文章列表-AI魔法学院

文章列表

阿里&字节发表VividTalk，只需单张照片即可根据音频生成栩栩如生的人物说话头像视频

为了最大程度地增加生成视频的逼真度，需要考虑非刚性面部表情组件和刚性头部组件。

VividTalk 视频

AI提示设计技巧剖析 - 29个动词助你获取更好文本生成

7.改编(Adapt) 场景：这是一篇讲述保护环境的英文文章。

提示词文本

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

音乐可能是最具挑战性的音频类型，因为它由局部和长程模式组成，从一系列音符到具有多种乐器的全局音乐结构。

开源模型

微信向量检索分析一体化数仓探索：OLAP For Embedding

算法工程师急需更便捷的工具流程来实现这一常用的业务功能。

OLAP For Embedding 一体化数仓

AI Agent / 智能体观察笔记（中）

涌现出的社会行为智能体会与其他智能体交换信息、形成新的关系，并且共同组织活动，这些社会行为都是”涌现“而非提前编程实现的。

大模型

AI 绘画新时代：ChatGPT + DALL-E 3

Consistency Model：https://arxiv.org/abs/2303.01469 扩散模型在图像、音频和视频生成的领域中实现了显著的进步，但这一模型依赖于一个缓慢的迭代抽样过程。

文生图图生图 chatGPT DALL-E

图像修复神器：女神青涩时纤毫毕现！腾讯AI模型GFPGAN火上GitHub热榜第一，Demo在线可玩

两个模块通过隐编码映射和多个信道分割空间特征变化层（CS-SFT）连接。

修复绘画高清

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

： · Sample所有N个class，得到N个input text，都经过text encoder编码得到对应的

OpenAI 自然语言监督

研究人员开源中文文本嵌入模型，填补中文向量文本检索领域的空白

该项目主要作者、MokaHR 自然语言处理工程师王宇昕表示：“我相信 M3E 模型将成为中文文本向量检索中一个重要的里程碑，未来相关领域的工作，都可能从这些开源的资源中收益。”

GPT

300天里，我帮你踩遍了AIGC创业的各种坑

作为团队带头人，或者公司CEO，你必须比团队里的任何人都熟悉提示词的用法和技巧，这就是典型的一把手工程。

AIGC 创业

AI虚拟主播数字人技术实现Wav2Lip

本文目录第一部分：深度伪造技术概述第二部分：Wav2lip技术概述第三部分：使用Wav2Lip进行AI主播虚拟人的深度实践第四部分：效果评测第五部分：Wav2Lip完整版教程的下载

数字人视频

Midjourney AI 绘画美女提示词分享一

今天小编将继续分享Midjourney的提示词，但这些提示词并不仅局限于MJ，也适用于StableDiffusion。

Midjourney 文生图

【开源看AI】4.2K star！Reor：AI自动帮你发现知识之间的连接

不过Quivr侧重的是将你已有的、很大可能是从其他地方得来的知识文档（比如PDF、 Word等）汇总成不同主题的Brain，这个汇总的过程是手动的，需要用户自己介入的。

Reor 开源工具知识管理

AIGC系列之一-一文理解什么是Embedding嵌入技术

FastText的核心思想是将单词视为字符的n-grams的集合，在训练过程中，模型会同时学习单词级别和n-gram级别的表示。

AIGC Embedding 嵌入技术

ViTPose+：迈向通用身体姿态估计的视觉Transformer基础模型

具体来说，ViTPose使用了简单的视觉transformer作为编码器对输入图像进行特征提取。

ViTPose+Transformer 身体姿态

<...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