文章列表-AI魔法学院

文章列表

Fastwhisper + Pyannote 实现 ASR + 说话者识别

因为其实我们最近一直在做海外业务所以说我们碰到了一些问题可以一起分享出来给大家其实一起探讨一下其实海外我们还是这个观点说是无论你准备工作做得有多充分无论你有学习能力有多强你一个中国企业的负责人其实在出海的时候它整体还是一个强势的是做的过程 SPEAKER_03[90.50s -> 101.60s] 后来推到德国或者推到新加坡印尼越南等等这些地方每一个地方走过去都面临的一个问题是建站的效率怎么样能够快速地把这个站点建起来

faster-whisper 语者识别 ASR

SD入门教程六：ControlNet基础入门

这些信息都可以通过 ControlNet 来控制模型生成的图片。

ControlNet 文生图

用户意图对齐，无需人工标注，Zephyr-7B 超越 Llama2-Chat-70B

该研究目标是创建一个与用户意图更符合的小型语言模型。

小型语言模型 Zephyr-7B

斯坦福宣布前端开发要失业了？！一张截图生成代码，64%优于原网页！

这种对复杂技能的依赖阻碍了许多非专业人士构建自己的网络应用程序，即使他们对要构建或设计的内容有具体的想法。

设计转代码大模型

世界上最流行（github排名高）的开源移动机器人的操作系统ROS开源了！！

ensp; § ROBOTIS OP3 不附带设计皮肤，但是提供了 3D 建模文件以支持默认设计皮肤的

ROS 机器人开源模型

Stable Diffusion

stable diffusion十七种controlnet详细使用方法总结

前言今天我要做个controlnet 使用方法总结，如果你们对所有controlnet用法，可能了解但是有点模糊，希望能对你们有用。

绘画作图

固定的“魔咒”：正负面质量标准化提示词

fingers, extra digit,bad hands, missing fingers, (((extra arms and legs))), *广泛适用于写实及二次元风格，可以考虑搭配不同模型使用

提示词 prompt 绘画文生图

本地部署操作AI抠图软件

百度飞桨PP的 PaddleSeg内置了两个模型 PP-Matting 和 PP-MattingV2。

抠图

【语音识别】OpenAI语音力作Whisper

三、模型模型结构是encoder-decoder transformer，中间attention模块前后有残差链接，encoder用的是self attention，decoder用的是

语音转文字 whisper

点评：六大向量数据库

AI研究院，推出的各种模块库构架图，为国内众多AI初创企业，快速掌握各种AI模块库底层核心算法，提供了一个超级神器。

向量数据库

Stablediffusion3论文下载-确定了Stablediffusion3与Sora的架构是一致的

具体来说，我们使用三种不同的文本嵌入模型--两种 CLIP 模型和 T5--来编码文本表征，并使用改进的自动编码模型来编码图像标记。

SD 论文

它来了！SDXL + ControlNet 终于强强联合！

其中前两个模型为 Hugging Face 上一个称作 “diffusers” 的团队发布，这个团队为非盈利组织，由多名AI热衷者自发组建而成，发布过许多 diffusion 相关的模型。

SDXL

一键AI换脸！小红书和北大合作的InstantID

仅更新新添加的模块，而预先训练的文本到图像模型保持冻结以确保灵活性。

InstantID 文生图

一个令人惊艳的图片高清化重绘神器：SUPIR来了！

小图看着不是很明显，放大对比效果比较明显，建议实际试试。

SUPIR 文生图

WebUI使用用InstantID，AI换脸完美版

Image Adapter：引入一个轻量级的适配模块，将提取的身份信息与文本提示结合起来。

换脸小红书

<...48 49 50 515253 54 55 56 57 ...>

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