

为了进一步增强嘴唇运动和更准确地建模，我们还选择了与嘴唇相关的地标并将其转换为高斯图，这是一种更紧凑和有效的表示。

VividTalk 视频

<...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