文章列表-AI魔法学院

文章列表

ComfyUI | 这么入门就顺了，硬入疼的是自己

基础工作流五核心板块（大模型、VAE、提示词、参数采样设置和生图窗口）本人是三维软件爱好者，像OC渲染器这种节点连节点的看多了，看Comfy界面自带好感，但是直接看内容逻辑就有点卡眼睛，于是就从熟悉的

生成式AI

TrOCR——基于transformer模型的OCR手写文字识别

需要注意的一件事是，在进入编码器之前，图像的大小已调整为 384×384 分辨率。

OCR 手写文字识别

国内厂商语音识别与Whisper评测：现状与概况对比

Microsoft：Azure平台感知服务语音API、Cortana智能助理 · Nuance：医疗、车载、智能硬件等垂直领域语音解决方案

语音识别 Faster-Whisper

Stable Diffusion

Stable Diffusion ControlNet：Reference“垫图”功能，不炼丹也能保持同一人物

6、总结： reference对图片的扩散分布引导的效果还是比较不错的，如果是人像，搭配上roop插件，在保持画风等效果一致上面，其实还是很不错的，有炼丹Lora的同学，也可以将二者进行结合，相信可以更精准的控制图片的重绘导向

文生图

神奇的 OuteTTS - 0.1 - 350M：用几秒钟音频克隆声音的黑科技！

OuteTTS-0.1-350M 可以轻松将不同语言的文本转换为当地语言的语音，无论是软件的语音提示、在线课程的讲解，还是广告宣传的语音内容，都能快速实现本地化。

OuteTTS-0.1-350M 音频

AI 绘画新时代：ChatGPT + DALL-E 3

同时，通过调用 API 或插件实现图像滤镜的应用和参考图像的获取，增强了其多功能性。

文生图图生图 chatGPT DALL-E

一款构建AI数字人项目开源了！自动实现音视频同步！

简单来说，就是输入任意一个视频和一个音频文件，在生成的新视频中，人物的嘴型会与音频同步。

AI数字人音视频同步

鹅厂版AI笔记悄悄上线，微信公众号优质内容秒变专属知识库，实测在此

而且在桌面就能直接拖：在主页中，通过搜索框的附件按钮，或者下方的文档解读按钮，都能实现本地文档解读。

ima copilot 搜索

比 remini 更便宜，比美图更有风格！黏土滤镜免费做，速领

流程介绍使用效率加载器 Efficient Loader，大模型选择 SDXL Lightning 模型，比如 dreamshaper, 再选一个 SDXL 的黏土风 Lora，权重插值方式记得改成

SDXL 文生图

Asimov的预言与《Reflexion》的Prompt启示：机器人心理学家的新纪元

这不仅是对机器人硬件的检查，更是对其逻辑和思维方式的反思。

大模型

独家！黄太吉创始人再创业：首次披露惨败内幕

微信用户突破1亿，不少人带着憧憬点开了附近的人、摇一摇、漂流瓶等功能；刘强东在微博“悬赏”，请网友把印有他头像的杂志封面P得好看一些；程维跑遍了北京的出租车公司，出钱请司机在手机里装一个能接到叫车订单的软件。

黄太吉创业

测评了8个国产AI大模型，差点崩溃……

话不多说，我们直接上图：一、文心一言我们体验的是3.5版本，文心一言的交互界面简洁且通用，支持百度系的很多应用插件，界面通用性强

大模型测评

CodeFuse开源编程大模型-您的开源编程助手

CodeFuse早在6月开始内测，可用于开发助手、IDE插件等应用场景。

大模型 AI编程

Stable Diffusion

详解Stable Diffusion提示词prompt语法

rendered（虚幻引擎渲染）我们可以使用通用型举例，如果加上高画质的 prompt，那么出图的质量就会大大提升 2.画风画风就包括很多了，常见的插画风

SD prompt 文生图提示词

Llama 3突然来袭！开源社区再次沸腾：GPT-4级别模型可以自由访问的时代到来

同时，Meta还表示Llama 3会得到英特尔、英伟达、AMD、高通等多家厂商提供的硬件平台支持。

meta llama3

<...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