文章列表-AI魔法学院

文章列表

国内厂商语音识别与Whisper评测：现状与概况对比

随着人工智能技术的飞速发展，语音识别已经成为了现代社会中一个重要的研究领域。

语音识别 Faster-Whisper

炸裂！百川开源第1个7B多模态大模型 Baichuan-Omni | 能够同时分析图像/视频/音频/文本

github: https://github.com/westlake-baichuan-mllm/bc-omni 1 简介人工智能领域正在迅速发展，尤其是在大语言模型（LLMs）的推动下，以及随后多模态大语言模型

Baichuan-Omni 多模态大模型

新模型Cascade你真的用对了吗？！

最后我整理打包了此模型，【Stable cascade模型+安装方法+工作流】整套放在了文章最后，伙伴们自行下载~ 02 效果对比(Cascade 模型与SDXL模型）左边使用Cascade

Stable Cascade 模型

换脸软件 FaceFusion 保姆级教程

在制作定制数字人时，有时候为了不侵权，会使用换脸软件将原素材的脸型进行替换，今天一个客户就提出了这样的需求，所以，这里我使用 FaceFusuion 这款软件来进行操作。

FaceFusion 教程

SDXL 1.0 | 一文搞定 ComfyUI SDXL1.0 完整流程

ComfyUI 是一个图形用户界面（GUI）工具，专门设计用来进行 Stable Diffusion 的实验和创作。

大模型

大模型应用发展的方向｜代理 Agent 的兴起及其未来（下）

在设计代理时，目标有益于人类，期望代理能够帮助人类完成日常任务： 1.帮助用户摆脱日常任务和重复劳动，减轻工作压力，提高任务解决效率。

大模型

零一万物API开放平台出场！通用Chat多模态通通开放，还有200K超长上下文版本

3月，国内外模型公司动作频频。

零一万物 YI 李开复

Stable Diffusion

造梦师手记：腾讯加入Stable Diffusion的ControlNet模型开发，效果艳丽

近期随着liblibai等国内AI绘画网站的加入，并通过资本拿真金白银激励创作者，甚至掀起了一股模型创作热潮。

Stable Diffusion

解读OpenAI Sora文生视频技术原理

OpenAI 随后公布的技术综述[文献1]，难掩其勃勃雄心：视频生成模型作为世界模拟器。

sora

从零开始了解AI大模型 - 概念篇：一文带你走进大模型世界

ChatGPT的惊世之举，让大家见识到通用人工智能的辉煌崛起，也让AI在文本创作、摘要提炼、多轮对话甚至代码生成等领域迈向了一个质的飞跃。

大模型

Sora物理悖谬的几何解释

Sora声称“作为世界模拟的视频生成模型”，豪气干云。

Sora 解释

OmniVision - 968M：小巧精悍的视觉语言模型，释放多模态边缘计算强大潜能

在当今数字化与智能化浪潮汹涌的时代，人工智能技术不断取得突破性进展，多模态模型作为其中的前沿领域，正日益成为研究和应用的热点。

OmniVision -968M 多模态模型

从 GPT-4o 到 LiveKit：实时语音交互的开源实现

今天不讨论 GPT-4o 的炸裂或颠覆，而是探讨如何作为个人或独立开发者实现这项技术，以及它的应用场景。

GPT-4o 语音交互

生成式AI与大语言模型的区别

Dream Studio：这个生成式人工智能平台（也提供开源免费版本），使得想成为作曲家的人能够创造音乐。

生成式AI 大语言模型区别

AI面部增强器-Remini

好工具不嫌多，哪怕之前本号已经推荐过好几款图像处理工具，今天还是给大家再次带来一个图像处理神器-Remini。

Remini 面部增强修复文生图

<...25 26 27 282930 31 32 33 34 ...>

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