文章列表-AI魔法学院

文章列表

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！

requirements.txt # Install photomakerpip install git+https://github.com/TencentARC/PhotoMaker.git 然后可以运行以下命令来使用

PhotoMaker 文生图

教你打造属于自己的AI孙燕姿，AI歌手模型使用及训练保姆级课程 #1/2 使用模型

于是就研究了一下，做了几段居然效果还行，可以在这里听《爱得太迟》。

生成式AI

ChatGPT：12个写作提示词帮你覆盖所有主流写作场景

要求：运用朋友圈常见的风格，加入适当的表情符号。

写作创作提示词

基于 OpenAI Whisper 模型的实时语音转文字工具

· WhisperLive 具有跨平台支持的优点，可以在不同的操作系统上运行，包括 Windows、macOS 和 Linux。

WhisperLive 音频开源软件

如何从零开始，打造一家AI驱动的公司？

今天，我们分别从设计、建立网站、开发应用程序、内容生成、销售、客户关系管理、数据分析和公司运营分别展开，试图给出初步的答案，也欢迎在读的您一起探讨。

大模型打造公司

TTS它又来了！OpenVoice：一款借鉴于TTS实现的强大的AI语音克隆工具！

4、模型的执行我们可以运行一下官方提供的demo_part1.ipynb，这个示例中使用了默认的录音文件作为目标音频，然后使用TTS输出原始音频进行转换。

tts 文本转语音

VividTalk：用一张照片和一段音频让人物栩栩如生地说话

技术详解音频到3D网格的映射：在这一步骤中，VividTalk使用先进的算法将输入的音频映射到3D网格上，模拟表情运动和头部运动。

VividTalk 视频

如何使用 Megatron-LM 训练语言模型

融合 CUDA 内核当一个计算在 GPU 上运行时，必要的数据会从内存中取出并加载到 GPU 上，然后计算结果被保存回内存。

开源模型

如何修复GPT幻觉、及评估数据集的挑战

捏造事实的例子：月球行者一共有12人人工智能研究中心的一篇研究论文将法学硕士的幻觉定义为“当生成的内容是无意义的或不忠实于所提供的源内容时”。

大模型

开源！数字人资源大集合！

[ PDF ] [项目] 略（穿衣）人体运动生成 HumanRF：运动中人类的高保真神经辐射场。

数字人开源

Prompt全攻略(二):Prompt编写的要诀

想要充分运用ChatGPT等AI系统,Prompt编写技巧尤为关键。

prompt

“大模型+机器人”的现状和未来，重磅综述报告来了！

在测试阶段，PaLM-SayCan可以根据用户提供的自然语言指令，生成相应的机器人动作序列，并交由运动规划模块执行。

论文机器人

无需编码，轻松提升图像品质：探索ComfyUI的图像增强功能

智能优化：ComfyUI具有复杂的优化功能，只能重新执行自上次执行以来更改的工作流组件。

文生图

从第一性原理看大模型Agent技术

当模型不能正确运行时，决策就会出错；只有当世界模型构建的正确，才能选择正确的模型，进而做出正确的决策。

大模型 agent

微信向量检索分析一体化数仓探索：OLAP For Embedding

data copy，时间开销巨大，于是我们重写了 embedding distance 相关的计算函数，消除了不必要的内存拷贝，并优化了特定场景下的计算逻辑，减少运算指令数量，使性能提升 4X 以上，

OLAP For Embedding 一体化数仓

<...28 29 30 313233 34 35 36 37 ...>

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