文章列表-AI魔法学院

文章列表

FFmpeg之父新作——音频压缩工具 TSAC

在推理时，只用选择级联的VQ个数就可以切换不同的码率。

TSAC 音频工具

一文读懂GPT-1：生成式预训练如何提升语言理解

为了适应这些任务，GPT-1将结构化输入转换为预训练模型可以处理的有序序列，以避免大量修改模型架构。

GPT

Stable Diffusion

AI绘画巅峰对决：Stable Diffusion 3与DALL·E 3原理深度比较

Latent Diffusion Transformer（DiTs）换掉扩散模型中的 U-Net 结构。

Stable Diffusion DALL·E

17K star！30秒偷走你的声音，开源声音克隆工具

Reference Audio 这里是参考音频，也就是我们希望克隆的声音开始转换写好文字，选好语气，就可以开始生成了。

OpenVoice 声音克隆开源

LLM每周速递！大模型最前沿：多模态RAG、RAG加速、大模型Agent、模型微调/对齐

此外，OmniGen可以处理经典的计算机视觉任务，将其转换为图像生成任务。

大模型研究

Stable Diffusion

Stable Diffusion生成图片参数查看与抹除

注意：这个处理工具默认是处理完毕后直接替换原来的图片，所以如果你还想保留原来的图片，记得先复制一份。

文生图 Stable Diffusion

无限逼近真人效果的“超真实人像大模型”，或许它才是你一直在寻找的真爱！

模型的所有阶段都使用基于T5转换器的冻结文本编码器来提取文本嵌入，然后将其输入到通过交叉注意力和注意力池增强的UNet架构中。

大模型文生图

中文版开源Llama 2同时有了语言、多模态大模型，完全可商用

/Chinese-Llama-2-7b 比如你能够以英文提问，并让它用中文回答：或者直接中文对话，它也能以中文实现准确、流畅的回答：主打的就是一个中英文灵活切换：

开源模型

什么是BERT？

简单来说就是以15%的概率用mask token （[MASK]）随机地对每一个训练序列中的token进行替换，然后预测出[MASK]位置原有的单词。

embedding

Coze多智能体（Multi-Agents）模式体验！

为多智能体创建一个数据库，让用户可以保存项目的笔记，具体格式如上图，如果要把这个多智能体分享给其他朋友使用，这里的“Table查询模式”切换成“多用户模式”。

Coze 多智能体

AnimateDiff 生成补间动画

官方的解释有点深奥，我们换一种方式理解下此项技术： Shadow是一位小朋友，他喜欢玩积木。

文生图 AnimateDiff

使用 Dify 和 Moonshot API 构建你的 AI 工作流（一）：让不 AI 的应用 AI 化

能够调用“外部工具”的模型功能我计划将工作流相关的事情拆分为两篇来聊，过程中不太想切换模型，所以就选择了支持 “Function Call” 的它。

Dify Moonshot API 工作流

开源免费离线语音识别神器whisper如何安装

whisper的简单使用最基本的语音识别我们准备一段音频，使用whisper将其转换成文字。

wisper 翻译免费

投资人逃离大模型

当你走进这欢乐场，悲伤所有的梦与想，各色的脸上各色的妆，没人记得你的摸样。

大模型

Github上Star数最多的大模型应用基础服务：Dify 深度解读

response.message.content return answer.strip() 可以看到就是通过一个 prompt 就完成了原始文档到问答对的转换，

Dify 大模型知识库

<...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