文章列表-AI魔法学院

文章列表

LLM native策略的内部状态是否应该结构化【2023Q3】

ensp; 在这个场景下，虽然跟用户的交互渠道是非结构化的自然语言对话，但策略内部是将其提取为一个完全结构化的表示的：字段的设置是预先确定的

大模型

「语音转换新速度」— 探秘Whisper JAX的70倍速提升

未来前景 Whisper JAX的推出预示着语音识别技术的未来将更加高效和准确。

Whisper 语音识别

字节推出开源绘画大模型SDXL-Lightning，秒级出图

/hf-mirror.com/ByteDance/SDXL-Lightning/blob/main/comfyui/sdxl_lightning_workflow_full.json 详细评测待

sdxl 字节绘画

腾讯悄悄开源混元版「Sora」，这就是开源领域的No.1。

聊聊这个腾讯混元的AI视频模型，我已经先行测试了一周，跑了几百个case。

sora 视频生成

Stable Diffusion

Stable Diffusion基础：ControlNet之细节替换

Control Type 选择 Tile，预处理器和模型会自动加载。

StableDiffusion 文生图

让AI记住你说的话、让AI给你生成几十万字的小说！StreamingLLM 让无限长token成为可能

MIT、Meta AI、CMU的论文传统AI大模型鱼一样健忘的原因 LLM都是在一定长度的数据块（或者叫做序列）上进行预训练的，比如Llama 2就是在4000个单词（或者叫做token

StreamingLLM 写作

语音识别的未来已来：深入了解faster-whisper的突破性进展

例如，在使用Large-v2模型和GPU进行13分钟音频的转录测试中，faster-whisper仅需54秒，而原始Whisper模型需要4分30秒。

语音识别 Faster-Whisper

50+ Midjourney 美食相关提示词，看了别留口水哦

飞溅的不可预测性可以创造出独特而醒目的画面。

midjourney 文生图绘画

腾讯最新的人像写真工作PhotoMaker

会把同一个人脸的多个图像向量拼接起来训练，但是测试时可以拼接不同的人脸，所以可以有融合的效果，非常灵活。

PhotoMaker 文生图

惊了，ChatGLM、Vicuna 等热门大模型丝滑 input，跟所有的下载上传说拜拜

openbayes.com/console/public/tutorials 公共模型国内外、大小厂，都曾发布过各种优质的预训练模型

下载

VividTalk：用一张照片和一段音频让人物栩栩如生地说话

结语随着VividTalk技术的不断发展，我们可以预见其在数字媒体制作、虚拟现实和人工智能等领域的广泛应用。

VividTalk 视频

StableDiffusion

深度解析丨StableDiffusion在多个设计场景中的探索与应用

username,blurry,bad_pictures,DeepNegativeV1.x_V175T,nsfw, 2.3 设置Controlnet各项参数 Controlnet我们需要使用两个预处理器及模型

文生图

Ollama 与 Dify：AI 应用开发的强强联合

上午：开发和测试 — 利用 Dify 的开发环境开发新的应用功能。

Ollama Dify 大型语言模型

实战:如何用AI Agent实现ChatGPT流程化写作，产能翻倍

想象一下，如果 ChatGPT 是一台只会按照预设程序运行的家用电器，那么 AI Agent 就像是一个能自主行动和适应环境的机器人。

Agent 写作

Stable Diffusion

Stable Diffusion | 2D表情3D化，看着笑不停

没有被可爱到，哈哈哈~~~ 以后冰激凌和个人肖像联名出品，就可以名正言顺的舔了，从此不仅跪舔，可以站着舔，坐着舔了…… 这里的表情可以哭，可爱等等，在谷歌表情厨房制作的时候就可以设计好，可自行测试

Stable Diffusion

<...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