文章列表-AI魔法学院

文章列表

OCR终结了？旷视提出可以文档级OCR的多模态大模型框架Vary，支持中英文，已开源！

： Vary 表现出了很大的潜力和极高的上限，OCR 可以不再需要冗长的 pipline，直接端到端输出，且可以按用户的 prompt 输出不同的格式如 Latex、Word、Markdown。

OCR 手写文字识别

构建开源多模态RAG系统

传统的模型假设单词的意义仅来自文本上下文，而这个任务则探索了将视觉维度纳入以增强语言模型。

RAG 大模型

颠覆数据存储方式：向量数据库的威力

在推荐系统中，用户和物品可以用向量表示，以捕捉其特征和属性。

编程数据库

【揭秘】BELLE大模型：一个集合训练、数据、模型、APP的超级神器，让每个人都能拥有自己的“大模型”！

首先，为了提高模型在中文领域的性能和训练 / 推理效率，我们进一步扩展了 LLaMA 的词汇表，并在 34 亿个中文词汇上进行了二次预训练。

训练大模型 belle

一位芯片投资人的十年复盘：谁是中国的英伟达｜AI光年

消费电子里我们投到了很多企业，受应用驱动已经做到了全球最好。

AI光年芯片投资

Stable Diffusion

Stable Diffusion 必装插件查缺补漏，你还有哪个没装？(下）

下载链接：https://github.com/AUTOMATIC1111/stable-diffusion-webui-rembg Tag Complete | 提示词自动补齐使用这个插件可以直接输入中文

文生图 Stable Diffusion

Stable Diffusion

Stable Diffusion修复老照片-图生图

还需用搭配两个特殊设置： ControlNet Tile：这是一个ControlNet模型，用于放大和补充细节。

图像文字

探秘制作艺术二维码的新姿势

在之前的文章《AI制作艺术二维码-文生图》中，我介绍了一种直接通过提示词生成高逼格二维码的方法，但是通过提示词我们无法很好的控制生成图片的样式，特别是有些同学想要将自己的Logo或者头像附加到二维码中，

图像文字

开源语音大语言模型来了！阿里基于Qwen-Chat提出Qwen-Audio!

以前关于遵循指令的工作主要是通过继承大型（多模态）LLMs的能力，采用轻量级的监督微调来激活模型的能力以与用户意图对齐。

大模型语音

深度对比丨探索LLM（大模型）部署服务的七大框架差异

本文旨在比较用于 LLM 推理和服务的不同开源库。

大模型

AI拟声: 5秒内克隆您的声音

个性化语音助手：使用MockingBird，你可以创建自己的个性化语音助手。

声音克隆开源

图片生成速度最高提升10倍！可以做到“实时”生成！清华推出LCM/LCM-LoRA！

由于扩散过程需要多次迭代，每次迭代都要用到一个神经网络，所以SD模型的生成过程需要大量的计算资源和时间。

LCM/LCM-LoRA 文生图

Stable Diffusion

Stable Diffusion 5款最佳电商必备模型、Lora推荐

3Drendering 电商展台三维模型（SDXL) 模型链接：https://www.liblib.ai/modelinfo/4c2c8f736cb64201812ea18ca8a86fd1 提示词：

SD 电商文生图

朱啸虎讲了一个中国现实主义AIGC故事

很多垂直应用，我们发现Mistral 2比LLaMa 2好用。

朱啸虎 AGI

【CLIP系列Paper解读】CLIP: Learning Transferable Visual Models From Natural Language Supervision

截至2022年3月，文章已有700+引用量，可见其影响力。

OpenAI 自然语言监督

<...54 55 56 575859 60 61 62 63 ...>

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