文章列表-AI魔法学院

文章列表

生成式AI领域拓展！MetaAI开源AudioCraft：一个支持AudioGen、MusicGen等模型的音频生成开发框架

在过去的几年里，我们看到了AI在图像、视频和文本生成方面的巨大进步。

开源模型

Stable Diffusion

嘴里塞饭型Stable Diffusion提示词写法实用小笔记

Highly detailed 增加很多的细节，有时候描述没有那么多，随手丢进去，它会补细节。

stablediffusion prompt 提示词

阿里Outfit Anyone实现真人百变换装

扩散模型已经证明了它们能够生成高质量和逼真的图像，但当涉及到虚拟试妆等条件生成场景时，它们在实现控制和一致性方面仍然面临挑战。

Outfit Anyone 阿里

中学生也能看懂的Sora视频生成原理解读

写在前面 Sora 是 OpenAI 在24年2月14号发布的超强视频生成AI，旨在探索AI如何在理解真实世界运动和交互方面做得更好本文的文字部分，由 WebPilot

视频生成 sora

FaceFusion参数详解

当然，如果你启动的是WEBUI，那么大部分参数也可以通过界面调整。

FaceFusion 文生图

【CLIP系列Paper解读】CLIP: Learning Transferable Visual Models From Natural Language Supervision

我们在30个不同类型的下游CV 任务上进行了基准测试，并展示了我们模型强大的迁移能力，其在很多下游任务上不需要任何额外的数据也能比拟完全supervised的模型。

OpenAI 自然语言监督

GPTs使用指南 | 保姆级GPTs入门教程，0代码基础也能做AI产品

1、点击Explore，进入GPTs的应用界面。

GPTs 入门教程

来自Microsoft Build 2023：大语言模型是如何被训练出来的

本文也根据这三个阶段详细介绍里面涉及到的内容。

大模型

【AI科技大创意】2024年人工智能10大趋势

到目前为止，基于价值的护理尚未发挥出其全部潜力，但AI为医疗提供者带来的赋能可能性有望改变这一发展轨迹，使其朝着更好的方向发展。

人工智能趋势

LLM每周速递！大模型最前沿：多模态RAG、RAG加速、大模型Agent、模型微调/对齐

LMU | 多模态RAG系统论文：https://arxiv.org/pdf/2410.21943 检索增强生成（RAG）主要解决的是大模型缺乏领域知识且容易产生幻觉的问题。

大模型研究

变天了，AI可以一键生成中文海报了......

第一步：使用Claude（或者其他AI聊天工具），上传图片并输入提示词：“请详细描述该海报的设计风格、画面构成和文字布局，要求通过文字描述准确还原视觉效果。”

2.1图像模型文生图

来个优秀的开源人脸识别项目！

指纹识别技术具有实用性强、采集和使用方便等优点。

人脸识别开源项目

LangChain - RAG: 拿什么「降伏」PDF 中的 Table 类型数据

比如 RA-DIT 试图通过增强 RAG 用到的 LLM + 单独训练一个 retriever 的方式加强 LLM 「自有」知识和外挂知识的双向奔赴

大模型 LangChain RAG

如何用人工智能提升打工人的文案能力

展开：想要更全面地理解一个主题。

提示词

Stable Diffusion

Stable Diffusion基础：ControlNet之图片高仿

今天继续给大家分享AI绘画中 ControlNet 的强大功能，本次的主角是 Reference，它可以参考一张图片生成另一张看起来差不多的图片，这句话说起来有点绕，如果换成高仿，大家应该就明白了吧。

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