文章列表-AI魔法学院

文章列表

字节跳动推出MagicVideo-V2：引领AI视频生成新时代。

无论是创意短片、教育教程还是商业广告，MagicVideo-V2都能根据你的文字描述，生成高保真度和高分辨率的视频内容，同时确保视频的流畅运动和连贯性。

MagicVideo-V2 视频生成

OpenAI 开源语音识别 Whisper 的使用体验怎么样？

跨平台兼容：支持 Windows / macOS / Linux。

生成式AI

从第一性原理看大模型Agent技术

导读走马观花、抛砖引玉整个 PPT 一百多页，内容繁杂。

大模型 agent

俄罗斯人开源了最大的文生图模型：参数量12B，比SDXL大了3倍多！

DALL-E 2的这种两阶段的方案的一个是优势是第二阶段只需要纯图像数据来训练图像生成模型，而且采用CLIP image embedding作为条件比直接用文本训练模型更容易一些。

Kandinsky-3 文生图开源模型

学术党狂喜，Meta推出OCR神器，PDF、数学公式都能转

详细内容请阅读全文。

大模型

ComfyUI安装及生成第一张图

在此页面上下载 7-zip或使用此直接下载链接。

ComfyUI 文生图

超越Claude-2.1和GPT-3.5-Turbo，Qwen1.5还藏了哪些黑科技？32K Tokens上下文支持只是开胃菜！

模型介绍与特点在这里插入图片描述为了深入了解Qwen1.5的实力，我们对其基础和聊天模型进行了全面评估。

Qwen1.5 开源模型

用ChatGPT写论文prompt大全

也可以是： 1、确定研究对象我是一名xxx，请从以下素材内容中，结合 xx相关知识，提炼出可供参考的学术概念。

prompt

RAG 2.0，终于把RAG做对了！

注：Source 一旦我们提取了内容，我们就构建了大型语言模型（LLM）的提示，包含了： •用户的请求 •提取的内容 •

RAG 大语言模型

ViTPose+：迈向通用身体姿态估计的视觉Transformer基础模型

京东探索研究院联合悉尼大学在这方面做出了探索，提出了基于简单视觉transformer的姿态估计模型ViTPose和改进版本ViTPose+。

ViTPose+Transformer 身体姿态

智谱AI官网再升级，GLM-4，智能体，AI作图长文档全部搞定！

AI绘画点评：AI绘画的速度还是很快的，但是生成的作品的质感还是不如MJ 长文档解读上传一篇文档，可以针对文档内容进行问题解答，迎接更智能、更直观的处理文档方式。

GLM-4 智能体

RAG 与 Finetuning，谁是提升 LLM 的最佳工具？

它将从外部数据源提取相关内容，但可能不会展现微调模型可以提供的定制细微差别或领域专业知识。

训练

从 GPT-4o 到 LiveKit：实时语音交互的开源实现

段子收费员希望用 3D 打印技术来定制一个容器，将 GPT-4o 的功能集成到玩具中。

GPT-4o 语音交互

Stable Diffusion

Stable diffusion 有哪些不错的模型

葡萄柚模型相对小清新一些，Hassaku系列非常容易出NSFW的图像，请谨慎使用（不过，Hassaku在C站下载量非常高，懂的都懂）。

文生图

Stable Diffusion

12/180 stable diffusion 局部重绘换衣｜换背景｜换模特

局部重绘能够对图片进行快速换衣换背景换模特 1.主要功能参数局部重绘主要用到画笔工具进行涂抹 1.绘制非蒙版内容：

文生图 stable diffusion

<...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