文章列表-AI魔法学院

文章列表

【全文翻译】微软166页论文解读 GPT-4V：多模态大模型的黎明

在我们的实验中，我们观察到 GPT-4V 有效地利用了图像中呈现的边界框作为视觉提示（例如，[person1] 和 [person2]）来识别个人执行的动作。

多模态大模型 GPT-4V 文生图

了解Kimi必看的26个问题 | Kimi系列文（二）

在上一篇中，我们带大家系统认识了AI。

Kimi 大语言模型

AI 产品榜 · 国内 100 强和出海 20 强

我们精心筛选分析了5000+ AI 全球产品(web)，覆盖了从访问量、时长、增长速度到营收等关键数据，我们将这些 AI 产品分门别类，涵盖了100个AI 细分领域。

大模型大模型应用行业分析

俄罗斯人开源了最大的文生图模型：参数量12B，比SDXL大了3倍多！

在开源Kandinsky 2.2之后，俄罗斯AI研究团队AI Forever又开源了新的文生图模型Kandinsky-3，这个模型最特别之处时采用了一个超大的text encoder（参数量为8.6B）

Kandinsky-3 文生图开源模型

【TTS语音克隆开源最强王者】5款爆火开源模型(Fish、F5、GPT、CosyVoice、MaskGCT)效果对比，等你来评!

下面进入今天的主题~ 需要特别注意：本文只是技术分享，在使用对应模型进行语音合成时，需要严格遵照对应项目的要求和法律法规！！

语音克隆开源模型

OpenAI 无需向量化的 RAG 新架构设计范式剖析

该大模型基于其强大的自然语言理解能力，识别出哪些大块可能包含相关信息。

OpenAI RAG 架构

解放AI生产力——为什么要使用ComfyUI

但在介绍怎么使用它之前，我先介绍一下它相比于原来的工作优点。

文生图

硬核Prompt赏析：HuggingGPT告诉你Prompt可以有多“工程”

特别是这里的dep和args，从程序员的角度看，已经是典型的系统接口设计。

提示词 prompt

社区供稿｜GPT-4 与国产模型，大！横！评！

Prompt1-1：画一个动画角色史努比的头像形象，需要冲浪动作，背景是海浪，画风是动画。

GPT-4 大模型

StableDiffusion

StableDiffusion模型推荐系列（功能型）

前两天，我分享了SDXL的通用模型，这些模型不仅在生成高质量图像和艺术作品方面表现出色，搭配上LoRA模型还能在多个领域发挥重要作用，尤其是在平面设计与UI设计领域。

StableDiffusion 文生图

【大模型微调】 Llama 2 ：对话模型的全过程微调

为了增加模型的知识并减少虚假信息生成或“幻觉”，他们对最可靠的来源进行了上采样。

大模型

Westlake - Omni：西湖心辰推出的全球首个开源的中文情感端 - 端语音交互大模型

模型评估与优化为了确保模型的性能和质量，使用了多种评估指标来评估Westlake - Omni的性能，如语音识别准确率、情感分类准确率、语音合成自然度等。

Westlake -Omni 语音

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

Stable Diffusion

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

虽然我有4T的SSD不担心下载模型，但是越来越多的模型，动辄3、5个G起步，会大大抬高Stable Diffusion的门槛。

Stable Diffusion

解读OpenAI Sora文生视频技术原理

图像视频作为prompts，用户提供的图像或视频可以自然的编码为时空碎片Patch，用于各种图像和视频编辑任务 -- 静态图动画、扩展生成视频、视频连接或编辑等。

sora

<...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