文章列表-AI魔法学院

文章列表

6.2K Star！MIT出品的多语言语音合成神器，CPU实时推理吊打商业软件！

VITS系列本身就是目前最先进的端到端TTS架构，生成质量和推理速度都很优秀。

MeloTTS 语音工具

8月份最火的 5 个 GitHub 项目

支持 Azure、Anthropic Claude、Google PaLM 2、智谱 ChatGLM、百度文心一言、讯飞星火认知以及阿里通义千问，可用于二次分发管理 key，仅单可执行文件，已打包好 Docker

下载

最全攻略！OpenAI 发布 GPT-4 使用指南，所有干货全在这

我们总是期望它能准确理解我们的意图，却时常发现其回答或创作并非百分之百贴合我们的期待。

提示词 prompt

Stable Diffusion

OpenAI救了Stable Diffusion！开源Dall·E3同款解码器，来自Ilya宋飏等

其二，相比扩散模型可能需要几百甚至上千次迭代，一致性模型只需要一两步就能搞定多种图像任务—— 包括上色、去噪、超分等，都可以在几步之内搞定，而不需要对这些任务进行明确训练。

SD 文生图 DALLE

Yann LeCun杨立昆最新观点：AGI不存在

就好像你说，你能在美国西海岸的某个地方有一个商业实体来制作维基百科吗？

AGI 大语言模型观点

低调的PDF，为什么成了数字文档“永远的神”？

因此他通过邮件让合伙人先把.pdf表格转换为Word文档再发给他，之后又把虚增了数百万美元收入的伪造表格发回，后者帮他重新转换成.pdf，成为马纳福特提供给贷款公司材料的一部分。

工作

大模型实践总结

目前使用Huggingface Transformers和DeepSpeed进行通过数据并行进行训练（pretrain），单卡可以跑三百亿参数（启用ZeRO-2或ZeRO-3），如OPT-30B，具体训练教程参考官方样例

大模型训练

Embedding开源模型重磅玩家：北京智源人工智能研究院最新Embedding模型发布！登顶MTEB，免费商用授权！

其中英文数据集维Pile、维基百科和msmarco，而中文数据集则来自于wudao。

开源模型

Stable Diffusion

如何保证每次画出的都同一张人脸：Stable Diffusion的Reference only教程

Midjourney就不必说了，人物的高度一致性一直得不到很好的解决。

文生图

【AI代理】扣子，开始探索多代理模式

我们再来一个比较实验性的设定，比如：假设代理1用的是擅长处理文本的模型，而代理2用的是擅长调用插件的模型（由于模型准确率还达不到百分百，有时候它并不能正确地执行用户的命令，所以我们假设有针对这方面的专门训练以提高执行率

多代理模式大模型

Transformer速查宝典：模型、架构、训练方法的论文都在这里了

该数据集主要由过滤后的 Common Crawl 以及一些书籍、网络文本和维基百科构成； · 使用了 BPE tokenizer（与 GPT-2 相同）； · 2048 上下文长度

Transformer

15种ChatGPT高频用法

语言学习资源推荐、学习计划制定、学习方法指导、练习活动建议、解答疑问、鼓励和激励、跟踪进度、文化了解 4.

大模型效率

OpenAI 开源语音识别 Whisper 的使用体验怎么样？

这款工具具有很高的速度，能够在批量处理中大幅提高生产效率。

生成式AI

造梦师手记：华夏之美，SDXL时代的第一个国风模型和汉服LoRA

和SD1.5版的汉服LoRA相比，SDXL版的汉服LoRA最大的特点，是清晰度大大提升，尤其是基本不会出现过拟合等情况，背景也更加丰富（新的XL模型素材更充实了）。

文生图

Markdown 介绍及使用教程

在 Markdown 中，插入链接不需要其他按钮，你只需要使用 [显示文本](链接地址) 这样的语法即可，例如： [HJYWEB](https://hjyweb.cn) [百度

编程

<...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