文章列表-AI魔法学院

文章列表

AI Comic Factory：AI(连环)漫画生成器

首先，该项目是开源的，但需要多个组件来运行，包括前端、后端、LLM（大型语言模型）、SDXL等。

生成式AI

用AI为古诗词生成插画

有朋友问，能用AI为古诗词生成插画吗？

Stable Diffusion 文生图提示词

开源语音大语言模型来了！阿里基于Qwen-Chat提出Qwen-Audio!

音频编码器由640M个参数组成。

大模型语音

Insanely Fast Whisper：超快的Whisper语音识别脚本

项目简介这篇内容介绍了OpenAI的Whisper Large v2语音转录模型的超快速能力。

音频 Whisper

语音识别的新拐点：OLMoASR 带来的机会

语音识别正在悄悄重塑我们的生活：内容创作：播客自动生成文字稿；视频自动生成多语言字幕；AI 主播无缝上岗。

OLMoASR 语音识别

AnimateDiff 生成补间动画

AnimateDiff 生成补间动画测试了下工作流，输入是2张图片，一张作为起点，另一张作为终点。

文生图 AnimateDiff

网易有道强力开源中英双语语音克隆

其中的音素（phonemes）可以这样得到： python frontend.py data/my_text.txt > data/my_text_for_tts.txt. 5.

语音开源

解读wav2lip：探究语音驱动唇部动作的技术原理！

本文将深入介绍一下wav2lip的技术原理和细节，了解它是如何实现语音驱动唇部运动的！

wav2lip 语音

【进阶】-文生图术语解释

黑话# 缩写/术语解释 oneshot 一张图

文生图

AI生成卡通人物项目|VToonify

开源链接：https://github.com/williamyang1991/VToonify 生成高质量艺术肖像视频是计算机图形学和计算机视觉中一项重要且令人向往的任务。

AI生成卡通人物 VToonify

ComfyUI安装及生成第一张图

完成后，右键单击该文件ComfyUI_windows_portable_nvidia_cu118_or_cpu.7z，选择“显示更多选项” > “7-Zip” > “在此处提取”。

ComfyUI 文生图

AIGC生成客服虚拟人

最近在研究怎么生成虚拟形象，想生成一个客服人员的形象，无奈水平有限，只能做到这样了。

文生图

基于 OpenAI Whisper 模型的实时语音转文字工具

· WhisperLive 是一款专注于音频处理和创作的开源软件，使用 OpenAI Whisper 模型将语音输入转换为文本输出，可以用于转录麦克风的实时音频输入和预先录制的音频文件，为艺术家和音乐制作人提供了一个强大的平台

WhisperLive 音频开源软件

「语音转换新速度」— 探秘Whisper JAX的70倍速提升

在AI的众多分支中，语音识别技术的突破性进展尤为引人瞩目。

Whisper 语音识别

图片生成速度最高提升10倍！可以做到“实时”生成！清华推出LCM/LCM-LoRA！

近年来，随着SD和Midjourney的火热，文本到图像生成（Text-to-Image Generation）的研究取得了令人瞩目的进展，让我们能够用自然语言指导AI创造出各种各样的图像。

LCM/LCM-LoRA 文生图

<1 234 5 6 7 8 9 10 ...>

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