文章列表-AI魔法学院

文章列表

14.6K star！最好用的OCR文字识别项目，没有之一！

接下来给大家展示一下它的亮点功能：截图识别这个功能很适合在一些不能复制的网页上使用，速度很快，准确率也很高。

Umi-OCR 开源项目文字识别

高级 RAG 技术——图解概览

但需要意识到的是，使用专业研究团队在精心收集、清洗和验证的大型数据集上训练的开源模型，并用小型合成数据集进行快速调整，可能会在总体上限制模型的能力。

RAG 检索图解

Learn Prompting-基础篇

你可能很快看到人工智能在你工作或教学中出现，即使现在还没有。

prompt

Prompt全攻略(一):ChatGPT时代,什么是Prompt?

遵循这些Prompt编写原则,就可以让ChatGPT等AI助手发挥最大脑力!

prompt

还在用“You are expert”这种提示词？连ChatGPT都瞧不起你，试试这些Prompt吧

当你制作提示并平静地坐在椅子上时，你会想象魔法触手可及。

prompt 提示词

总结些SDXL出人像时遇到的困难

以上就是我实践中的一些感悟，感觉这流泪跟画手一样，也不是那么容易的事啊。

文生图 SDXL

再超Transformer！Google| 提出两个新模型(Griffin、Hawk)，强于Mamba，更省资源

对于需要快速响应时间的实时应用来说，考虑延迟是有用的。

transformer 训练

Stable Diffusion

OpenAI救了Stable Diffusion！开源Dall·E3同款解码器，来自Ilya宋飏等

它同样出自传奇人物之手，一作Alec Radford对GPT系列的构建起到了重要作用。

SD 文生图 DALLE

ComfyUI 图片以及工作流管理神器

觉得以上几个功能还是蛮方便实用的，感兴趣的小伙伴快去试试吧！

comfyui 工作流

京东开源普通话数字人JoyHallo，一口流利标准普通话还会讲英语

这种集成不仅提高了信息的利用效率，还加快了推理速度，提升了 14.3%。

JoyHallo 数字人开源模型

万字长文，大语言模型如何宣告心理学的死亡？

尽管当前的研究者不愿承认，但人类心理学实质上延续了行为主义方法，无论直接还是间接，它们都侧重于观察行为，而对内在心理状态束手无策2。

大语音模型

字节跳动推出MagicVideo-V2：引领AI视频生成新时代。

它可以帮助这些专业人士快速将创意转化为视觉内容，制作出既高质量又富有创意的视频。

MagicVideo-V2 视频生成

中国首个长时长、高一致性、高动态性视频大模型，Vidu 登场

Vidu的快速突破源自于团队在贝叶斯机器学习和多模态大模型的长期积累和多项原创性成果。

Vidu 大模型视频

最全攻略！OpenAI 发布 GPT-4 使用指南，所有干货全在这

举个例子，如果我告诉模型要学会游泳，只需要踢腿和摆动手臂，这就是一个一般性的说明。

提示词 prompt

通过声音生成逼真的全身形象？！Meta开源AI工具：audio2photoreal

身体生成模型：这个模型可以从音频中生成逼真的身体姿态，包括手势，头部转动，身体倾斜等动作。

audio2photoreal 开源工具

<...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