文章列表-AI魔法学院

文章列表

ComfyUI初学者指南

MODEL 输出连接到采样器，在采样器中完成反向扩散过程。

文生图 comfyui

语音、视频转文字神器：开源whisper介绍

Whisper模型的训练过程非常复杂，需要大量的计算资源和时间。

人工智能大模型 wisper

Stable Diffusion

全网最全AI绘画Stable Diffusion关键技术解析

强调了更有效的文本编码器，使用了更先进的CLIP版本，生成的图像与文本提示的一致性和相关性有所提升。

Stable Diffusion 文生图

FFmpeg之父新作——音频压缩工具 TSAC

如果使用普通的向量量化器，这就需要最终的码本向量个数为N = 2^80，这显然是不切实际的。

TSAC 音频工具

Gartner：2024年人工智能渗透的十大战略技术趋势

作为一项基础功能，应用程序中的智能包括各种基于 AI 的服务，例如机器学习、向量存储和数据连接。

Gartner 人工智能

人工智能大语言模型微调技术：SFT 、LoRA 、Freeze 监督微调方法

由于这些新增参数数量较少，这样不仅 finetune 的成本显著下降，还能获得和全模型参数参与微调类似的效果。

大模型微调

深度解读｜做出海必看的一份产品报告

发现：吸引高意向的受众报告中提到，目前用户发现新的产品主要有 6 种途径：尽管有机流量还是主要的获客来源，但是从 2022 到 2023 这段时间，我们观察到了其占比有了下降的趋势

工作

AI高手都在用的10个提示词prompt网站，建议收藏！

参数指令大全中文素材网站，包括 Midjourney（MJ）、 Stable Diffusion、DALL-E 等除了提供搜索提示的功能之外，Prompt Heroes还内置了一个功能丰富的提示库。

重磅来袭！Llama中文社区开源预训练中文版Atom-7B大模型

描述网络数据互联网上公开的网络数据，挑选出去重后的高质量中文数据

大模型

生成式AI领域拓展！MetaAI开源AudioCraft：一个支持AudioGen、MusicGen等模型的音频生成开发框架

它支持一系列的模型，能够产生高质量的音频，并具有长期的一致性，用户可以通过自然界面轻松地与其进行交互。

开源模型

Stable Diffusion

【Stable Diffusion操作入门】Stable Diffusion 操作界面及基础参数介绍

反向提示词这里重点提一下反向提示词，与提示词相反，反向提示词输入的是你不希望SD产生的。

文生图 SD

腾讯的 PhotoMaker - 更快更像更可控的 AI Avatar

它主要通过堆叠ID嵌入方式编码任意数量的输入ID图像，以保留ID信息。

PhotoMaker 文生图

从 GPT-4o 到 LiveKit：实时语音交互的开源实现

在人工智能技术日益普及的今天，GPT-4o 的实时语音功能吸引了大量关注。

GPT-4o 语音交互

四木测评｜让教父唱《野狼disco》、恶搞《甄嬛传》，火遍全网的阿里明星项目EMO正式开放

但除了初代教父的霸气与rap的完美结合、凶狠的眼神和近乎完美的口型匹配（尤其是最后那一句“哎呀我去”）之外，成品视频其实还有几秒的残次画面。

EMO 阿里全民演唱

真格基金大模型能力测试问题集---基础篇

作为早期投资人，我们经常需要试用和评估新发布的对话式 AI 产品，其中比较常用的方式是通过一些 Prompts，将它们与标志性的 ChatGPT 的输出结果进行直观的横向对比。

大模型训练中文

<...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