文章列表-AI魔法学院

文章列表

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

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

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

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

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

Cursor设计主管分享AI写出高质量代码的12个超绝妙招

最近AI编程领域那可是热闹非凡呐，就像一场盛大的派对。

MCP 代码

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

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

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

确实很神奇! 通过 Prompt 中加入“这件事对我的事业至关重要”这样的情感激励可以提升 LLMs 的表现

尽管大型语言模型(llm)越来越被视为向人工智能迈进的一步，在许多任务中表现出令人印象深刻的表现，但llm是否能够真正掌握心理情绪刺激仍然不确定。

Prompt 大模型情感激励

几款开源的OCR识别项目，收藏备用

github.com/naptha/tesseract.js.git PaddleOCR PaddleOCR是百度开源一套OCR,旨在打造一套丰富、领先、且实用的OCR工具库

OCR

手把手带你微调一个自己的 ChatGLM2-6B 模型

ChatGLM2 6B 介绍ChatGLM2 6B 介绍 ChatGLM2-6B 是开源中英双语对话模型 ChatGLM-6B 的第二代版本，在保留了初代模型对话流畅、部署门槛较低等众多优秀特性的基础之上

ChatGLM2-6B

SEO知识点入门

背景篇：第一次接触SEO应该是在我毕业面试第一份工作的时候，当时面试的时候，面试官问我的第一个问题就是：你知道什么是SEO吗？

大厂都在用的结构化Prompt，把写提示词变成填空题！

最近在做关于AI的一些项目，在过程中发现一些同学依然用不好ChatGPT，主要卡在Prompt的撰写这一步。

prompt 大模型

【SD魔法手册】之25个常用服饰类咒语（Prompt）

工装 Prompts： workwear style, denim overalls, utility jackets, sturdy boots, canvas pants, plaid shirts

提示词 SD

<...41 42 43 444546 47 48 49 50 ...>

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