文章列表-AI魔法学院

文章列表

零一万物API开放平台出场！通用Chat多模态通通开放，还有200K超长上下文版本

在前期的开发者邀测中，拥有阿里、美团等多家大厂工作经历的知乎大佬@苏洋就利用Yi的API搭建出了一个翻译器应用。

零一万物 YI 李开复

大模型应用发展的方向｜代理 Agent 的兴起及其未来（下）

AutoGPT是一个流行的开源项目，旨在实现完全自主的系统。

大模型

Stable Diffusion

造梦师手记：腾讯加入Stable Diffusion的ControlNet模型开发，效果艳丽

ghostmix模型作者认为，应该尽可能的少做大模型，然后使用lora、ControlNet等微调工具来适配更多的场景。

Stable Diffusion

解读OpenAI Sora文生视频技术原理

二、扩散模型与Diffusion Transformer,组合成强大的信息提取器 OpenAI 讲Sora 是一个Diffusion Transformer，这来自伯克利学者的工作

sora

有道开源的国产语音库EmotiVoice爆火了！具有情绪控制功能的语音合成引擎！

但是近期，网易有道AI算法团队也开源了一款国产TTS语音合成引擎EmotiVoice，刚上线仅一周时间就暴涨4200颗星，问鼎当周GitHub trending流行榜第一。

EmotiVoice 语音库

让你不怕任何事的3个顶级思维（建议收藏）

在人生的旅程中，我们经常会面临各种各样的挑战和困境。

灰度思维减法思维

生成式AI与大语言模型的区别

你可以交互式地指导生成过程，提供最终产生视觉上引人入胜输出的高层指导。

生成式AI 大语言模型区别

2.7B能打Llama 2 70B，微软祭出「小语言模型」！96块A100 14天训出Phi-2，碾压谷歌Gemini nano

11月OpenAI先是用GPTs革了套壳GPT们的命，然后再不惜献祭董事会搏了一波天大的流量。

小语言模型

阿里云开源通义千问多模态大模型Qwen-VL，持续推动中国大模型生态建设

在主流的多模态任务评测和多模态聊天能力评测中，Qwen-VL取得了远超同等规模通用模型的表现。

大模型

AI面部增强器-Remini

好工具不嫌多，哪怕之前本号已经推荐过好几款图像处理工具，今天还是给大家再次带来一个图像处理神器-Remini。

Remini 面部增强修复文生图

OmniVision - 968M：小巧精悍的视觉语言模型，释放多模态边缘计算强大潜能

在当今数字化与智能化浪潮汹涌的时代，人工智能技术不断取得突破性进展，多模态模型作为其中的前沿领域，正日益成为研究和应用的热点。

OmniVision -968M 多模态模型

从 GPT-4o 到 LiveKit：实时语音交互的开源实现

今天不讨论 GPT-4o 的炸裂或颠覆，而是探讨如何作为个人或独立开发者实现这项技术，以及它的应用场景。

GPT-4o 语音交互

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

以前关于遵循指令的工作主要是通过继承大型（多模态）LLMs的能力，采用轻量级的监督微调来激活模型的能力以与用户意图对齐。

大模型语音

OCR是什么以及推荐几款开源中文OCR识别软件

二、OCR的基本流程 1.

OCR

WebUI使用用InstantID，AI换脸完美版

从路线上看，主要有两条路线，一是一张图换脸，优点是操作简便，缺点是换个姿势的时候，往往不太像，roop等插件是基于这个思路；二是炼制专属LoRA，用目标的5-20张甚至更多脸部照片，训练一个LoRA，从而生成满意的换脸画面

换脸小红书

<...40 41 42 434445 46 47 48 49 ...>

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