文章列表-AI魔法学院

文章列表

比真人还像真人！字节跳动PersonaTalk的黑科技有多强大？

只需提供一段音频和一个视频，PersonaTalk便能精准同步人物的口型，不仅让声音和嘴型无缝贴合，还能保留视频中人物的表情和个性化说话风格，仿佛原生发声一般自然流畅。

PersonaTalk 视频

Byzer-LLM 快速体验智谱 GLM-4

Byzer-LLM 可以让用户用一套接口就可以部署和使用市面上主流的开源和SaaS版本大模型，之前以Qwen 写过一篇，可以看这里：Byzer-LLM 支持同时开源和SaaS版通义千问今天我们升级了一个

Byzer-LLM GLM-4

实测：本地跑llama3:70B需要什么配置

这一突破使得Llama 3一举成为当前顶流的大语言模型之一。

llama GPU内存

国内厂商语音识别与Whisper评测：现状与概况对比

随着人工智能技术的飞速发展，语音识别已经成为了现代社会中一个重要的研究领域。

语音识别 Faster-Whisper

领域大模型-训练Trick&落地思考

但有些并没有什么理论依据，全是自己的实验经验&结论，可能跟大家有所不同，欢迎大家讨论，交流分享。

垂直训练大模型

图片拖拽神器DragGAN介绍及官方安装文档说明

该技术的一个流行实现是拖放生成器(DragGAN)，这是一个深度学习模型，当用户将图像拖放到基于web的界面中时，它可以将图像转换为另一个图像。

开源

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

作者的训练框架包括一个全面的流水线，包括构建全模态训练数据、多模态对齐预训练和多模态监督微调，特别注重增强全模态指令遵循能力。

Baichuan-Omni 多模态大模型

截至2023年5月份业界支持中文大语言模型开源总结及商用协议分析

它可以轻松地扩展和个性化，并作为免费的开源软件开发。

大模型

会议纪要类提示词大全-最全会议纪要prompt

我是一名教育工作者，工作内容包括但不限于教学工作、教育管理、学生服务、师资培训、学术研究，要求会议模板全面有条理地罗列会议环节。

prompt 提示词

零一万物API开放平台出场！通用Chat多模态通通开放，还有200K超长上下文版本

在前期的开发者邀测中，拥有阿里、美团等多家大厂工作经历的知乎大佬@苏洋就利用Yi的API搭建出了一个翻译器应用。

零一万物 YI 李开复

换脸软件 FaceFusion 保姆级教程

在制作定制数字人时，有时候为了不侵权，会使用换脸软件将原素材的脸型进行替换，今天一个客户就提出了这样的需求，所以，这里我使用 FaceFusuion 这款软件来进行操作。

FaceFusion 教程

大模型应用发展的方向｜代理 Agent 的兴起及其未来（下）

3.释放用户的双手，解放思想，从事探索性和创新性工作，在前沿科学领域实现全部潜力。

大模型

有道开源的国产语音库EmotiVoice爆火了！具有情绪控制功能的语音合成引擎！

但是近期，网易有道AI算法团队也开源了一款国产TTS语音合成引擎EmotiVoice，刚上线仅一周时间就暴涨4200颗星，问鼎当周GitHub trending流行榜第一。

EmotiVoice 语音库

Stable Diffusion

造梦师手记：腾讯加入Stable Diffusion的ControlNet模型开发，效果艳丽

ghostmix模型作者认为，应该尽可能的少做大模型，然后使用lora、ControlNet等微调工具来适配更多的场景。

Stable Diffusion

解读OpenAI Sora文生视频技术原理

一、Spacetime Latent Patches 潜变量时空碎片, 建构视觉语言系统在“ChatGPT是第一个真正意义的人工通用智能”中，笔者总结过大语言模型借助

sora

<...30 31 32 333435 36 37 38 39 ...>

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