文章列表-AI魔法学院

文章列表

Stable Diffusion

全面理解Stable Diffusion采样器

如果仔细观察可以发现，Karras 推荐的 noise schedule 中，接近终点附近的的几步值会更小，他们发现这种策略会有更好的生图质量。

绘画采样器 SD

GitHub工程师分享开发Copilot所采用的提示词工程

在大多数情况下，这些上下文信息的量将超出可用的 LLM 窗口，因此你需要通过将其分割成较小不重叠的块。

开源模型

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

F5-TTS在公共的100K小时多语言数据集上进行训练，展现出高自然性和表现力的零样本能力、无缝代码切换能力和速度控制效率。

F5-TTS 音频克隆

开源大模型王座易主！谷歌Gemma杀入场，笔记本可跑，可商用

当然，Gemma 也第一时间上线了 HuggingFace 和 HuggingChat，每个人都能试一下它的生成能力：尽管体量较小，

开源模型 Gemma

如何通过AI变现，举个详细的例子?

关于这一点，我深表赞同，我在我的公众号和朋友圈，不仅一次发表了相同的看法，（即使我是一个写提示词的深度爱好者）技术普照的绝佳案例：美图AI AI|根据美图AI的这波动作，做一些未来的小预测

生成式AI

数据分析思路系列-如何建立指标体系

在拆借完二级指标后，我们基本就完成了活跃体系的拆解，但这种拆解是站在整个大的业务线层面，诸如视频和习题的专项运营团队来说，我们拆解的指标可能是他们的核心指标，所以对于他们来说还可以继续进行拆解，这就形成了另一套小的指标体系

数据分析指标体系

AI Agents大爆发：软件2.0雏形初现，OpenAI的下一步

通常，正则化项被添加到损失函数中来惩罚模型中过多的参数，以限制模型参数的数量和大小，使得参数值更加平滑。

agent

【进阶】-文生图术语解释

在应用中，损失函数通常作为学习准则与优化问题相联系，即通过最小化损失函数求解和评估模型。

文生图

HAI-Chat：高效且轻量的一键式 RLHF 训练工具

对于一个 7B 大小的模型在双机16张 A100 上执行，Safe-RLHF 完整训练完成需要耗时 36 小时，而 HAI-Chat 只需 3 小时即可完成。

HAI-Chat RLHF

无限逼近真人效果的“超真实人像大模型”，或许它才是你一直在寻找的真爱！

利用OpenCLIP作为对应的文本编码器； o 该模型采用了SiLU激活函数，并添加了时间嵌入信息； o 该模型的批大小为

大模型文生图

【AI绘图工具】太爆炸了，AI出图速度100fps（每秒100张图片），比LCM、SDXL Turbo更快，目前No.1

7、模型蒸馏：通过蒸馏技术，可以将大型的扩散模型压缩到更小的模型，同时保持图像生成的质量。

StreamDiffusion 文生图

ViTPose+：迈向通用身体姿态估计的视觉Transformer基础模型

ViTPose和ViTPose+的性能和速度对比图，圆圈大小代表了模型大小近年来，视觉transformer在多个视觉领域展现出了极佳的性能。

ViTPose+Transformer 身体姿态

2023年人工智能行业总结（精简版）

sad talker技术能让图片开口说话，小和尚说话就是用了这项技术。

人工智能行业总结

GitHub本月榜单：一个数字人技术的“非官方”实现

训练原创 AnimateAnyone 架构（在小数据集上训练时很难控制姿势。）

AnimateAnyone 人工智能

Github2.1万星！开发者的“瑞士军刀” 开源！

图像工具：图像大小调整图像压缩图像格式转换（如 PNG、JPG、SVG） 5.

DevToys 工具集开源

<...57 58 59 606162 63 64 65 66 ...>

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