文章列表-AI魔法学院

文章列表

Stability AI开源上新：3D生成引入视频扩散模型

§ 条件输入：输入图像通过VAE编码器嵌入到潜在空间中，会和噪声潜在状态合并，一起输入到UNet中；输入图像的CLIP嵌入矩阵则被用作每个Transformer模块交叉注意力层的键值对。

sv3d 建模

ComfyUI学习笔记2，一文看透Workflow

上图，从最左边加载模型开始，经过中间的CLIP Text Encode对关键词Prompt做处理，加入一个初始的Latent Image，然后是采样器，VAE解码，最后得到生成的图像。

comfyui 文生图

10秒换脸，一张图片够了！SD Roop插件教程

如下图选择“手动设置代理”，点击“编辑” 打开“使用代理服务器”选项，将上图代理ip地址和端口记录下来，点保存按钮退出。

AI换脸

Stable Diffusion

stable diffusion最全18种controlnet模型，详细教程讲解。

，就是控制，可以用调色来比喻，无论是图片调色还是视频调色都要用到很多工具，白平衡校准，色温，色相饱和度，亮度，蒙版降噪，锐化，视频的工具会多一点蒙版追踪后，人物肤色，抠像等，这个也是一样，不同的预处理器，

Stable Diffusion 文生图 controlnet

大模型应用发展的方向｜代理 Agent 的兴起及其未来（上）

代理是一种人工实体，能够通过传感器感知周围环境，做出决策，并通过执行器采取相应的行动。

大模型

Gartner：2024年人工智能渗透的十大战略技术趋势

3.AI-增强开发 AI 增强开发是使用 AI 技术（如 GenAI 和机器学习）来帮助软件工程师设计、编码和测试应用程序。

Gartner 人工智能

终极福利：15个中文AI写作提示词帮你覆盖所有主流写作场景！！！

01 文章标题生成 HEADLINES Prompt 1通用标题党生成器根据给定的主题或内容｛｛主题｝｝，请使用你的创造力和想象力

写文章

检索增强生成(RAG)：LLM企业级应用落地的挑战与思考

RAG的工作原理 RAG系统典型由三部分组成： (1) 检索器：从大规模文本数据中检索与输入查询相关的文本片段。

大语言模型 RAG检索增强

AI产品经理视角：如何构建人工智能产品

这可以是标准机器学习数据集，也可以是具有不同初始目的（您可以根据任务进行调整）的数据集。

大模型产品经理

阿里巴巴语音实验室发布开源语音处理框架ClearerVoice-Studio，支持语音增强、分离、目标说话人提取

它集成了先进的语音增强（Speech Enhancement）、语音分离（Speech Separation）和音视频扬声器提取（Audio-Video Speaker Extraction）功能，能够在嘈杂环境中清理音频

ClearerVoice-Studio 语音

开源大模型王座易主！谷歌Gemma杀入场，笔记本可跑，可商用

模型架构 Gemma 模型架构基于 Transformer 解码器，表 1 总结了该架构的核心参数。

开源模型 Gemma

基于 OpenAI Whisper 模型的实时语音转文字工具

还提供直观的图形界面，可以通过拖放界面元素来设置和控制音频处理效果和合成器。

WhisperLive 音频开源软件

盘点字节跳动最新的AI应用

还有“灵感”板块展示最近优秀的作图案例： 02 扣子 AI应用开发平台 Flow “扣子”是字节跳动开发的AI聊天机器人开发平台，可以被称之为字节版“GPT”。

字节 AI工具

46.6k星星！最强开源AI集合系统，一键部署全网AI工具都能直接用，UI简直是视觉盛宴！

也可以把它当做一个文档管理器，也非常好用，各种操作体验直接拉满。

AI开源集合

冲击传统模特，商汤发布高质量虚拟试衣Diffusion模型

LDM通过在潜空间上使用一组冻结的编码器-解码器来降低扩散模型的计算复杂度和计算资源要求。

文生图

<...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