文章列表-AI魔法学院

文章列表

用Midjourney给自己制作精美的logo或头像

在图形设计领域，人工智能正在革新logo的创建方式。

头像 logo

PymuPDF4llm：PDF 提取的革命

（三）图像提取 1.

PymuPDF4llm PDF

Stable Diffusion

Stable Diffusion教程：绘制3D风格的手办公仔

Stable Diffusion是一种强大的深度学习模型，能够将2D图像转化为具有丰富细节和质感的3D模型。

Stable Diffusion 教程 3D

NEFTune：在Embedding中加入噪⾳提⾼指令微调效果！

一.引用在LLaMA2-7B这样的原始LLM中使⽤带有噪⾳嵌入进⾏微调时，其在AlpacaEval上的性能从29.8%提⾼到64.7%（图1

NEFTune 大语言模型

解读wav2lip：探究语音驱动唇部动作的技术原理！

，而唇部区域只占整个图像的很小一部分（不到4%），因而无法聚焦唇部细节。

wav2lip 语音

中文OCR超越GPT-4V，参数量仅2B，面壁小钢炮拿出了第二弹

下面是实测的一次看图说话任务，MiniCPM-V 2.0 出现了 3 处幻觉，GPT-4V 出现了 6 处幻觉（见图下高亮红字）：除了越来越强大的通用能力

MiniCPM 大模型

达摩院SPACE对话大模型：知识注入与知识利用

但是，本质上都还是语言模型，如上图右边的流程图所示，输入基本上为网络上的自由文本，模型基本上都是 Transformer 结构，优化的目标基本上都是 MLM（掩码语言模型）。

大模型

分析过688篇大模型论文，这篇论文综述了LLM的当前挑战和应用

图 1：LLM 挑战概况。

开源模型

用AI轻松玩转年度总结PPT

按输出分，AI 分为对话 AI，图片 AI，视频 AI。

PPT 年终总结

ComfyUI | 这么入门就顺了，硬入疼的是自己

基础工作流五核心板块（大模型、VAE、提示词、参数采样设置和生图窗口）本人是三维软件爱好者，像OC渲染器这种节点连节点的看多了，看Comfy界面自带好感，但是直接看内容逻辑就有点卡眼睛，于是就从熟悉的

生成式AI

用AI生成PPT、用AI优化PPT!

生成的PPT颜色可以随时让它修改生成的部分PPT 生成后的PPT，我发现部分配图和内容不对应，部分文字内容前后重复。

AI ppt

Fastwhisper + Pyannote 实现 ASR + 说话者识别

wespeaker-voxceleb-resnet34-LM https://huggingface.co/pyannote/segmentation-3.0 最后再修改下config.yaml里的模型路径，参考我的：在这里插入图片描述

faster-whisper 语者识别 ASR

一文看懂RAG：大语言模型落地应用的未来

RAG的演进轨迹在四个不同阶段展开，如下图所示。

rag 检索增强

深入浅出人工智能常用技术，让你轻松掌握AI应用核心！

机器学习算法包括分类、聚类和回归等，这些算法在图像识别和语音识别中得到了很好的应用。

人工智能

7.1k Star！RAGFlow：最新开源OCR+深度文档理解的RAG引擎、大海捞针测试、降低幻觉、服务化API集成进业务！

这就好比你问了一个复杂的问题，RAG先跑去图书馆查资料。

OCR RAG 开源

<...46 47 48 495051 52 53 54 55 ...>

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