文章列表-AI魔法学院

文章列表

实时语音克隆

项目简介这份内容介绍了实时语音克隆的技术实现，作者通过将说话者验证技术转移到多说话人文本到语音合成（SV2TTS）来实现语音克隆。

语音克隆

【开源项目】Flow Matching 语音合成

CFM是一种新技术，已被证明可以改进扩散模型，Meta的Voicebox模型将CFM引入语音合成领域，下面是voicebox的一个工作流程图 Matcha-TTS是第一个开源conditional

音视频 Flow Matching

如何用大语言模型构建一个知识问答系统

基于 Prompt 将特定领域的知识作为输入消息提供给模型。

知识库

一个令人惊艳的图片高清化重绘神器：SUPIR来了！

这个项目以尖端的大规模人工智能革新图像恢复技术，通过文本驱动、智能修复，将AI技术与创新思维相结合，赋予每张图像全新的生命力。

SUPIR 文生图

Stable Diffusion

stable diffusion 远端跑图—— Api基础知识掌握

如果你想用手机或者电脑访问自己的服务器进行stable diffusion（以下简称sd）跑图，学会使用sd的api是必须的技能上个月做了安卓和苹果手机用远端sd进行跑图的几个demo，整体流程很简单

文生图 api

2024年傅盛开年AI大课演讲内容PPT

他是一位在科技领域有着卓越贡献的领导者。

猎豹 AI 演讲

请以“亮相”为题目写一篇记叙文，要求不少于700字。

因此，一个人在面对他人时能否成功地进行亮相，不仅取决于其自身素质和能力水平，更关键的是要懂得如何运用语言和非语言的技巧去展现自己。

中文大模型训练

Dify：大模型创业开源工具，46,558 行代码，完全开源

Prompt IDE: 用于制作提示、比较模型性能以及向基于聊天的应用程序添加其他功能（如文本转语音）的直观界面。

Dify 开源工具

收藏！万字长文聊聊LLM Agents的现状，问题与未来

直接让LLM做角色扮演对话会出现一些问题：例如，LLM喜欢抽取Prompt的要素而非好好说话；或是不怎么利用Prompt的要素而说一些无关紧要的话；又或是LLM干脆不知所措，说一些莫名其妙的话。

LLM Agents

PhotoMaker：腾讯最新开源，根据照片生成该人物各种风格图片，项目可落地！

这种技术有望在多个领域中发挥重要作用，例如艺术创作、媒体出版等。

PhotoMaker 文生图

字节开源项目MimicTalk：快速打造逼真3D Talking Face的利器

随着数字人技术的发展，生成高度逼真的「3D说话头像」(3D Talking Face)成为了一种趋势。

MimicTalk 开源模型

微调大型语言模型-核心思想和方法介绍

与上下文学习相关的是硬提示调整（hard prompt tuning）的概念，我们修改输入以希望改进输出，如下图所示。

大模型训练

腾讯出品！开源AI数字人框架！号称可以不限时长

如今数字媒体和虚拟现实技术飞速发展，对数字人的需求不断增加！

MuseV 视频数字人框架

百川智能RAG方案总结：搜索出生的百川智能大模型RAG爬坑之路

一、概述 Title：百川智能大模型+搜索增强技术栈给定制大模型提供解决方案来源：https://mp.weixin.qq.com/s/Hy78rtJuJTehAJIC-HK2Rg 1

RAG 大模型

Stable Diffusion

免配置、免翻墙，Stable Diffusion平替来了！

集成了SD的各种插件，比如ControlNET的openpose姿势参考、局部重绘、prompt提示等等，甚至还提供了傻瓜式在线训练自己模型的功能。

LeonardoAI 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