文章列表-AI魔法学院

文章列表

使用ComfyUI玩SDXL的正确打开方式

今天，我们就要好好研究一下，如何在comfyUI中搭建SDXL的工作流，以及对比一下comfyUI和webUI在生成图片效率上的差别。

文生图 ComfyUI

TrOCR——基于transformer模型的OCR手写文字识别

这里一旦提到OCR相关的技术，肯定第一个想到的便是CNN卷积神经网络，毕竟CNN卷积神经网络在计算机视觉任务上起到了至关重要的作用。

OCR 手写文字识别

Stable Diffusion

耗时80小时！超详细的胎教级Stable Diffusion使用教程，看这一篇就够！

负面关键词我们就复制前面给大家的就可以啦接着我们就在这个空白的地方点击上传自己需要生成的照片接着鼠标往下移，找到“重绘幅度” 重绘幅度的意思就是你要改变你原来照片的程度

文生图

F5-TTS：上海交大开源超逼真声音克隆TTS，告别ElevenLabs，以后就用它了！实测真的很牛

技术亮点 1、全非自回归架构：传统的文本到语音(TTS)系统多使用自回归模型，这种模型一次生成一个音频片段，处理速度较慢。

F5-TTS 音频克隆

Stable Diffusion

stable diffusion 远端跑图—— Api基础知识掌握

如果你想用手机或者电脑访问自己的服务器进行stable diffusion（以下简称sd）跑图，学会使用sd的api是必须的技能上个月做了安卓和苹果手机用远端sd进行跑图的几个demo，整体流程很简单

文生图 api

生成式AI工作流#产品经理和创业者的秘密武器

例如，著名图片生成工具Midjourney以对话机器人的形式呈现，用户只要在Discord中和它对话就能获得高质量的图片，因为Midjourney很清楚地知道：用户更关心的是我们能不能根据提示词生成优质的图片

AIGC 工作流

体验完阿里的EMO模型，我emo了

; 进入主页面后，可以发现目前主要有两个功能，一是全民舞王，二是全民唱演三、全民舞王体验全民舞王利用的是一种AI生成3D骨骼的技术

EMO 文生图

AI Agent行业深度：框架拆解、应用方向、应用领域及相关公司深度梳理

但如果想要在真实世界中实现通用性，基于当时的技术水平还难以实现。

AI Agent 大模型人工智能

通俗易懂地解释OpenAI Sora视频生成的特点有哪些？它与此前的Runway Gen2、Pika有什么区别？以及缺点是什么？

另外值得一提的是，OpenAI Sora模型还可以直接生成图片，也就是说，它是一个以视频生成为核心的多能力模型。

sora 视频生成

最新最强开源模型Qwen3本地运行指南！Windows+ollama+chatwise轻松搞定

你会发现，Qwen3已经在热门排行榜上位居第二名了，从卡片信息中可以看到，它发布仅仅五个小时，就已经有32k的下载量了，这足以证明它的受欢迎程度。

Qwen3 开源模型

2024，智谱如何更快？

其中，GPT-4最大的突破是能够处理图像，并能准确理解图片的含义，给出解答。

GPT-4 大语言模型

解放AI生产力——为什么要使用ComfyUI

大哥，cg的动作，场景细节，光照角度，视角都是要设计的，绘画本身是一门艺术，应该要告诉玩家某种感觉，只是排放一堆图片给观众的话，观众容易审美疲劳，谁还会注意你的音乐，图片的细节啊。

文生图

【万字长文-进阶教程】一文带你从入门到精通ChatTTS, 手把手教你固定音色、设置语速、添加停顿词、口头语、笑声！！

直接手动添加笑声laugh %%time my_text="""不跟生活认输，不向岁月低头[laugh]。

chattts tts 文生语音

AI帮你DIY新年祝福海报，拜年必备神器！

ensp; 通义实验室（Institute for Intelligent Computing）是阿里巴巴集团众多前沿科研机构中的一员，主要致力于研发和实践各领域大模型技术

拜年海报 ai绘画

耗时7天，终于把15种ControlNet模型搞明白了

我们的大模型和关键词也非常关键要换照片风格一定要记得换大模型二次元图片用anything 真实照片可以用chilloutmix 接下来我们就看一下每一种预处理器和模型都有什么用

文生图

<...42 43 44 454647 48 49 50 51 ...>

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