文章列表-AI魔法学院

文章列表

【语音识别】OpenAI语音力作Whisper

因此，Whisper 训得的checkpoint可应用于超过96种语言，这其中包含不少数据匮乏的小语种。

语音转文字 whisper

一文读懂GPT-1：生成式预训练如何提升语言理解

GPT-1基本原理 GPT-1模型主要包含两个阶段： 1.利用大量未标注的语料预训练一个语言模型； 2.对预训练好的语言模型进行微改，将其迁移到各种有监督的NLP任务，并对参数进行fine-tuning

GPT

超越Animate Anyone! 南加大&字节提出MagicPose，不需任何微调就可生成逼真的人类视频

为此，我们提出了一种两阶段的训练策略，以分离人体动作和外观（例如面部表情、肤色和着装），包括对同一数据集的人舞姿势的外观控制块的预训练和对外观-姿势-联合控制块的精细调整。

MagicPose 视频

Stable Diffusion

Stable Diffusion AnimateDiff | 最稳定的基于文本生成视频的方法

->从网址安装中填入 https://github.com/continue-revolution/sd-webui-animatediff.git 如果你没办法通过网站安装，安装包也给大家准备好了

动画 animate sd

如何免费打造自己的数字人主播：StableDiffusion插件SadTalker打造本地数字人主播

首先你得有一台不错显卡的电脑，然后下载stable diffusion 秋叶大佬的一键启动包，地址如下：https://space.bilibili.com/12566101。

数字人

鹅厂最新AI工具刷屏！杨幂寡姐多风格写真秒秒钟生成，LeCun点赞 | 可免费体验

由于训练过程需要使用按ID分类的数据集，但现有数据集要么没有注释ID信息，要么所包含的场景丰富度有限，比如只关注面部区域。

PhotoMaker 图生图

掌握这10个AI 工具用1小时完成别人1周的工作

Vondy种类丰富多样，包含商业、设计、营销等20个类别。

AI 工具

混合专家模型 (MoE) 详解

MoE 层包含若干“专家”(例如 8 个)，每个专家本身是一个独立的神经网络。

MoE大模型

3 个令人惊艳的 AI 文档神器，开源了！

GitHub：https://github.com/mayooear/gpt4-pdf-chatbot-langchain 使用的技术堆栈包括 LangChain、Pinecone、Typescript

大模型开源模型

Stable Diffusion

详解Stable Diffusion提示词prompt语法

engine rendered（虚幻引擎渲染）我们可以使用通用型举例，如果加上高画质的 prompt，那么出图的质量就会大大提升 2.画风画风就包括很多了

SD prompt 文生图提示词

Llama 3突然来袭！开源社区再次沸腾：GPT-4级别模型可以自由访问的时代到来

架构层面，Llama 3选择了经典的仅解码（decoder-only）式Transformer架构，采用包含128K token词汇表的分词器。

meta llama3

Stable Diffusion

小白设计师福音：Stable Diffusion 16款插件测评，好用不？推荐吗？

其中包含，中文输入自动转英文、自动保存使用描述词、描述词历史记录、快速修改权重、收藏常用描述词、翻译接口可以多种选择、一键粘贴删除描述词等。

SD 插件文生图

Stable Diffusion

【Stable Diffusion操作升级】Stable Diffusion 常用模型下载与说明

checkpoint模型包含生成图像所需的一切，不需要额外的文件。

文生图 SD

国产大模型与全球最强大模型大比拼：语义理解、数学推理同台竞技，究竟谁更厉害

该测试涵盖57项任务，包括初等数学、美国历史、计算机科学、法律等。

大模型

Whisper对于中文语音识别与转写中文文本优化的实践(Python3.10)

它提供了各种预训练的模型，包括文本生成、文本分类、命名实体识别等多种NLP任务的模型。

Whisper 语音优化

<...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