文章列表-AI魔法学院

文章列表

微软研究团队：Sora核心技术及未来机会研究报告-中英对照版

3.2.3 视频压缩技术图 8: ViT 技术将一幅图像分割成多个固定大小的块，对每个块进行线性嵌入，并加入位置信息，然后将这些向量序列输入标准的 Transformer

sora 论文

解读wav2lip：探究语音驱动唇部动作的技术原理！

（2）传统的基于GAN的判别器在音频-口型同步检测方面准确率较低：传统的GAN判别器只使用单帧图像来评估口型同步，缺乏时间上下文信息，无法评估口型动态变化质量。

wav2lip 语音

大模型微调经验汇总---LLM finetuning 踩坑经验之谈

对于推理，在 GPU 资源不富裕的情况，如何最小化的利用内存，提升推理效率，也是可以讨论的内容。

大模型人工智能

揭秘DeepSeek:一个更极致的中国技术理想主义故事

起因是他们发布的一款名为DeepSeek V2的开源模型，提供了一种史无前例的性价比：推理成本被降到每百万token仅 1块钱，约等于Llama3 70B的七分之一，GPT-4 Turbo的七十分之一。

DeepSeek 大模型

动作识别模型有哪些

考虑对一小段视频进行编码，假设起始帧为T，连续L帧(不包含T帧)。

动作识别模型

Stable Diffusion

Stable Diffusion AnimateDiff | 最稳定的基于文本生成视频的方法

之前虽然小视频生成比较火，不过出的视频都不太稳定，目前来看 AnimateDiff 是相对比较稳定的，而且能同时支持和其他插件一起使用。

动画 animate sd

Stable Diffusion

Stable Diffusion AnimateDiff | 最稳定的基于文本生成视频的方法！

之前虽然小视频生成比较火，不过出的视频都不太稳定，目前来看 AnimateDiff 是相对比较稳定的，而且能同时支持和其他插件一起使用。

文本生成视频 AnimateDiff

再次重点介绍！！！这款国内的AI制作视频工具

这几天陆续有小伙伴问我关于这个工具的作用以及如何使用，今天详细地跟大家介绍下这款AI工具。

Flow Photo 视频

数字人直播哪家强？百度、硅基、风平与闪剪四大AI数字人横向评测！

目前，中国的虚拟数字人行业政策处于初步规划阶段，随着后续实践的不断探索和完善，政策措施和行业规范将进一步完善，促进数字人技术的快速发展，为数字人产业的高质量发展提供更好的环境。

数字人数字分身

大语言模型综述<演进，技术路线，区别，微调，实践，潜在问题与讨论>

GELU vs Swish GELU 与 Swish 激活函数（x · σ(βx)）的函数形式和性质非常相像，一个是固定系数 1.702，另一个是可变系数 β（可以是可训练的参数，也可以是通过搜索来确定的常数

大模型

LangChain 的问题所在

这种方法通常被称为检索增强生成。

大模型大语言模型

一文搞定 ComfyUI SDXL1.0 完整流程

用户可以根据项目的需要，灵活地选择和组合这些模块。

文生图 comfyui

今天分享一个官方的高级的做数据分析的prompt提示词

而它强大的能力主要体现在数据分析这块，能够支持上传数据文档，如excel文件，或者是csv文件，它能够自己编写python代码来处理数据，而且还能自己去运行自己写出来的python代码，直接输出最直观的各种数据图表结果

prompt 提示词

Yi技术报告细节分享

相比于与采用数十万开源指令数据微调模型，采用较小、手动标注数据集的效果更优。

Yi模型大模型

金融行业的开源AI大模型

FinGPT的特色模块包括FinGPT-RAG，专门用于金融情感分析，通过外部知识检索优化信息深度和背景，以及FinGPT-FinNLP，提供金融领域LLM训练和微调的完整流程。

开源大模型

<...23 24 25 262728 29 30 31 32 ...>

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