文章列表-AI魔法学院

文章列表

惊艳！2.77亿参数锻造出Agent+GPT-4V模型组合，领航AI领航机器人、游戏、医疗革新，通用智能时代你准备好了吗？

这个模型能处理文本、图像、动作输入，轻松应对多任务挑战，甚至跨界在机器人、游戏、医疗等领域展现强大实力。

Agent+GPT-4V 大模型

深入浅出：大语言模型中必不可少的技术——Embedding简介

、图片、音频）映射到低维度空间的过程。

embedding

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

audio2photoreal的核心技术是基于深度学习的图像生成模型，它可以从音频中提取语音特征，然后用这些特征来控制人脸和身体的运动。

audio2photoreal 开源工具

保姆级AI写论文，ChatGPT写论文指令全集

提纲指令：我的论文课题是《xxxxx》，请帮我列出论文目录，细化到三级标题。

ChatGPT 指令

RAGFlow：开源的RAG引擎，专注于深入的文档理解，支持处理各种复杂格式的非结构化数据

该项目提供了一个简化的RAG工作流，适用于各种规模的企业，通过结合使用大型语言模型（LLM）来提供基于严谨引用的真实问答能力。

RAGFlow RAG 开源

苏秦(suqin) 语言大模型全工具链 WebUI 整合包

项目简介本项目目标是实现目前各大语言模型的全流程工具 WebUI 整合包。

大模型

大模型+人形机器人，是不是下一个风口？

随着ChatGPT以前所未有的速度火出圈，大模型也迅速从过去的遥不可及走到了我们身边。

大模型

国内AI大模型已近80个，哪个最有前途？

比如现在做视频生成的很多，字节暂时并没有像 Runway ML 那样做端到端的生成，而是走了更务实的路线，把 AI 能力放到剪映里面，使用户更容易创作短视频。

大模型

MaskGCT：登上GitHub趋势榜榜首的TTS开源大模型

MaskGCT是一个两阶段模型：在第一阶段，模型使用文本预测从语音自监督学习（SSL）模型中提取的语义标记；在第二阶段，模型基于这些语义标记预测声学标记。

MaskGCT 声音克隆

宁德核电推出全球参数量最大的核工业大模型｜InfoQ 独家

· 核工业首个多模态 AI 讲师书锦，通过文字、图像、语音的多模态交互，实现了 AIGC

宁德核电大模型

Stable Diffusion

50张图“毒倒”Stable Diffusion，汽车和牛都分不清了

没中毒时模型生成的狗是左图这样婶儿的，中毒后生成的狗如右图（喵）：生成汽车更离谱，这是生成了辆牛车？

StableDiffusion

10秒换脸，一张图片够了！SD Roop插件教程

本文旨在帮助用户完成诸如自定义角色、电商模特形象调整等任务。

AI换脸

备案通过且面向公众开放的国产精品大模型汇总，附访问链接

全球首个图文音（视觉-文本-语音）三模态预训练模型（OPT-Omni-Perception pre-Trainer），同时具备跨模态理解与跨模态生成能力，取得了预训练模型突破性进展。

大模型国产

ChatGPT论文润色进阶指令

此外，GPT-4.0具备处理更长文本的能力，并有更大的记忆容量，这在整篇文章的润色工作中尤为重要。

ChatGPT 写作

开源语音大语言模型来了！阿里基于Qwen-Chat提出Qwen-Audio!

然而，语言模型缺乏像人类一样感知非文本模态（如图像和音频）的能力。

大模型语音

<...38 39 40 414243 44 45 46 47 ...>

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