文章列表-AI魔法学院

文章列表

OpenAI Sora视频生成模型技术报告中英全文+总结+影响分析

•技术细节写得比较泛（防止别人模仿）大概就是用视觉块编码（visual patch）的方式，把不同格式的视频统一编码成了用transformer架构能够训练的embeding，然后引入类似diffusion

sora openai 视频生成

网易有道强力开源中英双语语音克隆

-dp 127.0.0.1:8501:8501 syq163/emoti-voice:latest 现在打开浏览器，导航到 http://localhost:8501 ，就可以体验EmotiVoice

语音开源

AI备案实战指引

⚠️ 额外提醒一下，如果是是用第三方大模型API的公司，需要补充提供第三方技术佐证材料。

备案

混合专家模型 (MoE) 详解

GShard 将在编码器和解码器中的每个前馈网络 (FFN) 层中的替换为使用 Top-2 门控的混合专家模型 (MoE) 层。

MoE大模型

AI进化的新纪元：AI AIgents时代（1/9）——什么是Agent？

现有的 Agents 项目如 AutoGPT，BabyAGI 和 MetaGPT 的成功验证了LLM的潜力。

大模型

基于LLM+向量库的文档对话痛点及解决方案

这样对文章切分完之后保证每一段在说同一件事情.

开源模型

AI绘画 | Midjourney高质量肖像提示词的写法（附50+肖像提示词prompt）

今天就以我的个人经验来分享一下Midjourney肖像绘画提示词的写作窍门,通过提示词的组成结构、面部特征描写、风格词选择等核心技巧,您将能够写出栩栩如生的肖像Prompt,使AI为您生成细节丰富、真实感十足的人物肖像

文生图

阿里出品自动化视频剪辑工具FunClip！

它依托于阿里巴巴通义实验室的FunASR Paraformer系列模型，实现了视频中语音的自动识别。

FunClip 视频阿里

十篇高质量的AI-Agents相关论文，让AI教你认识AI-Agents

虽然由于自然语言界面存在相当多的可靠性问题，但它仍然是一个很酷的概念验证演示。”

开源模型

【语音识别】OpenAI语音力作Whisper

然后，transformer 编码器对声谱图进行编码，生成一系列编码器隐含状态。

语音转文字 whisper

AI异常值案例库第2期，5个灵感案例，新型流量获客法和产品形态

有部分信息，也许蕴藏着巨大的变现机会，但我自己没有时间与精力去一一验证所以我打算把这些信息分享出来，如果能启发到大家行动并拿到结果，那也算不浪费这个机会了没有过多的拆解和分析，更多的是偏向于灵感启发

文生图

清华系17人，撑起中国大模型创业半壁江山

29日美团宣布完成对AI大模型独角兽企业光年之外的收购，搜狗创始人王小川创立的AI大模型创企百川智能连发3款开源大模型；此前被光年之外收购的AI大模型创企OneFlow（一流科技）的创始人袁进辉也于本周证实

大模型

小度为何押注AI眼镜？

总之，小度AI眼镜，用真实的视角和流畅的性能，带来了崭新的交互体验。

AI眼镜小度

openpose原理及安装教程（姿态识别）

下载OpenPose源代码或预编译版本。

行为识别姿态识别

爆肝！超详细的胎教级Midjourney使用教程，看这一篇就够！

Stable Diffusion：一个支持开源生态系统的软件，模型的代码和训练数据可供所有人访问，用户可以在此基础上构建并微调模型，以达到想要的效果说人话就是： Midjourney

文生图

<...26 27 28 293031 32 33 34 35 ...>

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