文章列表-AI魔法学院

文章列表

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

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

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

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

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

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

用户意图对齐，无需人工标注，Zephyr-7B 超越 Llama2-Chat-70B

基于 "今天是晴天，温度约为25°C。"

小型语言模型 Zephyr-7B

探索Sora的魔法世界：功能展示、原理解析、未来市场影响大猜想！

而OpenAI的Sora可以生成最多1分钟的视频（估计还能更长，很可能OpenAi在时间长度上做了限制，比如会员解锁更长）。

视频生成 sora

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

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

AI绘画Stable-Diffusion风格化实战

从具体的艺术家，画派，题材等多个维度对 Midjourney 的图片风格进行了分类和汇总，可以说是非常全面和系统的一个Midjourney样式参考库。

Stable-Diffusion 文生图

LLM应用架构之检索增强（RAG）的缘起与架构介绍

这一个致命缺陷就是prompt是有长度约束的，并且这一长度很难快速提高，因为它的增长带来的计算量（FLOPS）是呈O(n^2)增长的，具体推算逻辑可以查看：一文探秘LLM应用开发(12)-模型部署与推理

LLM

GPU 性能（数据表）快速参考

o FP代表浮点运算数据格式，包括双精度（FP64）、单精度（FP32）、半精度（FP16）以及FP8等，INT代表整数格式，包括INT8、INT4等。

GPU 算力

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

<...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