文章列表-AI魔法学院

文章列表

Agent：OpenAI的下一步，亚马逊云科技站在第5层

OpenAI华人科学家翁丽莲给出直观的“配方”： Agent = 大模型+记忆+主动规划+工具使用以亚马逊云科技平台为例，开发Agent应用首先要根据具体任务场景给Agent选择合适的基础模型

开源模型

SD出图新思路

看效果，是不是很哇塞，一定情况下甚至自带朦胧效果还是那句话，工具只是个工具，怎么灵活组合使用才是关键，一定不要学一个会一个，多尝试不同的用法有时候能发现新大陆的~ 好啦，快去试试效果吧~

文生图 SD

Fastwhisper + Pyannote 实现 ASR + 说话者识别

基于PyTorch机器学习框架，它具有最先进的预训练模型和管道，可以进一步对自己的数据进行微调，以获得更好的性能。

faster-whisper 语者识别 ASR

人工智能对话prompt：用聪明的方式解决各种难题

所谓ChatGPT的基本功核心是学会设置 Prompt ， Prompt 你可以理解成「提示语」，他的目的是让ChatGPT进入某种对话模式。

chatgpt 提示词 prompt

图解 Transformer——功能概览

Transformer是一种深度学习架构，它使用注意力来显著提高深度学习 NLP 翻译模型的性能，其首次在论文《Attention is all you need》中出现。

Transformer 大模型图解

Stable Diffusion

Stable Diffusion｜提示词高阶用法（二）双人同图

“ControlNet+Openpose”方式虽然学习成本低，但使用成本较高，需要一些参考图。

文生图

Giraffe：世界上第一个商业可用的32K长上下文开源LLM（基于Llama-2）

最近我们和社区其他人感兴趣的一个领域是法学硕士是否可以扩展到更长的背景。

开源模型

Stable Diffusion

Stable Diffusion由入门到精通

当然这个图片肯定不是完美的，如若你想生成完美的、惊艳的图片，还需要深入了解和学习文生图详细参数和功能。

prompt 文生图

RAG 2.0来了，它能成为生产落地的福音吗？

然而，这种方法往往会导致所谓的“科学怪人效应”（Frankenstein’s monster），即尽管每个部分在技术上都能独立运行，但整合后的整体性能却远未达到理想状态。

RAG 大模型

AI生成卡通人物项目|VToonify

开源链接：https://github.com/williamyang1991/VToonify 生成高质量艺术肖像视频是计算机图形学和计算机视觉中一项重要且令人向往的任务。

AI生成卡通人物 VToonify

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

赛博牛马，智谱 AI，悄悄出了一个 AI PPT

最多 5 个文件，每个 5 MB 最多 50 个文件，每个 100MB 设计美学

智谱 AI PPT

8G显存一键训练，解锁Llama2隐藏能力！XTuner带你玩转大模型

高效的数据引擎 XTuner 适配了多个热门开源数据集格式，开发者如已有对应格式的数据集，可以直接使用，并支持多种格式数据源的混合使用： Alpaca 格式，斯坦福大学开源数据集的格式

大模型

体验完阿里的EMO模型，我emo了

这种技术能够自动学习3D模型的形状和动作，并根据学习到的模型参数实现动画骨骼控制。

EMO 文生图

LLM每周速递！大模型最前沿：多模态RAG、RAG加速、大模型Agent、模型微调/对齐

「知识迁移：」受益于统一格式的学习，OmniGen有效地跨不同任务迁移知识，应对未见过的任务和领域，并展示新颖的功能。

大模型研究

<...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