文章列表-AI魔法学院

文章列表

教你用StableDiffusion设计AI数字人

▲ 超强代入感与真实感的购物体验不仅如此，结合AI的数据分析能力，未来的线上购物体验能做到不仅适体，更合心意。

文生图

AI声音克隆 | 最全最简教程（权威版）

一直没有写过关于声音克隆的文章，所以这次补上，毕竟这个用的还真是有点多，也为后面更多的个性化配音做好准备。

声音克隆教程

马斯克怒告OpenAI案解密：Ilya看到了什么？125万亿参数Q*细节曝光，53页PDF全网疯转

在拨开无知的面纱和探索未知的边界时，我有幸在场，这是我职业生涯中的荣幸。

OpenAI 大模型

吴恩达老师建议大家关注 AI 智能体工作流

并且他们总结了一套智能体设计模式： · • 反思：让大语言模型对自己的结果检查改进 · · • 使用工具：让大语言模型调用外部工具

智能体大语言模型

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！

— 这一次，只需一句话命令，多模态大模型 Vary 直接端到端输出结果：无论是中英文的大段文字：还是包含了公式的文档图片：又或是手机页面截图

OCR 手写文字识别

掌握 Midjourney 提示词技巧成为 25 个流派的摄影大师

close-up dramatic portrait of an elderly man with intricate facial details, Canon 5D Mark IV (一位老人的特写肖像，面部细节错综复杂

文生图摄影提示词

【万字干货】掌握 Midjourney 提示词技巧成为 25 个流派的摄影大师

close-up dramatic portrait of an elderly man with intricate facial details, Canon 5D Mark IV (一位老人的特写肖像，面部细节错综复杂

文生图训练提示词 Midjourney

阿里Qwen3系列模型惊艳亮相

下面给大家说说具体的下载地址： · HuggingFace地址：https://huggingface.co

阿里 Qwen3 大模型

语音克隆又又又又又升级了

之前在前面的文章中有介绍，克隆你的声音，只需要你三秒的录音，声音克隆又进化了！

Meta 语音生成

华为盘古画画3.0发布 | PanGu-Draw：业界最大的中文文生图模型，效果YYDS！

另一方面，由于图像分辨率和潜在空间嵌入结构不兼容，现有的扩散模型(每个模型专门用于不同的控制并在独特的潜在空间中运行)的集成带来了挑战，阻碍了它们的联合使用。

PanGu-Draw 文生图

6.2K Star！MIT出品的多语言语音合成神器，CPU实时推理吊打商业软件！

我花了半年时间测试了市面上十几款TTS方案，从Azure Speech到Google Cloud TTS，结论很残酷：要么贵得离谱，要么质量烂得像机器人念书。

MeloTTS 语音工具

深度体验3天后，我把腾讯这款copilot锁进了程序坞

这样一来，一个更懂你、更聪明、能力更强大的AI智能工作台就出现了，深入体验了三天的我迅速将其锁定到“程序坞”。

copilot ima 知识库

Yann LeCun杨立昆最新观点：AGI不存在

Yann LeCun 倡导开源人工智能，相信它可以增强人类的善良并对抗专有系统的危险。

AGI 大语言模型观点

万字长文震撼来袭！揭秘Transformer——吐血解读自注意力机制的革命性突破

注意力机制已经成为各种任务中强大序列建模和转换模型的重要组成部分，允许模型在不考虑输入或输出序列中距离的情况下建模依赖关系[2，16]。

Transformer 大模型

Deepseek-V2技术报告解读！全网最细！

下面我们结合代码和技术报告，对Deepseek-V2模型进行详细的解读。

Deepseek-V2 大模型

<...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