文章列表-AI魔法学院

文章列表

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

随后，序列会被填充词元补齐，以满足批处理操作所需的固定序列长度。

sora 论文

解读wav2lip：探究语音驱动唇部动作的技术原理！

推荐使用视频帧率为25fps，音频采样率为16k，视频的一帧对应音频块的长度为16。

wav2lip 语音

LLM大模型推理输出生成方式总结

(no_repeat_ngram_size=6即代表:6-gram不出现2次) 限制采样Trick Temperature 方式：通过温度，控制每个字的概率分布曲线。

大模型

Stable Diffusion

Stable Diffusion真实人物转卡通证件照（2.0版）

EasyNegativeV2 ng_deepnegative_v1_75t bad-image-v2-39000 迭代步数 (Steps)：20 采样方法 (Sampler)：DPM++ SDE Karras 宽度：

Stable Diffusion 文生图

解读OpenAI Sora文生视频技术原理

，xT是与x0具有相同维度的潜变量。

sora

[Midjourney]人物镜头拍摄视角大全

正面拍摄是一种基本的、最常用的拍摄角度。

视图视角构图

Google 模型解读 | MoveNet-SinglePose：自底向上做单人姿态估计

从MoveNet的技术博客分享中，我感受到Google在这方面的工程能力确实值得我们学习，它在两种范式之间取得了优秀的平衡，既避免了单独训练一个det模型，又尽量保留了单人姿态估计的精度优势。

MoveNet-SinglePose Google 模型

大语言模型定制化应用的三种方式：Prompt engineering、Fine tuning、Pre-trainning的区别

这种方法适用于特定任务的应用，需要模型具备高度适应性和精度。

大模型

再也不怕合照缺人，Anydoor为图片编辑开了一道「任意门」

为了做到这一点，作者的核心思想是用身份和细节高度相关的特征来表示目标对象，然后将它们组合到与背景场景的交互之中。

Anydoor 文生图

RAG 修炼手册｜一文讲透 RAG 背后的技术

下图是展示一个 2 维的向量空间的例子（实际可能是比较高的维度）。

RAG Embedding

比真人还像真人！字节跳动PersonaTalk的黑科技有多强大？

无论是微笑、说话，还是任何面部表情，视频中人物的嘴唇动作都和新配音的语音高度一致。

PersonaTalk 视频

数字人：从科幻走向现实的技术革命

这使得数字人能够展现出与真人一样的动作和表情，增加了其真实感和可信度。

数字人语音

公司如何使用ChatGPT进行内容营销？

这些尖端技术使ChatGPT能够从事高度互动和上下文感知的内容创作，使其成为市场营销的宝贵资产。

大模型

20%杨幂+80%霉霉=？这款“人脸拼接”的AI应用还能这么玩

用户只需提供一张面部图像，InstantID 就能在多种风格中生成个性化的图像，同时确保高保真度。

InstantID 文生图

Stable Diffusion

【Stable Diffusion操作入门】Stable Diffusion 操作界面及基础参数介绍

输出分辨率（宽度和高度）图片分辨率非常重要，直接决定了你的图片内容的构成和细节的质量。

文生图 SD

<...37 38 39 404142 43 44 45 46 ...>

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