文章列表-AI魔法学院

文章列表

大模型应用的10种架构模式

作为一位老码农，我在这里整理总结了一些针对大模型应用的设计方法和架构模式，试图应对和解决大模型应用实现中的一些挑战，如成本问题、延迟问题以及生成的不准确性等。

大模型架构

中文开源OCR框架对比及介绍

二值化：如今数码摄像头拍摄的图片大多是彩色图像，彩色图像所含信息量巨大，不适用于OCR技术。

OCR

从零开始：构建你的首个ComfyUI工作流

第六步，添加【图片生成区】拖动【图像】连接点，选择【预览图像】即可成功添加图像生成区。

comfyui 文生图工作流程

通过声音生成逼真的全身形象？！Meta开源AI工具：audio2photoreal

audio2photoreal的核心技术是基于深度学习的图像生成模型，它可以从音频中提取语音特征，然后用这些特征来控制人脸和身体的运动。

audio2photoreal 开源工具

SDXL 1.0 | 一文搞定 ComfyUI SDXL1.0 完整流程

老规矩，先上个效果图。

大模型

2023检索增强生成技术（RAG）研究进展

非结构化数据可能是文本段落、短语或单词；而结构化数据则可能是已经建立好索引的文档、数据三元组或是数据子图。

RAG 检索增强

WebUI使用用InstantID，AI换脸完美版

从路线上看，主要有两条路线，一是一张图换脸，优点是操作简便，缺点是换个姿势的时候，往往不太像，roop等插件是基于这个思路；二是炼制专属LoRA，用目标的5-20张甚至更多脸部照片，训练一个LoRA，从而生成满意的换脸画面

换脸小红书

OpenAI Assistants API 使用指南

上次我们介绍了 OpenAI 的新版 API，包括语音转文字、生成图片和图片识别等功能，这次 API 的更新还包含了一个重量级的功能，就是类似 GPTs 的 Assistant API，它不仅可以完成

OpenAI Assistants API

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

该方法只需要一个参考面部图像和一个音频序列作为输入，然后生成一个具有表情和头部姿势的高质量说话头部视频。

VividTalk 视频

万字长文｜40万人学习过｜28个ChatGPT使用技巧，带你从入门到精通

但ChatGPT的GPT-4模型已经进化成GPT-4-turbo，有了更强的上下文理解能力，更长的文本记忆，能理解图片、生成图片，以及更会使用网页浏览、代码解释器等工具帮助用户完成任务，所以我预期会在2024

ChatGPT 使用技巧教程

SD入门教程零：应用场景

它可以用于生成插图、概念艺术、角色设计等。

Stable Diffusion 文生图入门教程

一文带你看懂OpenAI-Sora生成视频的原理

就好比我们看到的一张静态图像，可以分割成一个个小格子，每个小格子都承载了整体图像的一部分信息；视频中的补丁也是如此。

视频生成 sora

大模型检索增强生成(RAG)高质量报告

今天分享一个来自同济大学Haofen Wang的关于检索增强生成的报告：《Retrieval-Augmented Generation (RAG): Paradigms, Technologies, and

RAG 大模型检索

基于秋叶整合包-StableDiffusionWebUI启动器快速安装ComfyUI

ComfyUI内部流程进行了优化，针对不同的显卡，生成图片的速度相较于传统的webUI有10%~25%的提升。

秋叶整合包

所有生命分子一夜皆可AI预测！AlphaFold 3改变人类对生命的理解，全球科学家都能免费使用

这次重磅升级，不再仅限于蛋白质结构预测——可以以前所未有的精度预测所有生命分子的结构和相互作用。

AlphaFold 3 蛋白预测

<...21 22 23 242526 27 28 29 30 ...>

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