文章列表-AI魔法学院

文章列表

国产大模型与全球最强大模型大比拼：语义理解、数学推理同台竞技，究竟谁更厉害

; · C-Eval ：C-Eval 是一个全面的中文基础模型评估套件。

大模型

从 GPT-4o 到 LiveKit：实时语音交互的开源实现

通过插件，LiveKit 可以与大型语言模型（如 GPT-4o）无缝对接，提供强大的智能对话和自然语言处理能力。

GPT-4o 语音交互

金融行业的开源AI大模型

这些组件在维护FinGPT在处理动态金融数据和市场条件方面的功能和适应性方面发挥着至关重要的作用。

开源大模型

最顶尖的大语言模型人才，只关心这10个挑战

图：来自Jerry Liu关于LlamaIndex（2023）的演讲截图上下文长度越长，我们就可以在上下文中插入更多块。

大语言模型

解读 Openai 给 DALLE3 设的完整系统提示词

6.在标题的开头始终提及图像类型(照片、油画、水彩画、插图、漫画、绘图、矢量、渲染等)。

提示词绘画 DALLE

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

Stable Diffusion

万字长篇！超全Stable Diffusion AI绘画参数及原理详解

例如，当我们尝试生成一个人的插图时，会是这样的一个情况（当然，实际情况可能远比这个更复杂）：图2-1 Clip的原理图解（自制）为什么是到12层呢？

文生图

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

你大可以把这件痛苦的事交给AI。

ChatGPT 使用技巧教程

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

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

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

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

<...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