文章列表-AI魔法学院

文章列表

全量免费的EMO模型上架通义APP，外媒称之为Sora之后最受期待的大模型之一

只需要一张人物肖像照片和一段任意时长的音频，EMO就可以让照片中的人物按照音频内容“张嘴”唱歌、说话，且口型基本保持一致，实现自然的面部表情和头部姿态。

EMO 阿里全民演唱

手把手教你用 SD 生成文字形状的光线，用来做营销宣传图非常有效

/1pzxikDpuQMeUbAM_0HCdQA提取码：e8j0 图片生成这个模型是前几天做SD生成二维码的时候火起来的，本质上还是控制图片的光线和深度信息，不过在Depth的的基础上与环境和内容融合的更好不会向

图像文字 ControlNet Stable Diffusion

20个ChatGPT超实用的提示词（Prompt）

校对+润色你的创作 Prompt：[粘贴你的创作]“校对我上面的写作。

prompt 提示词

智能时代的变革者：定制化GPTs重塑未来的五大预言

图片由DALL·E 3根据本文内容生成。

GPTs 智能

SD入门教程三：采样器及参数调整

以下是各种采样方式的出图效果： · Euler a速度和质量都非常不错,适合快速出图,但是要注意自己的提示词,因为快也很容易出一些崩坏图； · ·

SD 入门教程

SD入门教程四：图生图基础用法

图生图并不是单纯的直接由图片生成图片，原始图片只是做主体参考图，打个比喻，你要做一道经典的意大利肉酱面，这是“原图”，现在，你想尝试一种新的风味，比如将传统的肉酱换成海鲜酱。

SD 入门图生图

10个具有代表性的AI-Agents，将如何改变互联网/重塑Web3

从Agents的相关性中找可能性在AI-Agents的应用相关层面，在当前阶段我们应该尽可能用“相关性”的视角来看待AI-Agents，即对AI-Agents的可能形态抱以试错的包容性以及对创新的可能性

开源模型

一招让你的 AI 图像更惊艳！DALL-E 3 自定义指令魔法

并且如果你在提示词中包含侵权的对象，比如皮卡丘的话，DALL-E 3 因为它的内容政策会拒绝你的图片请求。

DALL-E3 文生图

如何构建基于大模型的App

在构建基于大模型的App时，很容易将这些LLM简单地用作知识/事实源（即搜索引擎）。

构建大模型App

微软对 Sora 进行了逆向工程分析，揭秘 Sora 的秘密

在此过程的最后一步，将这些潜码的视频内容转换回清晰的像素画面，并可以选择性地使用一个专门的视频画质提升模型进行进一步的优化。

Sora 微软

SD-WebUI和ComfyUI的局域网访问设置

现在把内容整理一下发出来，大家可能用得着。

comfyui stablediffusion

谈Agent构建平台的设计

面向开发者的平台其实并不难设计，但容易遇到以下问题： · 平台的设计者和开发者实际上没有做落地的算法策略的调优的能力和经验，但却自认为明白，导致做不出合理的设计折中。

Agent 构建

从声纹模型到语音合成：音频处理 AI 技术前沿 | 开源专题 No.45

· Multi Band Diffusion：使用扩散算法与 EnCodec 兼容的解码器。

AudioCraft 音频

大模型训练为什么用A100不用4090

我个人观点仍然是，AI 并不难学，要想做好 AI 系统优化，可以不懂 attention 的 softmax 里面为什么要除以 sqrt(d_k)，但不能不会计算模型所需的算力、内存带宽、内存容量和通信数据量

大模型

SD3 正式开源 Sora同源架构

Diffusion Transformer（DiT）架构：Stable Diffusion 3.0采用了与Sora相同的DiT架构，这种架构设计使得系统的扩展性更强，能够处理多种类型的输入数据支持生成视频、3D内容：

SD3 绘画

<...33 34 35 363738 39 40 41 42 ...>

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