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

笔者春节前原计划整理一下对Google Lumiere 文生视频的认知，多个因素遗憾推迟。

sora

Stable Diffusion

还没有上手Stable Diffusion XL 1.0 的同学，看这篇文章就够了

比如我之前的文章曾介绍的示例，它可以将真人模型转为迪士尼风格的图片，常用于个人头像订制等场景。

SDXL

一人搞定30万商品分类：AI落地实践故事！

嵌入式模型（Embedding）是一种广泛应用于自然语言处理（NLP）和计算机视觉（CV）等领域的机器学习模型，它可以将高维度的数据转化为低维度的嵌入空间（embedding space），并保留原始数据的特征和语义信息

embedding 大数据分类

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

分别是覆盖更大的参数量、更强的多模态、更专业的代码/数学推理模型、更快的推理速度、更低的推理成本。

零一万物 YI 李开复

GLM4 开源了！！！还有多模态

今天，我们要分享一个令人震撼的消息：智谱 AI 推出的最新一代预训练模型 GLM-4 系列中的开源版本——GLM-4-9B，现已全面开源！

智普 ChatGLM 多模态

真格基金大模型能力测试问题集---基础篇

量子力学不仅是现代物理学的基础理论之一，而且在化学等学科和许多近代技术中得到广泛应用。

大模型训练中文

MaskGCT：登上GitHub趋势榜榜首的TTS开源大模型

01 前言近日，香港中文大学（深圳）联手趣丸科技推出了新一代大规模声音克隆TTS模型——MaskGCT。

MaskGCT 声音克隆

一文汇总大语言模型LLM所有prompt提示词框架的论文出处

有一些则需要进行框架设计，如对任务进行规划、分解、组合等，包括与外界环境的交互、让人参与交互，存在一定的设计成本，市面上很多 XXXGPT 也是对这些基础手段组合后的工程实践。

prompt 提示词

国内外开源大语言模型一览表

此外，我们还针对T5模型设计了独特的知识增强预训练方法，通过实验证明了该方法的有效性。

大模型

中学生也能看懂的Sora视频生成原理解读

尽管这些照片内容和风格各异，但你能轻松地辨识每一张照片代表的地点和情感，因为你的大脑能够将这些不同的视觉信息统一理解。

视频生成 sora

金融行业中 Fintech 的应用场景

信用卡一般来说不止一张，这里的卡可能包括的信用卡也包括借记卡，全国范围里面统计平均每个人是5.46张。

Fintech 金融

OpenAI真的开源了！这波「实时语音」操作，让万物开口说话，我爱了

音频开发板 esp32s3 ，学过单片机的小伙伴都比较清楚，是一款微控制器芯片，如图长这个样子： ESP32-S3 是一款由 Espressif Systems（乐鑫科技）设计和生产的微控制器芯片

OpenAI 嵌入式实时语音 SDK

被高估的Pika，被低估的多模态AI

“之前很多公司都在卷文本大模型，GPT-4V 的出现代表多模态大模型可落地，毫无疑问明年大家都会卷多模态 AI ，原因很简单，因为 OpenAI 说明这条路是能够走得通

大模型多模态

最强国产开源多模态大模型MiniCPM-V：可识别图片、视频，还可在端侧部署

基于其领先的视觉 token 密度，MiniCPM-V 2.6 成为了首个支持在 iPad 等端侧设备上进行实时视频理解的多模态大模型。

minicpm 面壁

爆肝7天！AI艺术字终极攻略，光影、隐藏、嵌入、海报4种艺术字全拆解

随着AIGC技术迭代，越来越多有趣的玩法也被逐渐挖掘了出来像最近特别火的AI艺术字我花了一周的时间把所有的玩法研究了一遍整理出来一套完整的制作流程文章包含了从制作底图、选大模型、写关键词和

文生图

<...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