文章列表-AI魔法学院

文章列表

使用ComfyUI玩SDXL的正确打开方式

虽然现在已经有很多大佬分享了自己的工作流，但我还是建议大家能自己先手搓一下，一是为了搞懂SD的工作原理；二是因为自己连的工作流出图的那一刻，这个成就感是无与伦比的。

文生图 ComfyUI

图文生成短视频的方法

我完全不知道自己能讲什么，每次尝试，都很痛苦，痛苦的原因在于：我不能像自己看过视频里的人一样——口若悬河，张口就来。

视频 ChatGPT

【全文翻译】微软166页论文解读 GPT-4V：多模态大模型的黎明

我们从头开始生成原始文本查询，并尝试使用无法在线访问或时间戳超过 2023 年 4 月的图像。

多模态大模型 GPT-4V 文生图

一键部署本地“妙鸭”，证件照，写真照，模特换装全部搞定！

但是目前的图生视频和视频生视频在我看来一个是效果不是很理想，还处在一个好玩但不实用的阶段，另一个就是在webui中运行需要等待非常漫长的时间，所以玩玩就好。

妙鸭文生图

Stable Diffusion

硬核解读Stable Diffusion（系列三）

模型，其模型参数量为123.65M；而SD 2.0采用了更大的text encoder：基于OpenCLIP在laion-2b数据集上训练的CLIP ViT-H/14模型，其参数量为354.03M，相比原来的

Stable Diffusion 文生图

数字人直播哪家强？百度、硅基、风平与闪剪四大AI数字人横向评测！

在使用上，硅基智能「小播秀」给我的感觉就是专业，UI界面清爽，各个功能板块，包括直播模板、直播管理、数字人管理都比较直观。

数字人数字分身

【TTS语音克隆开源最强王者】5款爆火开源模型(Fish、F5、GPT、CosyVoice、MaskGCT)效果对比，等你来评!

fish-speech1.4模型代码语音克隆 F5-TTS模型推理部分代码 Mask-GCT模型推理部分代码 CosyVoice模型的推理代码效果篇

语音克隆开源模型

数字人直播哪家强？中国数字人平台分析大全

在直播领域，他们通过代理合作或提供技术方案支持与经验丰富且实力强大的客户和经销商合作。

数字分身数字人

零一万物API开放平台出场！通用Chat多模态通通开放，还有200K超长上下文版本

分别是覆盖更大的参数量、更强的多模态、更专业的代码/数学推理模型、更快的推理速度、更低的推理成本。

零一万物 YI 李开复

17K star！30秒偷走你的声音，开源声音克隆工具

用户只需要提供一段大约30秒的音频样本，可以是任何人的声音，然后系统会通过深度学习技术对音频进行分析和处理，精确地克隆出原声音。

OpenVoice 声音克隆开源

链接大模型与外部知识，智源开源最强语义向量模型BGE

C-MTEB 的建设参照了同类别英文基准 MTEB [12]，总共涵盖6大类评测任务（检索、排序、句子相似度、推理、分类、聚类），涉及31个相关数据集。

embedding 语义向量

【工具书】基于角色和思维链的人工智能中文Prompt提示词，涵盖几乎所有场景

扮演汽车修理工需要具有汽车专业知识的人来解决故障排除解决方案，例如；诊断问题/错误存在于视觉上和发动机部件内部，以找出导致它们的原因（如缺油或电源问题）并建议所需的更换，同时记录燃料消耗类型等详细信息

prompt 提示词

职场常用GPT提示词精选、职场常用文案能力大模型提示词精选

方法是承诺能取得的理想结果，或者描述他们使用产品或服务后会取得的具体结果。

提示词 prompt

深入浅出：大语言模型中必不可少的技术——Embedding简介

而embedding重要的原因在于它可以表示单词或者语句的语义。

embedding

最强开源大模型Llama 3，在扎克伯格设想中其实是这样的

我们没有优先考虑编码的原因是因为人们不会在WhatsApp中向Meta AI询问很多编码问题。

Llama 3 大语言模型

<...56 57 58 596061 62 63 64 65 ...>

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