文章列表-AI魔法学院

文章列表

开源语音大语言模型来了！阿里基于Qwen-Chat提出Qwen-Audio!

然而，语言模型缺乏像人类一样感知非文本模态（如图像和音频）的能力。

大模型语音

再次重点介绍！！！这款国内的AI制作视频工具

之前介绍过一款图片生成视频的工具-Flow Photo，99%的人不知道的一款国内的AI制作视频工具。

Flow Photo 视频

AIGC系列之一-一文理解什么是Embedding嵌入技术

摘要：嵌入技术（Embedding）是一种将高维数据映射到低维空间的技术，在人工智能与图形学研究中被广泛应用。

AIGC Embedding 嵌入技术

Learn Prompting-基础篇

在上图的例子中，我们尝试对用户反馈进行正面（positive）或反面（negative）的分类。

prompt

WebUI使用用InstantID，AI换脸完美版

这个模块通过解耦的交叉注意力机制，使得图像和文本能够独立地影响生成过程，从而在保持身份信息的同时，允许用户对图像风格进行精细控制，实现「双赢」。

换脸小红书

惊艳！2.77亿参数锻造出Agent+GPT-4V模型组合，领航AI领航机器人、游戏、医疗革新，通用智能时代你准备好了吗？

这个模型能处理文本、图像、动作输入，轻松应对多任务挑战，甚至跨界在机器人、游戏、医疗等领域展现强大实力。

Agent+GPT-4V 大模型

prompt中的分隔符号的正确使用方法

无论是在日常对话中，还是在我们与先进技术，特别是像GPT这样的人工智能模型交互时，准确传达我们的意图是至关重要的。

prompt 分隔符

Stable Diffusion

小白也可以一键安装的Stable Diffusion——Easy Diffusion

将生成的图像保存到磁盘：将图像保存到您的个人电脑上！

Stable Diffusion 插件安装

动作识别模型有哪些

动作识别模型主要有： · TWO-STREAM CNN:网络顾名思义分为两个部分，一部分处理RGB图像，一部分处理光流图像。

动作识别模型

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

解读OpenAI Sora文生视频技术原理

碎片Patch已经被证明是一个有效的视觉数据表征模型，且高度可扩展表征不同类型的视频和图像。

sora

什么是极限、导数、微分与积分（通俗易懂）

从天体的运行到手机屏幕上的图像渲染，微积分的影响无处不在。

数学微积分科学

生成式AI领域拓展！MetaAI开源AudioCraft：一个支持AudioGen、MusicGen等模型的音频生成开发框架

在过去的几年里，我们看到了AI在图像、视频和文本生成方面的巨大进步。

开源模型

人话聊AI大模型：AIGC如何助力营销的秘密（下）

在本篇文章中，小编试图从咨询顾问的角度，用通俗易懂的语言为大家科普AI大模型的实践应用。

大模型

被高估的Pika，被低估的多模态AI

例如，在医疗领域可以通过结合图像、录音和病历文本，提供更准确的诊断和治疗方案；在交通领域，结合图像和传感器数据，带来更智能、更安全的自动驾驶体验；在教育领域，将文本、声音、视频相结合，呈现更具互动性的教育内容

大模型多模态

<...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