文章列表-AI魔法学院

文章列表

除了深度换脸、模拟配音，还能口型匹配的AI软件出现了

目前LipDub 支持28种语言，包括韩语、西班牙语、捷克语、泰米尔语和乌克兰语，它采用零镜头模式，可以在Captions的视频生成模型在没见过主题的情况下推出流畅的视频。

AI

微信向量检索分析一体化数仓探索：OLAP For Embedding

背景在过去的一年里，大型语言模型 (LLM) 以及 ChatGPT 等产品吸引了全世界的想象力，推动新一轮技术浪潮。

OLAP For Embedding 一体化数仓

解读wav2lip：探究语音驱动唇部动作的技术原理！

二、本文方法介绍 wav2lip模型的训练分为两个阶段，第一阶段是专家音频和口型同步判别器预训练；第二阶段是GAN网络训练。

wav2lip 语音

【AI代理】扣子，开始探索多代理模式

代理模式不仅可以拓展大模型的功能（比如给大模型加上网页搜索，加入知识库等），还可以规避大模型的弱点（比如需求是一段代码，但是大模型回复的内容不单单包含代码，还有一些解释语句）。

多代理模式大模型

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

「语音转换新速度」— 探秘Whisper JAX的70倍速提升

它是OpenAI的Whisper模型的JAX版本，实现了在TPU上高达70倍的速度提升，这不仅是对现有技术的重大突破，更是对未来潜力的一次展现。

Whisper 语音识别

深度好文，Agent盛行前传

在这篇文章里我将借助引用量较高的论文“Reward is enough”并结合近期使用的MindOS（一款以GPT为大模型底层的agent应用

Agent 大模型

谈谈RAG存在的一些问题和避免方式

——Yann LeCun 因此，当我们开发RAG系统时，不要让大语言模型已经知道解决方案的想法欺骗了您。

RAG 大模型

ComfyUI，你开启XL钥匙打开了新世界

设置模型搜索路径，可以复用设备上的其他路径里的模型文件。

ComfyUI 大模型

玩一玩ChatGLM3，1660s即可流畅运行！

ChatGLM应该是最早支持低配显卡运行的大语言型。

大模型 ChatGLM

Prompt小技巧（18）：万能Prompt

你的回答："这款手表集成了大预言模型，可以随意与用户聊天。"

prompt 大模型

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

而近期清华大学联合面壁智能等团队提出了开创性的新一代主动 Agent 交互范式（ProActive Agent），为 AI 交互带来了突破性的解决方案（下图 1 右侧所示）。

Agent 大模型

Stable Diffusion

挑战真实影像！Stable Diffusion超越摄影师的光影模型

主要是模型高度同质化，且光影处理不佳。

AI图片

比 Roop 和 Reactor 更像！IP Adapter 新模型为任何人做写真

标题：IP-Adapter 新模型超越 Roop 和 Reactor：更完美的角色一致性和相似性继我们上一篇文章介绍了IP-Adapter的新模型Face ID Plus V2之后，今天我们将深入探讨如何将这一强大工具用于生成具有高度个性化特征的人物肖像

IP-Adapter 文生图

一文汇总市面上所有prompts提示词框架

Prompts，作为大语言模型交流与理解的桥梁，扮演着无比重要的角色，指引着模型准确解读输入信息，从而生成我们所需的特定输出。

提示词框架 prompt

<...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