文章列表-AI魔法学院

文章列表

SadTalker数字人常见问题3

SadTalker数字人制作工具，用自带的图片音频可以生成，而用自己的图片、音频生成视频就不行。

SadTalke

whisper-live：OpenAI Whisper模型的近实时实现

该项目是一个实时转录应用程序，使用 OpenAI Whisper 模型将语音输入转换为文本输出。

OpenAI Whisper 大模型

腾讯开源的数字人MuseTalk到底行不行？

MuseTaIk是由腾讯团队开发的先进技术，它是一个实时高质量的音频驱动唇部同步模型。

MuseTalk 数字人音频

用AI生成PPT、用AI优化PPT

我在前几天写过相关文章，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，当刮目相看”百度的感觉。

ppt AI生成PPT

Stable Diffusion

造梦师手记：Stable Diffusion一键换脸插件

当然了，AI换脸的能力是有限的，不可能100%无瑕疵，还要结合比较合适的提示词以及模型，但是效果已经很让人震惊了。

AI换脸

前半年，我看到的有趣的 AI 产品

比如去年的妙鸭相机、哄哄模拟器，今年的粘土特效、音乐生成、已故亲人的照片合影等，都是火一阵，然后被人淡忘。

AI工具

生成式AI与大语言模型的区别

生成式人工智能可以被定义为专注于创建具有生成原创内容能力的模型，例如图像、音乐或文本。

生成式AI 大语言模型区别

图文生成短视频的方法

现在都是使用AI创作的时代，你完全可以把你想要表达的主题，用AI生成一个爆款的视频文案。

视频 ChatGPT

炸裂！百川开源第1个7B多模态大模型 Baichuan-Omni | 能够同时分析图像/视频/音频/文本

对于音频对齐，作者收集了开源和内部的数据集，用于自动语音识别（ASR）和音频问答（AQA）。

Baichuan-Omni 多模态大模型

语音识别的未来已来：深入了解faster-whisper的突破性进展

这种实现不仅提高了语音识别的速度，还优化了内存使用效率。

语音识别 Faster-Whisper

用GPT4创建一部连环画故事

今天的故事主题是戒掉电子产品，享受户外活动的乐趣。

GPT4 连环画故事书

Westlake - Omni：西湖心辰推出的全球首个开源的中文情感端 - 端语音交互大模型

用户可以通过语音指令控制各种智能家居设备，如灯光的开关、调节温度、播放音乐等。

Westlake -Omni 语音

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

音频克隆的开源项目很多，但是每次项目里要用的时候，总还是惦记着11labs的api。

F5-TTS 音频克隆

划重点！全网最全AI数字人工具合集！

· 选择语音：输入文字或录制语音，让数字人“说出”你想让他/她表达的内容。

AI 数字人

十篇高质量的AI-Agents相关论文，让AI教你认识AI-Agents

当然也可以加入社群，我会分享PDF以及提示词，让AI教你认识什么是AI-Agents！

开源模型

<...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