文章列表-AI魔法学院

文章列表

OmniVision - 968M：小巧精悍的视觉语言模型，释放多模态边缘计算强大潜能

视觉编码器Siglip - 400m则专注于图像信息的处理，以384分辨率和14×14的块大小生成图像嵌入，将图像转换为模型可理解的向量表示。

OmniVision -968M 多模态模型

Stable Diffusion

Stable Diffusion | 常见问题清点汇总

没加代理端口,扫描图片链接不上 2.

Stable Diffusion 问题汇总

通过声音生成逼真的全身形象？！Meta开源AI工具：audio2photoreal

这个项目的目标是通过音频驱动，生成高质量的人脸和身体动画，从而实现人物的完整呈现。

audio2photoreal 开源工具

AI爆文写作：4招，把AI变成你的写作助手

4、找配图：多样化表达一篇好的文章不仅仅是文字，还需要有吸引人的视觉内容。

写作提示词创作

300天里，我帮你踩遍了AIGC创业的各种坑

虽然此时很多人还在发愁返程的车票难买机票太贵，但过于惊艳的60秒1080P动画已经颠覆了大多数人对AI视频的认知，假期还没结束，一场又一场百人规模线上分享会，成为新年开工前的最佳热身活动。

AIGC 创业

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

在原始分辨率上训练数据，显著提升了生成视频的构图和画面布局效果。

sora 论文

聊聊AI产品做算法备案这件事

该找法务把关的就去找法务，该要产品流程图的就去画产品流程图。

工作

【收藏】那些牛掰的ChatGPT指令爱了～

My first request is [修改文本] Midjourney 提示生成器通过为提供的图像描述填充详细且有创意的描述，激发 Midjourney 生成独特有趣的图像。

提示词 prompt

20款AI工具助力在家副业

Open Souls 在Discord上实现的开源汉字人工智能 3 InterviewMe Al 通过与AI进行面试练习 4 MyHeritage Reimagine 扫描修复或将日照片动画化的服务

工作

LangChain: LLM 应用聚焦的两大方向，RAG 和 Agents

图一：RAG 结构图在当前这个时间点（2023.9.6）打开 langchain.com 的主站，你会发现不同于之前的 docs 关于应用场景的 8 种介绍，Use-Cases

大模型

阿里云开源通义千问多模态大模型Qwen-VL，持续推动中国大模型生态建设

Qwen-VL是支持中英文等多种语言的视觉语言（Vision Language，VL）模型，相较于此前的VL模型，Qwen-VL除了具备基本的图文识别、描述、问答及对话能力之外，还新增了视觉定位、图像中文字理解等能力

大模型

了解Kimi必看的26个问题 | Kimi系列文（二）

不能做：绘图、做视频、做音频、做PPT。

Kimi 大语言模型

Gpt写小说，常用的中文指令集「实操篇」

- **示例：** `文本提示="在一个古老的城市里，一个年轻的艺术家意外发现了一个通向未知世界的神秘画廊。"

GPT 写作

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

▲ 图1.

Agent 大模型

新模型Cascade你真的用对了吗？！

之前的sd模型如果想要生成一张1024*1024的图片，在潜空间的编码为128*128，使用的压缩因子为8，可以简单的理解为1024*1024的图片除以8（压缩因子）等于在潜空间的编码大小

Stable Cascade 模型

<...32 33 34 353637 38 39 40 41 ...>

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