文章列表-AI魔法学院

文章列表

字节开源项目MimicTalk：快速打造逼真3D Talking Face的利器

NeRF」技术，结合高效的微调策略和上下文学习能力的人脸动作生成模型，成功地解决了这一问题NeRF技术允许模型在三维空间中重建物体的形状和外观，而MimicTalk在此基础上进行了优化，使其能够快速适应新的身份特征

MimicTalk 开源模型

这个数字人开源项目太牛了，非常全面的项目解决方案(含源码)

开发者可以利用这些接口，将数字人集成到自己的应用中，实现各种创新的应用场景。

Fay 开源项目数字人

Stable Diffusion

stable diffusion最全18种controlnet模型，详细教程讲解。

表达有点问题，重新修改一下。

Stable Diffusion 文生图 controlnet

20 个提升您设计水平的DALLE-3提示词

翻译提示：“为新的[特定技术产品，例如‘可穿戴健身追踪器’]创建原型设计。”

提示词 DALLE

拒绝996，想出海赚美元？这7个GPT方案绝对靠谱！

创作内容时，既要发挥AI的效率优势，也要保留人的创造精神；分发内容时，既要兼顾不同渠道的规律，也要坚持品质原则；推广内容时，既要依靠数据效果，也要主动与用户互动；学习使用AI时，既要掌握新的技巧

ChatGPT 写作

我去，找到一个Github上非常优秀的AI项目，可控制鼠标、键盘，模拟人类操作，太丝滑，收藏～～～

通用目标：支持任意本地软件（如游戏、Office、图像/视频编辑工具）多模态输入：以截图为输入，支持键盘鼠标操作输出自主能力：内置“认知反思+技能更新”模块，能不断自我优化模块化设计

AI Agent 开源项目

Deepseek-V2技术报告解读！全网最细！

cache压缩到了同一个小矩阵中，后面再解压缩出来：这个时候注意力得分的计算可以写成：这个时候我们变得清楚了，我们apply旋转位置编码的时候，标准的不带解压缩的实现是会将原始的K状态直接更新到拼到

Deepseek-V2 大模型

十大开源语音识别项目

48.6k Massively Multilingual Speech Massively Multilingual Speech(MMS，大规模多语种语音)是 Meta 开源的一款全新的

语音识别开源项目

数字人之声音克隆：无样本，1分钟样本完美克隆声音，开源

训练完后，模型会保存在GPT-SoVITS-beta\logs\下，有两个模型，G和D，测试效果训练完当然要测试一下，哈哈~ 训练完后，在上图这个地方，点击【刷新模型路径

数字人声音克隆 GPT-SoVITS

惊艳推荐！8款好用又免费的文本转语音TTS工具

随着人工智能（AI）技术的进步，基于AI的TTS技术已经成为了新的标准。

TTS Maker 语音

目前有哪些比较成功的人工智能应用？

而AI在历史上大多数火在少部分的群体，比如科研人员，他们之间会比拼谁的模型识别准确率更高；比如有限的几个大公司，微软，谷歌，deepmind，谁又刷新了某个人工智能的榜单。

生成式AI

不出所料，字节个把月就整出了自己的manus,不用积分，无需会员，快来体验coze空间吧

Manus 39_刀一个月给3900积分，也就是你跑web应用差不多能跑4个左右，感觉有点贵但是如果能跑出来符合你要求的web应用其实还是挺值得的 manus作为先行者，带起了这一波AI应用端创新的风暴潮流

manus 阿里

【ComfyUI】使用ComfyUI玩SDXL的正确打开方式

首先看到“K采样器”这里，我们点击“右键”-“新建节点”-“采样器”，可以看到有两个选项，今天我们要使用的是“K采样器（高级）”。

开源模型

Animatediff V2 版本来了！就一个字：秀

这一版主要插件新增支持了三个功能：Lora、ControlNet 和 Prompt travel。

Animatediff 文生图

有道开源的国产语音库EmotiVoice爆火了！具有情绪控制功能的语音合成引擎！

自动生成推理文本音素（phonemes） python frontend.py data/my_text.txt > data/my_text_for_tts.txt 新建一个

EmotiVoice 语音库

<...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