文章列表-AI魔法学院

文章列表

ChatGLM3在线搜索功能升级

在前面的图文当ChatGLM3能用搜索引擎时中，我们让ChatGLM3在搜索引擎上进行的简单的搜索，但是仅仅只能搜索一些简单的内容，比如，时间。

ChatGLM3 搜索

必读！RAG好用的3种Router

例如：写代码的Code-LM、做数学的meta-math,做图文多模态的Macaw-llm等等。

RAG Router

制作可爱的表情包

开始制作之前，我们可以网络上搜索自己喜欢的风格和元素，参考图片，制作你的个性表情包。

绘画表情包

如何从零开始训练专属 LoRA 模型？4600字总结送给你！

一、训练数据集准备这个过程主要做三件事：训练素材处理图像预处理打标优化 1.

训练

RAGFlow：开源的RAG引擎，专注于深入的文档理解，支持处理各种复杂格式的非结构化数据

支持处理各种复杂格式的非结构化数据，包括文本、图片、扫描副本、结构化数据和网页等。

RAGFlow RAG 开源

ComfyUI-DDetailer脸部修复

翻看了上古时期出的图，突然老脸一红，有点惭愧。

ComfyUI 脸部修复

腾讯开源的数字人MuseTalk到底行不行？

该模型能够根据输入的音频信号，自动调整数字人物的面部图像，使其唇形与音频内容高度同步。

MuseTalk 数字人音频

基于 Kimi Chat 的 AI 渐进式阅读法

但我并不会为此感到焦虑，这些文章成了一个经过我筛选的“图书馆”，当我需要的时候，我可以在里面找到自己想要的文章进行阅读。

Kimi Chat 阅读

Roop升级版FaceFusion换脸AI技术使用以及部署教程

JPEG (或 JPG) 是一种常见的图像格式。

FaceFusion 教程

阿里云开源通义千问多模态大模型Qwen-VL，持续推动中国大模型生态建设

Qwen-VL是支持中英文等多种语言的视觉语言（Vision Language，VL）模型，相较于此前的VL模型，Qwen-VL除了具备基本的图文识别、描述、问答及对话能力之外，还新增了视觉定位、图像中文字理解等能力

大模型

了解Kimi必看的26个问题 | Kimi系列文（二）

万能模板=角色+目标+工作流+输出要求+注意事项。

Kimi 大语言模型

【全文翻译】微软166页论文解读 GPT-4V：多模态大模型的黎明

例如，如图 5 所示，“指向”可以表示为数值空间坐标，如框坐标和图像裁剪，或者覆盖在图像像素上的视觉标记，如箭头 arrows、框 boxes、圆 circles&ensp

多模态大模型 GPT-4V 文生图

新模型Cascade你真的用对了吗？！

之前的sd模型如果想要生成一张1024*1024的图片，在潜空间的编码为128*128，使用的压缩因子为8，可以简单的理解为1024*1024的图片除以8（压缩因子）等于在潜空间的编码大小

Stable Cascade 模型

AI Comic Factory：AI(连环)漫画生成器

此外，还提到了Rendering API用于生成面板图像，以及部署VideoChain和使用其他SDXL API的选项。

生成式AI

清华&面壁开源新一代主动Agent交互范式！让AI从被命令到主动帮助

▲ 图1.

Agent 大模型

<...29 30 31 323334 35 36 37 38 ...>

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