文章列表-AI魔法学院

文章列表

F5-TTS：上海交大开源超逼真声音克隆TTS，告别ElevenLabs，以后就用它了！实测真的很牛

上海交大开源的F5-TTS实测下来确实是还不错了。

F5-TTS 音频克隆

微软打破Decoder-Only架构！大幅降低GPU内存需求，网友：把Llama3 70B弄20GB GPU上运行

去年一张“大语言模型进化树”动图在学术圈疯转，模型架构还只有三大类：Decoder-Only、Encoder-Only、Encoder-Decoder。

Decoder-Decoder YOCO 架构

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

这种类型的摄影的本质是捕捉食物的颜色、质地和摆放。

文生图训练提示词 Midjourney

技术爆炸！AI一图换脸新王者，Instant ID保姆级安装与使用测评

这里我已经给大家整理好了，只需要到我的云盘里就可以直接下载了，然后将下载好的模型放入到以下路径中——E:\sd-webui-aki-v4.4\extensions\sd-webui-controlnet

Instant ID 文生图

「语音转换新速度」— 探秘Whisper JAX的70倍速提升

它是OpenAI的Whisper模型的JAX版本，实现了在TPU上高达70倍的速度提升，这不仅是对现有技术的重大突破，更是对未来潜力的一次展现。

Whisper 语音识别

FaceSwapLab，截止2023年8月最好用的一键换脸工具

出现这个问题的原因是AI绘画的人物脸部不同角度时，模型比较难适配完美。

一键换脸

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

如今全世界有很多公司都在研究AI大模型（LLM）。

StreamingLLM 写作

PymuPDF4llm：PDF 提取的革命

PDF 文件作为一种广泛使用的文档格式，包含着大量有价值的信息。

PymuPDF4llm PDF

它来了！SDXL + ControlNet 终于强强联合！

那么大家可能就会会有疑问了，老版本的 ControlNet 模型能不能在 SDXL 中使用呢？

SDXL

pdf2htmlEX：效果相当好的一个PDF转HTML程序，和原始PDF几乎一模一样。

项目简介这应该是效果相当好的一个PDF转HTML程序，生成的结果和原始PDF几乎一模一样。

PDF转换

超越Animate Anyone! 南加大&字节提出MagicPose，不需任何微调就可生成逼真的人类视频

此外，MagicPose模块可以被视为原始文本到图像模型的扩展/插件，而无需修改其预训练的权重。

MagicPose 视频

Stable Diffusion

Stable Diffusion 抽卡必备神器！Agent Scheduler

相信大家在玩 Stable Diffusion 的时候一直有一个痛点，每次出图抽卡时都只能等待上一次抽卡结束，才能继续下一次抽卡；特别是当我们想抽大量的卡来测试不同的模型，不同的参数的效果时，那么是非常奔溃的

Agent Scheduler Stable Diffusion

Fastwhisper + Pyannote 实现 ASR + 说话者识别

前言最近在研究ASR相关的业务，也是调研了不少模型，踩了不少坑，ASR这块，目前中文普通话效果最好的应该是阿里的modelscope上的中文模型了，英文的话，还是非whisper莫属了，而且

faster-whisper 语者识别 ASR

SD入门教程六：ControlNet基础入门

通俗的讲，就是输入一些额外的控制参数，然后通过所对应的辅助模型（ControlNet专用模型）去控制图片的生成结果，这些控制参数可以是线稿图，深度图，人体姿态图，法线图等。

ControlNet 文生图

微信向量检索分析一体化数仓探索：OLAP For Embedding

背景在过去的一年里，大型语言模型 (LLM) 以及 ChatGPT 等产品吸引了全世界的想象力，推动新一轮技术浪潮。

OLAP For Embedding 一体化数仓

<...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