文章列表-AI魔法学院

文章列表

【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

AI写作：一步到位，如何用 AI 生成整篇文章？做自媒体必看！

提示词如下：扮演一名资深的自媒体写手，你具备很强的文案撰写能力，擅长撰写兼具文采和实用性的文案。

结构化提示词写作

构建开源多模态RAG系统

在这个新的冒险中，我们将深入研究使用开源大型语言多模态（LLMM）构建检索增强型生成（RAG）系统的过程。

RAG 大模型

一款构建AI数字人项目开源了！自动实现音视频同步！

ensp; 音频驱动的口型同步； · 面部增强以提高照片真实感

AI数字人音视频同步

如何拥有你的卡通形象？ComfyUI-workflow

IPA 从照片中获取面部特征的4合1节点，可以输入4张照片并调整每张照片的权重。

ComfyUI-workflow 文生图

提示词框架：BROKE

市面上有很多大佬总结的方法论，今天介绍下”陈财猫“老师的”BROKE“框架什么是OKR 想象一下你正在玩一个游戏，游戏的目标就是到达终点。

BROKE 提示词

SadTalker数字人常见问题3

下面是解决方法：图片问题一般SadTalker数字人工具，能处理的图片，大致都在1M以下，几百K的文件，清晰度都是可以的。

SadTalke

玩一玩阿里通义千问开源版，Win11 RTX3060本地安装记录

虽然是低配版，但是在各类测试里面都非常能打。

大模型

“大模型+机器人”的现状和未来，重磅综述报告来了！

机器人感知中的基础模型应用感知是机器人系统的重要组成部分，旨在从原始传感器数据中提取语义信息，以支持决策和控制。

论文机器人

2万字大模型调研：横向对比文心一言、百川、Minimax、通义千问、讯飞星火、ChatGPT

腾讯：腾讯在AI领域的布局也十分积极，尽管混元大模型还在内测阶段，但预计会在游戏开发、内容生成、社交网络、在线娱乐等多个方面发挥重要作用，以提升用户体验并增强腾讯产品和服务的竞争力。

大模型调研

剪映专业版智能补帧

下面三郎老师从以下4点分别给大家介绍！

剪映智能补帧

为什么说腾讯22年前的这份神级PPT是立项汇报的天花板？

这个背景信息之所以非常重要在于，即便是对当时腾讯的高管而言，在韩国刚流行不久的Avatar业务依然是一个陌生的概念，如果开始不介绍背景，后面的叙述会显著增加理解成本。

PPT 腾讯立项汇报

Westlake - Omni：西湖心辰推出的全球首个开源的中文情感端 - 端语音交互大模型

卷积神经网络（CNNs）用于提取语音和文本的局部特征，循环神经网络（RNNs）和长短期记忆网络（LSTMs）擅长处理序列数据，而Transformer模型则以其强大的并行计算能力和长距离依赖捕捉能力，在模型中发挥着重要作用

Westlake -Omni 语音

说真的，学会用SD做电商图，你才是真的入了门

而事实上，SD之所以最有可能成为新一代生产力工具，正是因为它有更强的可控性，即便Midjourney也难以望其项背。

文生图 SD 电商

Stable Diffusion

Stable Diffusion 30种采样器全解！

DPM采样器 StableDiffusion中绝大部分都是DPM算法。

Stable Diffusion采样器

<...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