文章列表-AI魔法学院

文章列表

【开源项目】Flow Matching 语音合成

CFM是一种新技术，已被证明可以改进扩散模型，Meta的Voicebox模型将CFM引入语音合成领域，下面是voicebox的一个工作流程图 Matcha-TTS是第一个开源conditional

音视频 Flow Matching

元象首个多模态大模型 XVERSE-V 开源，刷新权威大模型榜单，支持任意宽高比输入

多模态大模型综合评测 1 融合整体和局部的高清图像表示传统的多模态模型的图像表示只有整体，XVERSE-V 创新性地采用了融合整体和局部的策略，支持输入任意宽高比的图像

XVERSE-V 多模态大模型

Stable Diffusion

OpenAI救了Stable Diffusion！开源Dall·E3同款解码器，来自Ilya宋飏等

它能让图像生成质量更高、更稳定，比如多人脸、带文字图像以及线条控制方面。

SD 文生图 DALLE

Stable Diffusion

Stable diffusion又一个电商换装/换模特辅助插件

今天继续玩换装分享一款辅助插件 Inpaint anything 这个插件结合了 segment anything 进行蒙版提取在segment anything

Stable diffusion 文生图

全新换脸工具ReActor，比roop更强！

右边的选项的意思是自动识别画面中人物中的性别进行替换。

ReActor SD 文生图

如何拥有你的卡通形象？ComfyUI-workflow

CN-Openpose 使用Openpose传达角色的姿势，图片大小将按比例缩放至最大边长800像素，避免图片过大。

ComfyUI-workflow 文生图

Stable Diffusion

Stable Diffusion高精度换脸

二、实操案例 1.图生图示例（局部重绘）操作步骤一：初版换脸 Stable Diffusion 模型：BRA_V4_2.safetensors

Stable Diffusion 文生图

比 Roop 和 Reactor 更像！IP Adapter 新模型为任何人做写真

通过修改不同的提示词，就能生成 Angelina 的各种风格的照片。

IP-Adapter 文生图

如何最简单、通俗地理解Transformer？

由此，权重通过softmax函数计算得出：下图直观描述注意力如何作用在一系列单词上。

Transformer 大模型

无限逼近真人效果的“超真实人像大模型”，或许它才是你一直在寻找的真爱！

DeepFloyd IF是一个由一个冻结文本编码器和三个级联像素扩散模块组成的模块：一个基于文本提示生成64x64像素图像的基础模型和两个超分辨率模型，每个模型都设计用于生成分辨率不断提高的图像：256x256

大模型文生图

如何用大语言模型构建一个知识问答系统

大语言模型两阶段训练示意图方案分析基于 LLM 搭建问答系统的解决方案有以下几种： Fine-Tuning 基于 Prompt Engineering[4]，比如

知识库

Sora物理悖谬的几何解释

用这种方法，Sora可以为所有的训练视频数据添加高度描述性的字幕，从而提高了训练集的质量，进一步提升系统性能。

Sora 解释

你的下一个浏览器，可以是豆包电脑版！

那我们不妨点击“脑图”这个按钮，李沐老师这期视频的内容就会被豆包以脑图的形式来呈现：但我们在观看视频的过程中，其实有时候会有根据印象中的一个关键词来找到内容的需求。

豆包浏览器

详解大模型RLHF过程（配代码解读）

大模型里边的PPO涉及到了critic model的概念，在李宏毅教程里只提了一下并没有细讲，如果想了解可以看一下这个文章，相当于利用一个critic model预测从t时刻到最后一个时刻的累加奖励值（

训练

深度｜万字访谈！Open AI Sora作者，亲自揭秘Sora原理，Sora能带我们通往AGI吗？

这里有一个示例，是一张静态图片，我们使用 DALLE-3 生成，并计划利用 Sora 为其添加动画效果。

Sora 原理

<...43 44 45 464748 49 50 51 52 ...>

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