文章列表-AI魔法学院

文章列表

字正腔圆,万国同音,coqui-ai TTS跨语种语音克隆,钢铁侠讲16国语言

此时访问 http://127.0.0.1:7860 默认用钢铁侠英文30秒素材作为克隆的数据集。

coqui-ai TTS 语音

盘点来自工业界的GPU共享方案

MPS在限制算力方面，除了众所周知的错误影响问题，其实算力限制并不严格，且无法根据GPU状态灵活调节算力的限制。

大模型

ChatGPT Prompt提示词课程（斯坦福吴恩达 | OpenAl）指南篇极简笔记

告诉模型需要做1/2/3步骤，每个步骤要做什么，指定格式可以用三角号“”等标识出来，分隔符的含义可以在提示中告诉模型 2、告诉模型在匆忙做出结论之前先思考解决方案如，在判定某问题对错的任务中

prompt 大模型

微软对 Sora 进行了逆向工程分析，揭秘 Sora 的秘密

· · 增强可访问性：提高视觉内容的可访问性非常重要。

Sora 微软

Stable Diffusion

如何保证每次画出的都同一张人脸：Stable Diffusion的Reference only教程

Ai绘画有一个很现实的问题，要保证每次画出的都是同一个人物的话，很费劲。

文生图

AI国力战争：GPU是明线，HBM是暗线

和先进制程是一体两面的关系，优秀GPU企业如英伟达设计出来GPU之后，还需要利用台积电的先进制程进行制造，再利用台积电、日月光的先进封装技术CoWoS进行最后的合封，这一点在2023年CoWoS产能奇缺的时候，已被市场刨根问底

GPU HBM 大模型

更快更好的chatglm3来了

以上所有权重对学术研究完全开放，在填写问卷进行登记后亦允许免费商业使用。

开源模型 ChatGLM

推荐智能体：利用大模型进行交互式推荐

系统和用户之间的交互主要围绕所需商品属性的问答,逐步细化用户兴趣。

大语言模型推荐

「语音识别的未来已来」——探索Distil-Whisper，轻量级AI的强大力量

对于那些希望深入了解Distil-Whisper的技术专业人士和技术爱好者，以下链接提供了丰富的资源和信息：论文详解：想要深入研究Distil-Whisper的原理和技术架构，请访问论文地址

Distil-Whisper 语音识别

大模型检索增强生成(RAG)高质量报告

大语言模型的局限性和实际应用面临的问题 RAG指的就是检索相关信息来辅助大模型回答优化大模型的性能通常可以从提示工程、RAG或者微调入手 RAG对比微调

RAG 大模型检索

Stable Diffusion

stable diffusion最全18种controlnet模型，详细教程讲解。

之前有人问我，如何真人转二次元，要做的很像。

Stable Diffusion 文生图 controlnet

用ComfyUI整了一套照片转Q版手办的工作流

这两天停更就是在搞这个的过程中遇到了不少问题，一直没有结果，苦闷了一下。

comfyui 文生图

AI产生意识，对人类意味着什么

意识一直是一个困难的问题，被称为“意识难题”（Hard problem of consciousness），科学家们提出大量理论来回答意识是什么，意识如何产生。

AI 意识

大模型微调方法总结

但是随着预训练语言模型越来越大，这个范式存在以下问题： ● 当我们 finetune 大模型时，由于训练成本太高，不太可能重新训练所有模型参数 ● 以前的方法（论文发表于 2021 年）都或多或少有其它性能问题

开源模型

阿里&字节发表VividTalk，只需单张照片即可根据音频生成栩栩如生的人物说话头像视频

然而，我们观察到相同表情的混合形状在分布上存在显著差异，这加剧了音频和面部运动之间的一对多映射问题，并导致缺乏细粒度的运动。

VividTalk 视频

<...51 52 53 545556 57 58 59 60 ...>

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