文章列表-AI魔法学院

文章列表

6.2K Star！MIT出品的多语言语音合成神器，CPU实时推理吊打商业软件！

每种语言一套API，集成复杂得要命每次搞TTS都像在交智商税，花钱还买不到好体验。

MeloTTS 语音工具

免训练！单图秒级别生成AI写真，人像生成进入无需训练的单阶段时代

介绍作为 AI 人像写真开源项目的佼佼者，FaceChain 凭借其丰富多样的风格模版和卓越的人像保真度，深受社区的喜爱并已在商业应用中得到了广泛的应用。

FaceChain FACT 文生图

除了深度换脸、模拟配音，还能口型匹配的AI软件出现了

LipDub由初创公司Captions开发，这家公司成立于2021年，由Gaurav Misra和 Dwight Churchill联合成立。

AI

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

Stable Diffusion

Stable Diffusion基础：ControlNet之身份标识

本文给大家分享一个新的ControlNet类型：Instant ID，翻译为身份标识，核心能力是由国内的小红书团队开发的。

ControlNet 文生图

必读！RAG好用的3种Router

目前开源了很多LLMs大模，虽然GPT4o一直占据第一位的宝座，但是并不是在每个领域都很强。

RAG Router

微调大型语言模型-核心思想和方法介绍

多年来，研究人员开发了多种技术（Lialin 等人）来微调 LLM，使其具有高建模性能，同时只需要训练少量参数。

大模型训练

神奇的 OuteTTS - 0.1 - 350M：用几秒钟音频克隆声音的黑科技！

，就像婴儿开始发出模糊的音节，虽然简单但却是重要的起点。

OuteTTS-0.1-350M 音频

聊聊AI产品做算法备案这件事

群里有一个大佬总结的很形象： AI应用也是一样，你没拿到备案，你就没办法向全社会开放，也没办法收费没办法商用。

工作

玩一玩ChatGLM3，1660s即可流畅运行！

首个开源版本大概在半年前就发布了。

大模型 ChatGLM

【重磅推荐】PaddleOCR：超越人眼识别率的AI文字识别神器！

PaddleOCR是一款由百度研发的OCR开源工具，具有极高的准确率和易用性。

PaddleOCR 文字识别

Qwen7b微调保姆级教程

前方干货预警：这可能是你能够找到的，最容易理解，最容易跑通的，适用于各种开源LLM模型的，同时支持多轮和单轮对话数据集的大模型高效微调范例。

Qwen7b 大模型

人工智能大语言模型微调技术：SFT 、LoRA 、Freeze 监督微调方法

目标模型复制了源模型上除了输出层外的所有模型设计及其参数。

大模型微调

4秒惊艳！Stable Cascade AI绘画神器，设计师和普通用户的无限创意新选择

Stable Cascade不仅在使用上极具便捷性，还拥有开放的源码。

文生图绘画

盘点来自工业界的GPU共享方案

当用户程序的请求下发至内核模块cgpu_km时，模块通过修改请求及回复来限制GPU显存资源。

大模型

<...36 37 38 394041 42 43 44 45 ...>

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