文章列表-AI魔法学院

文章列表

ComfyUI，你开启XL钥匙打开了新世界

ComfyUI主要使用基于图形/节点/流程图的界面来设计和执行进阶的SD管线。

ComfyUI 大模型

在 WebUI 中使用 AnimateDiff 的一些问题和技巧

的生成速度要快很多而且占用资源少一些，但是不知道是不是心理原因总感觉ComfyUI的清晰度不如WebUI，所以相对来说WebUI玩的更多一些（其实主要还是因为简单，ComfyUI研究一晚上只造出了基础的生成和放大流程o

AnimateDiff SD

语音、视频转文字神器：开源whisper介绍

Whisper模型的训练过程非常复杂，需要大量的计算资源和时间。

人工智能大模型 wisper

为什么说AI现在还不行！

如果和过去对比，那么过去的编程固化的是程序员的智能，程序员的智能通过程序在限定的边界内处理问题，所以泛IT的崛起伴随着程序员群体的崛起，不管是程序员的人数还是收入。

大模型

为什么Llama2大模型可以在个人电脑上部署？

我看介绍是说个人电脑也是可以部署 llama2 模型，就是说你自己的电脑可以下载 llama2 模型和运行 llama2 模型的代码，然后个人电脑把这个程序给跑起来。

开源模型

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

通过这种技术，多个样本可以在计算过程中正确隔离，防止不同样本之间的数据混淆。

Baichuan-Omni 多模态大模型

高级 RAG 技术——图解概览

编码器微调我曾对编码器微调方法持有一定怀疑，因为最新的为搜索优化的 Transformer 编码器已经相当高效。

RAG 检索图解

F5-TTS：上海交大开源超逼真声音克隆TTS，告别ElevenLabs，以后就用它了！实测真的很牛

不需要复杂的设计如持续时间模型、文本编码器和音素对齐，能够快速训练并实现实时因素（RTF）0.15的推理速度，显著优于当前基于扩散的TTS模型。

F5-TTS 音频克隆

最新最强开源模型Qwen3本地运行指南！Windows+ollama+chatwise轻松搞定

Qwen3在编码、数学、通用能力等多个关键领域展现出了卓越的实力，完全有能力与Gemini、ChatGPT、Grok等顶尖模型一较高下。

Qwen3 开源模型

Agent：OpenAI的下一步，亚马逊云科技站在第5层

不出意外，先行动起来的又是编程开发行业。

开源模型

Stablediffusion3论文下载-确定了Stablediffusion3与Sora的架构是一致的

在这些测试中，人类评估员从每个模型中获得输出示例，并要求他们根据模型输出在多大程度上紧跟所给提示的上下文（"紧跟提示"）、在多大程度上根据提示渲染文本（"排版"）以及哪幅图像具有更高的美学质量（"视觉美学

SD 论文

必读！RAG好用的3种Router

它重复此过程多次，并根据各种指标评估性能。

RAG Router

Stable Diffusion

硬核解读Stable Diffusion（系列二）

使用CFG，去噪过程的噪音预测不仅仅依赖条件扩散模型，也依赖无条件扩散模型：这里的negative_prompt便是无条件扩散模型的text输入，前面说过训练过程中我们将text置为空字符串来实现无条件扩散模型

StableDiffusion 文生图

EverydayWechat：让微信变得更强大，引领每日生活新体验

ensp; 支持自定义配置，用户可以根据需求定制功能参数，实现个性化设置提供了简洁易用的API接口，使得开发者能够更加自由地扩展和定制功能缺点：需要一定的编程基础和配置理解

EverydayWechat

CMU华人打破大模型黑盒，Llama 2撒谎被一眼看穿！脑电波惨遭曝光，LLM矩阵全破解

给它开这个权限，模型还可以随意编纂事实。

大模型

<...27 28 29 303132 33 34 35 36 ...>

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