首页
Ai 资讯
Ai 知识库
创作魔法
绘画魔法
视频魔法
训练魔法
Ai术语
Ai提示词
Ai创意图
Ai工具
Ai视频
VIP专区
VIP专区
登录
AI魔法学院客服
最新
排序
收藏
全部
七天内
一个月内
选择分类
全部
写作魔法
绘画魔法
视频魔法
训练魔法
其他
AI工具
VIP视频
推荐阅读
换一批
· AI创作 |如何通过GPT进行漫画视频的故事改写
· 【Agent专题】Agent架构设计:智能体架构设计的9大核心技术全景深解析,附架构图
· 惊艳推荐!8款好用又免费的文本转语音TTS工具
· 13.5K Star ! Fish Speech Windows本地搭建,能否达到官方的级别?强烈推荐
· 6个最佳开源TTS引擎
· 7.1k Star!RAGFlow:最新开源OCR+深度文档理解的RAG引擎、大海捞针测试、降低幻觉、服务化API集成进业务!
热门标签
Stable Diffusion
stable diffusion
Midjourney
midjourney
ComfyUI
comfyui
ChatGPT
chatgpt
大模型
数字人
开源
人工智能
Sora
文心一言
天工
零一万物
知海图
星火
文心一格
混元
通义千问
盘古
言犀
ChatGLM
Github
微软
热门标签
免费
教程
插件
免费
教程
插件
免费
教程
插件
文章列表
Stable Diffusion
Stable Diffusion 30种采样器全解!
这30种采样器当中有一些是有升级版本被替代了,也有一些是性能不足且计算成本
太
高的。
Stable
Diffusion采样器
StableDiffusion
StableDiffusion模型推荐系列(全能型)
在生成人物方面,不同其他模型千篇一律的AI脸,皮肤细节,表情刻画非常优秀,唯一缺憾亚洲人脸可能不
太
行。
stablediffusion
sd
文生图
SDXL
SDXL Styles:七十七种绘画风格任你选择
插件地址:https://github.com/ahgsql/StyleSelectorXL.git 方法二 适合访问 Github 不
太
顺畅的同学。
文生图
ChatGPT
ChatGPT提示工程5篇合集(三):ChatGPT提示工程 - 推理
federal government 文本内容:''' <请把测试内容放到这里> ''' 测试内容 中文文本 我需要一个漂亮的卧室灯,这个灯还带有额外的存储功能,而且价格也不算
太
高
prompt
提示词
RAG
如何提高RAG 的效果
在这里,还有一个比较细致的工作就是 chunk 切分,当前比较主流的做法是尽量将chunk值调低,但
太
碎的上下文会造成语义单元的缺失,实际使用中的值需要多次测试。
RAG
大模型
语义检索系统[全]:基于Milvus+ERNIE+SimCSE+In-batch Negatives样本策略的学术文献语义检索
表达同一个想法的方式
太
多了,搜索引擎需要处理所有这些方式。
开源模型
Prompt
17岁高中生写了个神级Prompt,直接把Claude强化成了满血o1。
Claude must follow this protocol in all languages. 256 257 </anthropic_thinking_protocol>
太
恐怖了
prompt
大模型
了解Kimi必看的26个问题 | Kimi系列文(二)
智谱AI,专心做B端,对C端似乎不
太
感兴趣。
Kimi
大语言模型
数字人
数字人之声音克隆:无样本,1分钟样本完美克隆声音,开源
min_interval根据音频的平均间隔调整,如果音频
太
密集可以适当调低。
数字人
声音克隆
GPT-SoVITS
一个令人惊艳的图片高清化重绘神器:SUPIR来了!
如果使用,建议使用0.75以上,不要偏离的
太
多。
SUPIR
文生图
提示词
零门槛的 4 大 AI 提示词法则,让你的 AI 助手秒变效率神器
法则第三条 提供示例,AI 会输出得更“规矩” 有时候,感觉 AI 输出的内容没错,但看着不
太
顺眼...
提示词
大模型
企业
检索增强生成(RAG):LLM企业级应用落地的挑战与思考
更小的文本块通常可实现更好的嵌入式检索,但更大的文本块可为语言模型提供更多上下文来生成详细的答案 如果文本块
太
小,无法提供充足上下文;但如果文本块
太
大,则会影响检索质量。
大语言模型
RAG检索增强
大语言模型应用中的文本分块策略
区块
太
小或
太
大,可能会导致搜索结果不精确或错失显示相关内容的机会。
开源模型
开源
OpenAI 开源语音识别 Whisper 的使用体验怎么样?
其次在速度上,它能极快地转换音频文件,无需等待
太
长时间。
生成式AI
RAG
RAG从入门到精通-RAG简介
缺点 RAG的缺点主要表现在以下几个方面: 知识检索阶段依赖相似度检索技术,并不是精确检索,因此有可能出现检索到的文档与问题不
太
相关。
rag
大模型
<
...
23
24
25
26
27
28
29
30
31
32
...
>
1
2
4
5
6
7
8
9
100