文章列表-AI魔法学院

文章列表

用ComfyUI整了一套照片转Q版手办的工作流

之所以要搞这个，主要是因为它跟我目前要做的很多内容都息息相关，比如2D图片转3D模型，blender的插件、图片生成视频等，而且据说生成速度很快，对设备的要求低。

comfyui 文生图

基于 OpenAI Whisper 模型的实时语音转文字工具

今天给大家分享一款专注于音频处理和创作的开源软件【WhisperLive】什么是 WhisperLive？

WhisperLive 音频开源软件

用AI生成PPT、用AI优化PPT!

我在前几天写过五大AI工具自动生成PPT效果对比（点击看原文），当时我在文中引用的是百度AI对话的PPT生成插件，我对这个插件生成的PPT的评价不高，但是在体验了百度文库的智能PPT功能后，有种“识别三日

AI ppt

FaceSwapLab，截止2023年8月最好用的一键换脸工具

几周前，我介绍了基于stable diffsion的一个换脸插件：roop（这个插件也有独立版，功能更多，甚至可以给视频换脸）。

一键换脸

6.2K Star！MIT出品的多语言语音合成神器，CPU实时推理吊打商业软件！

语音合成这块，真的是被几家大厂搞得乌烟瘴气。想要个像样的TTS？要么掏钱包，要么忍受各种奇葩限制。我花了半年时间测试了市面上十几款TTS方案，从Azure Speech到Google Cloud TTS，结论很残酷：要么贵得离谱，要么质量烂得像机器人念书。终于，MIT的研究员看不下去了。他们联合MyShell.ai开源了MeloTTS，6.2K+ star不是白拿的。这玩意儿直接把语音合成的门槛砸到了地板上。

MeloTTS 语音工具

比尔盖茨最新预言：AI智能体颠覆计算机交互体验甚至软件行业

它们还将颠覆软件行业，带来自我们从键入命令到点击图标以来最大的计算革命。”

AI智能体

AI Agent的千亿美金问题：如何重构10亿知识工作职业，掀起软件生产革命？

另一方面，软件可以灵活地解决更多长尾需求，实现软件生产的“3D打印”。

大模型 AI编程

中国首份AIGC监管文件正式实施——《生成式人工智能服务管理暂行办法》简析

亮点： 1· 作为中国首份生成式人工智能（“AIGC”）监管文件，管理办法体现了现阶段监管机构的态度，即“既要重视发展，也要重视风险”。

人工智能

Kimi+扣子Coze，我零门槛制作了一个好用的智能体Agent | 智能体开发

开发者在扣子（coze.cn）上，可以体验到 Kimi 大模型全新的 Tool Calling 能力和超强的用户意图识别能力，将这颗全新的'大脑'与平台上丰富的插件、工作流等能力结合，低门槛地打造各种业务场景下的

Kimi 扣子Coze 大模型

在SD中一键换脸！！！

但这个插件可以一键帮你搞定。

AI换脸

【分享】SDXL模型最佳拍档！COMFY UI上手指南

COMFYUI是一款易于上手的工作流设计工具，具有以下特点：基于工作流节点设计，可视化工作流搭建，快速切换工作流，对显存占用小，速度快，支持多种插件，如ADetailer、Controlnet

大模型

StableDiffusion

深度解析丨StableDiffusion在多个设计场景中的探索与应用

通过学习这些实际案例教程，我们将看到StableDiffusion的魅力，以及如何充分发挥其与Controlnet插件相结合的威力，为我们的创作注入新的活力。

文生图

Stable Diffusion

还没有上手Stable Diffusion XL 1.0 的同学，看这篇文章就够了

Midjourney虽然出图精美，使用方便，但是出图的灵活性方面是一大硬伤，Stable Diffusion 作为Midjourney的开源替代品，由于其丰富的插件，灵活可控，受到社区的热捧，一直被寄予厚望

SDXL

绝对是你的下载神器！AixDownloader可让你从任何网页下载你想要的内容，音乐、视频、图像、文件等！

轻松下载各类文件：AixDownloader可以从各种网站上下载你心仪的视频、音乐、MP3、图片等文件。

AixDownloader 下载

GPT-4o实时语音方案提供商Livekit开源voice agent：轻松处理音视频流

该框架包括用于常见工作流程的插件，例如语音活动检测和语音转文本。

voice agent 开源音视频

<...2 3 4 567 8 9 10 11 ...>

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