文章列表-AI魔法学院

文章列表

Suno音乐新手指南（手把手完整版教程）

另外，付费用户可获得生成歌曲的商用授权。

suno 歌曲教程

【语音识别】OpenAI语音力作Whisper

Whisper在长音频转写方面与最先进的商业和开源ASR系统具有竞争力使用Whisper转写长音频依赖于时间戳token的准确预测，以确定模型的30秒音频上下文窗口的移动量

语音转文字 whisper

腾讯开源的数字人MuseTalk到底行不行？

MuseTaIk是由腾讯团队开发的先进技术，它是一个实时高质量的音频驱动唇部同步模型。

MuseTalk 数字人音频

从 GPT-4o 到 LiveKit：实时语音交互的开源实现

LiveKit 不仅有一个开源的 voice agent 方案[1]，还能为你提供一个成熟且强大的实时多模态 AI 解决方案。

GPT-4o 语音交互

RAG 与 Finetuning，谁是提升 LLM 的最佳工具？

如果我们希望模型听起来更像医学专业人士，以诗意的风格写作，或者使用特定行业的术语，那么对特定领域的数据进行微调可以让我们实现这些定制。

训练

Prompt全攻略(三):提升Prompt效果的技巧指南

通过灵活运用这些技巧,可以更好地指导ChatGPT输出符合预期的专业内容。

prompt

AI 换脸——Deepfacelab 下载与安装，新手教程

提取的图片格式（Format），主要格式为png、jpg。

Deepfacelab 换脸

如何使用ChatGPT写论文

不过不要让ChatGPT替你完成全部的写作工作，而是让它扮演你的导师角色协助你发现逻辑上的不足，优化你的表达方式。

ChatGPT 写作

保姆级教程：Coze 打工你躺平

; 有一种叫做「插件」的东西类似给 AI 用的手机 AI 可以拿它上网拿它点外卖有一个插件：WebPilot 是首批 ChatGPT Plugin 首个提供「大模型上网

Coze 教程

完全指南——使用python提取PDF中的文本信息（包括表格和图片OCR）

针对不同类型的PDF，我们提取的理论依据环境安装编写提取纯文本的函数编写提取图像中文本的函数编写提取表格的文本内容的函数最后的整合处理写在前面随着大型语言模型

大语言模型 python

长窗口大战要终结了？谷歌魔改Transformer，推出了“无限注意力”

谷歌的大模型Gemini 1.5 首先玩了一个百万token的，中国的月之暗面一个月后推出Kimi智能助手，支持200万字超长无损上下文，在中国的大模型应用中异军突起。

大模型上下文

基于秋叶整合包-StableDiffusionWebUI启动器快速安装ComfyUI

这种节点式的工作流也提高了部分使用门槛。

秋叶整合包

Stable Diffusion

AI绘画Stable Diffusion进阶使用

VAE美化模型可以理解为滤镜，选择VAE就像给图片套上了一层滤镜，会改变图片原有的颜色风格；一般默认是无，而且有些大模型中会自带VAE 常见模式：后缀ckpt/pt 名字中带有

Stable Diffusion 文生图

全球六大主流自动PPT制作工具

效率杠杠的 1、Decktopus （地址：https://www.decktopus.com/) Decktopus AI 是一款 AI 驱动的演示文稿生成工具，该工具由 100 多个随时可用的模板组成

自动PPT 工具

精通百种语言的翻译AI来了！Meta推出，免费、开源！

这个模型可以实现近101种语言之间的文本、音频、视频等多种形式的翻译，而且只需要一个模型就可以完成所有任务。

大语言模型

<...58 59 60 616263 64 65 66 67 ...>

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