文章列表-AI魔法学院

文章列表

大模型评测新思路：弱智吧精华问题大全

如果我觉得自己是自由的，那么是否自由也束缚住了我？

弱智吧训练数据集

通俗易懂地解释OpenAI Sora视频生成的特点有哪些？它与此前的Runway Gen2、Pika有什么区别？以及缺点是什么？

这种能力表明Sora不仅具备强大的语言理解和任务推断能力，还能处理复杂的视觉和控制任务，尤其在视频游戏仿真领域表现出色。

sora 视频生成

SD入门教程五：后期处理图片高清放大

ScuNET是一种真实感图像超分辨率增强方法，通过自注意力机制和残差学习，能够有效地提高图像的分辨率和视觉效果。

SD 入门教程修复

SD入门教程二：文生图基础用法（提示词）

原则一：prompt 不是越长越好很多同学刚学习 prompt 时，会觉得 prompt 越长越好，但实际上这是不对的。

SD prompt 文生图提示词

从第一性原理看大模型Agent技术

然而，我们始终觉得这样仍然不够，我们希望大模型在完成每一个任务后，能够积累经验，故而产生了借鉴强化学习思路的"反射"机制。

大模型 agent

教你用StableDiffusion设计AI数字人

美女同事惊呼妈妈见了都觉得像的程度！

文生图

Stable Diffusion

12/180 stable diffusion 局部重绘换衣｜换背景｜换模特

将蒙版模式换成绘制非蒙版内容然后将整个人涂抹了提示词加上绿水青山可以看到人物的背景换成了绿水青山 4.换模特如果觉得人物不好看

文生图 stable diffusion

FFmpeg之父新作——音频压缩工具 TSAC

我们看下官网给出流行歌曲的例子进行分析，首先听起来整体上是比较接近的，但是经过压缩后还原的音频，伴奏和人声混在了一起，没有一轨一轨清晰的感觉，有点像混音没有做好。

TSAC 音频工具

[论文] 阿里提出AgentScope：灵活强大的智能体框架

尽管大型语言模型发展迅速，但它们仍然面临幻觉和指令遵循不足等问题。

AgentScope 语言大模型智能体

个人从零预训练1B LLM心路历程

【从零训练Steel-LLM】预训练代码讲解、改进与测试【从零训练Steel-LLM】模型设计【从零训练Steel-LLM】微调探索与评估因为项目周期比较长，内容也不少，我觉得有必要写下这篇汇总文章

LLM 训练

Whisper对于中文语音识别与转写中文文本优化的实践(Python3.10)

我们基本都会死吧是的全灭的可能性相当的高 Erwin_30.wav|Erwin|ZH|抗爭的意義 Erwin_4.wav|Erwin|ZH|但事到如今,也只能做好玉石俱焚的觉悟

Whisper 语音优化

一文读懂AIGC产业链：AIGC的前世今生和未来展望

（民生证券《电子行业专题研究：国产AI算力芯片全景图》） AIGC产业依赖算法、数据和算力的发展 2、中游，技术层：它侧重核心技术的研发，主包括机器学习、计算机视觉、算法理论、智能语音、自然语言处理等

生成式AI

什么是ChatGPT？

之所以结果的 2 是对的，仅仅因为它读了太多的文字资料以后，隐约感觉到 7 结尾的文字，乘号，6 结尾的文字，和 2 结尾的文字比较「押韵」从语感上比较像一首诗，所以它就学会了这样的文字

ChatGPT OpenAI 大模型

Roop参数说明，ROOP->StyleGAN演示！

因为这个视频刚好有很多张脸，然后又是多角度60帧4K的动态视频，所以我觉得非常适合拿来测试ROOP。

视频 StyleGAN

AI声音克隆 | 最全最简教程（权威版）

我们最多用的还是普通的TTS，即把文字通过软件输出指定人的声音，这块微软做的不错，之前自己写过一个免费的TTS小软件，API用的就是微软的，如有需要，请看自己开发一个免费的文本转语音小工具如果你觉得功能少

声音克隆教程

<...22 23 24 252627 28 29 30 31 ...>

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