文章列表-AI魔法学院

文章列表

OCR终结了？旷视提出可以文档级OCR的多模态大模型框架Vary，支持中英文，已开源！

通过 LLM 极强的语言先验，这种架构还可以避免 OCR 中的易错字，比如“杠杆”和“杜杆”等，对于模糊文档，也有望在语言先验的帮助下实现更强的 OCR 效果。

OCR 手写文字识别

RAG从入门到精通-RAG简介

RAG控制生成长度,避免生成无关内容。

rag 大模型

Stable Diffusion

Stable Diffusion教程：提示词

UHD 4K, portrait photo, [Elon Musk:Zuckerberg:0.6] 不同切换步骤的效果：反向提示词负面提示词，即填入不想要的元素或特征，以在采样过程中避免出现

提示词 SD 绘画

Stable Diffusion

Stable Diffusion生成卡通证件照

PS：建议直接复制内容并在公众号输入，避免输入错误！！！

Stable Diffusion

Stablediffusion3论文下载-确定了Stablediffusion3与Sora的架构是一致的

在消费级硬件上进行的早期未优化推理测试中，我们最大的 8B 参数 SD3 模型适合 RTX 4090 的 24GB VRAM，使用 50 个采样步骤生成分辨率为 1024x1024 的图像需要 34

SD 论文

7个有用的Prompt参数

当希望避免生成文本中的某些内容或偏差时，这个参数非常有用。

prompt

阿里出品自动化视频剪辑工具FunClip！

学术Fun为这款工具提供了一键启动包，避免了繁复的Python环境配置问题。

FunClip 视频阿里

阿里通义实验室薄列峰：从兵马俑跳“科目三”到照片唱歌，四大框架让AI生成的人物活起来丨GenAICon 2024

很多生成的视频画质是OK的，但是大家有没有思考这样的问题，比如说文生图、生成的视频，你是这个视频的消费者吗？

通义文生视频

Ilya认错，Scaling Law崩了？自曝SSI秘密技术路线取代OpenAI

训练这些大规模的LLM动辄需要花费数千万美元，但复杂系统还经常崩溃。

Scaling Law AI大模型

比真人还像真人！字节跳动PersonaTalk的黑科技有多强大？

第二步，借助双重注意力机制的人脸渲染器，PersonaTalk将人物面部进行细致渲染，细到嘴唇和面部其他区域的纹理采样，甚至连牙齿闪烁等常见问题都能有效避免，使得生成视频更加自然流畅。

PersonaTalk 视频

Learn Prompting-基础篇

人工智能可以用来自动完成你现在正花费无数时间做的任务。

prompt

检索增强生成 (RAG):What, Why and How?

为避免这种情况，我们可以将重叠部分传递给LLM进行生成。

检索增强大模型

华为盘古画画3.0发布 | PanGu-Draw：业界最大的中文文生图模型，效果YYDS！

每个生成器都是隔离训练的，这不仅减轻了对高内存计算设备的需求，而且避免了与模型分片相关的复杂性及其伴随的机器间通信开销。

PanGu-Draw 文生图

AI探索-我怎么使用Kimi Chat的

作为小助手，多搞几个又不费事，后面我又做了几个助手，其实就是整理数据的问题。

KimiChat 写作

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

此外，确保生成内容无偏见且安全，避免不良视觉输出的伦理问题，也是开发者和研究者必须重视的。

sora 论文

<...31 32 33 343536 37 38 39 40 ...>

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