文章列表-AI魔法学院

文章列表

GLM-4-Voice 9B——实时多语言语音对话 AI——几分钟内即可在本地安装

我们还将查看其架构，并提供访问网络演示的实用指南。

GLM-4-Voice 9B 语音安装

微软研究团队：Sora核心技术及未来机会研究报告-中英对照版

扩散模型通过一个数学上的可靠框架，利用 U-Net 技术将噪声转化为图像，这一过程中，U-Net 通过预测和减少每步的噪声来帮助这一转换。

sora 论文

四木测评｜让教父唱《野狼disco》、恶搞《甄嬛传》，火遍全网的阿里明星项目EMO正式开放

来围观初代教父唱《野狼disco》之前全网刷屏的阿里明星项目 EMO 终于正式开放了！

EMO 阿里全民演唱

检索增强生成 (RAG):What, Why and How?

RAG 架构和管道包括三个主要阶段--数据准备、检索和生成。

检索增强大模型

AI Comic Factory：AI(连环)漫画生成器

首先，该项目是开源的，但需要多个组件来运行，包括前端、后端、LLM（大型语言模型）、SDXL等。

生成式AI

AnimateDiff 生成补间动画

AnimateDiff 该论文提出了一个实用的框架，用于为现有的文本生成图像模型添加动画效果。

文生图 AnimateDiff

10个值得收藏的ChatGPT辅助编程技巧

如上所述，“提示”可能会生成答案或代码片段，这些答案或代码片段可能会引用较旧的框架版本或具有安全缺陷或错误的已弃用功能。

编程提示词 chatgpt

阿里Qwen3系列模型惊艳亮相

Qwen3模型依旧采用宽松的Apache2.0协议开源，这意味着全球的开发者、研究机构和企业都能免费在HuggingFace、魔搭社区等平台下载模型，还能用于商业用途。

阿里 Qwen3 大模型

在飞速发展的时代管理AI风险

然而，公司正竞相创建与人类在大多数认知工作中匹敌或超越的通用人工智能系统，他们正迅速部署更多资源并开发新技术以提高人工智能能力。

人工智能伦理

「语音识别的未来已来」——探索Distil-Whisper，轻量级AI的强大力量

作为Whisper模型的蒸馏版，Distil-Whisper凭借轻量级架构和卓越的处理速度，成为了技术热潮中的新宠。

Distil-Whisper 语音识别

ComfyUI学习笔记2，一文看透Workflow

如上图，当运行到采样器在工作时，采样器KSampler节点的绿色框高亮，此时正对应着命令行窗口中的生成进度。

comfyui 文生图

GGUF格式详解

大语言模型的开发通常使用PyTorch等框架，其预训练结果通常也会保存为相应的二进制格式，如pt后缀的文件通常就是PyTorch框架保存的二进制预训练结果。

GGUF 大模型

惊艳推荐！8款好用又免费的文本转语音TTS工具

该项目是开源的，后端依赖于微软的Azure语音模型。

TTS Maker 语音

向量数据库失宠了？OpenAI 力捧检索增强生成（RAG）技术，对行业来说意味着什么？

幻觉“黑匣子”——很难理解大语言模型在得出结论时考虑了哪些数据来源。

检索增强生成大语音模型

中学生能看懂：Sora 原理解读

这种方法的灵感来源于处理静态图像的技术，其中图像被分成小块以便于更有效地处理。

Sora 原理

<...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