文章列表-AI魔法学院

文章列表

OCR终结了？旷视提出可以文档级OCR的多模态大模型框架Vary，支持中英文，已开源！

确实，在 400M 图像文本对训练的 CLIP 有很强的视觉文本对齐能力，可以覆盖多数日常任务下的图像编码。

OCR 手写文字识别

Flowith：革新你的工作方式，体验节点式 AI 的超流畅生产力

· 图像生成和语音合成：内置图像生成和语音合成功能，增强内容创作的多样性。

Flowith GPT 生产力工具

说真的，SDXL究竟藏着多少秘密，也许没人知道

如果仅仅20张图片就能做到这样的效果，很显然，拥有着35亿参数的SDXL记下了海量图库，它能复现（瞎猜）的图像，同样是难以估算的天位数字。

文生图

大语言模型LLM和知识图谱KG增强的企业搜索应用

但它非常擅长这些模式，以至于它可以像你一样书写文本，可能更好。

开源模型

中文通用大模型最全汇总

PolyLM 地址：https://github.com/DAMO-NLP-MT/PolyLM 简介：一个在6400亿个词的数据上从头训练的多语言语言模型

大模型开源模型

ComfyUI进阶前必备插件们续

就像WebUI一样，一款工具之所以被大家喜爱，能持续成为生产力，必然和他的生态有着密不可分的关系。

ComfyUI 文生图

生成式人工智能的“经济学”，The Economic Case for Generative AI

假设我想要创建一个像皮克斯角色一样的形象。

生成式人工智能经济学

实战:如何用AI Agent实现ChatGPT流程化写作，产能翻倍

ChatGPT 虽然是个相当厉害的 AI 聊天机器人，能回答你各式各样的问题，并根据你的需求生成内容，但它其实更像一个等待指令的工具，而非一个能自主思考的助手。

Agent 写作

RAGFlow：开源的RAG引擎，专注于深入的文档理解，支持处理各种复杂格式的非结构化数据

$ git clone https://github.com/infiniflow/ragflow.git 3.构建预构建的Docker镜像，

RAGFlow RAG 开源

人话聊AI大模型：AIGC如何助力营销的秘密（下）

以下为典型应用场景以及展望未来的脑图：典型应用场景营销可能是AIGC短期应用场景聚集度最快和最高的领域，从企业角度来看，AIGC在营销领域的应用就像是一位顶级营销大师的魔法手杖可以轻松提高效率

大模型

测评了8个国产AI大模型，差点崩溃……

六、MiniMax 其实从交互界面上来说，风格像极了二十年前的网站，喜欢怀旧风格的人可以尝试下。

大模型测评

Stable Diffusion

造梦师手记：腾讯加入Stable Diffusion的ControlNet模型开发，效果艳丽

ControlNet 在论文里提到，Canny Edge detector 模型的训练用了 300 万张边缘-图像-标注对的语料，A100 80G 的 600 个 GPU 小时。

Stable Diffusion

来个优秀的开源人脸识别项目！

指纹识别技术：通过光学、半导体电子信号、超声波、温差等方式采集指纹特征成像，经过数字化处理和分析后，提取为可以接受的指纹数字特征信息。

人脸识别开源项目

第3期 SDXL和SD的10大区别！你知道几个？

另外 SDXL 原生支持更多不同的分辨率，如：768 x 1344: 竖屏 (9:16)、915 x 1144: 肖像 (4:5)、1024 x 1024: 方形 (1:1

文生图

Stable Diffusion

[Stable Diffusion]SD安装、常用模型（checkpoint、embedding、LORA）、提示词具、常用插件

以下是一些安装方式：AutoDL：AutoD镜像版本，现在维护到V16。

开源模型文生图图生图提示词

<...45 46 47 484950 51 52 53 54 ...>

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