文章列表-AI魔法学院

文章列表

最佳开源文生图大模型可图：安装与批量出图的完整教程

Github地址： https://github.com/Kwai-Kolors/Kolors 目前截止4月份的数据来一起测评，官方邀请了50位图像方面的专家来测试，衡量维度为：画面质量

可图 kolors

老板：这龙谁做的？我：AI

layered fiber, organic carving, focus stack --ar 3:4 --v 6.0 --s 180 金与绿，一条中国龙，中国玉石，深白与金与浅绿款式，分层纤维，

V6模式文生图关键词

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！

做了个内容播报系统，跑了一个月，总结几个关键点：稳定性：连续跑了30天，没出过问题成本控制：除了服务器，没有额外费用用户反馈：音质比之前用的付费方案还好部署简单：Docker一键部署，运维成本几乎为零

MeloTTS 语音工具

使用知识图谱提高RAG的能力，减少大模型幻觉

向量数据库和知识图谱向量数据库向量数据库是表示实体或概念(如单词、短语或文档)的高维向量的集合。

RAG 大语言模型

从专业ASR到统一音频LLM：七大顶尖模型的深度对比分析

第二部分：关键技术维度对比以下表格对七款模型在关键技术维度上进行了并排比较。

音频对比

Stable Diffusion

Stable diffusion 有哪些不错的模型

作者：AI时代社链接：https://www.zhihu.com/question/597629253/answer/3042997052 基础模型（不推荐） SD系列比如sd-v1

文生图

基于LLM+向量库的文档对话痛点及解决方案

解决方案思想（原则）基于LLM的文档对话架构分为两部分，先检索，后推理。

开源模型

语音识别的新拐点：OLMoASR 带来的机会

二次开发成本：如果你想把 OLMoASR 做成产品（比如定制化字幕工具、行业转写服务），仍需要投入工程化和运维的人力。

OLMoASR 语音识别

ViTPose+：迈向通用身体姿态估计的视觉Transformer基础模型

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

ViTPose+Transformer 身体姿态

深入探讨：Agent全自动写作长篇小说技术原理解析

「gpt-author」的核心思想其实并不复杂。

Agent

来个优秀的开源人脸识别项目！

2. 3D 人脸识别：基于 3D 卷积神经网络（3D-CNN）的人脸识别算法，可以处理三维人脸数据，进一步提高人脸识别的准确率。

人脸识别开源项目

造梦师手记：C站最受欢迎的大模型推出了SFW版

有意思的是，他在2024年新年伊始，推出了一个Turbo版为基础的SFW版。

DreamShaper 大模型文生图

文生图生成不同年龄段模特的提示词

masterpiece,ultra details,high res,8k,wearing clothes，5-years-old,toddler,photography,realistic,sweater, 【中文意思：

年龄文生图

ChatGPT提示工程5篇合集 - 吴恩达和OpenAI出品

ensp; 原则一：编写清晰、具体的说明 · 原则二：给予模型思考的时间

ChatGPT prompt

大规模中文开源数据集发布！2TB、几十亿条可商用的中文数据集书生·万卷 1.0开源~中文大模型能力可能要更上一层楼了！

这个开源的大规模多语言多模态数据集已被用于InternLM模型的训练，相比同规模模型，InternLM在多维度评测中展现出明显优势。

大模型

<...50 51 52 535455 56 57 58 59 ...>

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