文章列表-AI魔法学院

文章列表

RPA终极发展方向瞄准AI Agent，超自动化智能体时代已经开启

直到今年大语言模型实现重大突破，AI Agent与RPA的结合才真正让大家看到了希望。

RPA 自动化

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

微软打破Decoder-Only架构！大幅降低GPU内存需求，网友：把Llama3 70B弄20GB GPU上运行

去年一张“大语言模型进化树”动图在学术圈疯转，模型架构还只有三大类：Decoder-Only、Encoder-Only、Encoder-Decoder。

Decoder-Decoder YOCO 架构

忘掉 RAG，未来是 RAG-Fusion！搜索的下一个前沿：检索增强生成遇上倒数排名融合和生成查询

这种融合使大型语言模型（LLM）能够生成更丰富、更具上下文意识的输出。

RAG-Fusion 检索增强

【万字干货】掌握 Midjourney 提示词技巧成为 25 个流派的摄影大师

# 产品摄影 (Product Photography) 产品摄影展示商业项目和物品。

文生图训练提示词 Midjourney

Stable Diffusion

Stable Diffusion | SD腾讯云3步部署，全程五分钟，附价格费用清单

CFS 创建：https://cloud.tencent.com/document/product/582/9132 日志投递：启用后将对 Stable Diffusion 运行过程中产生的日志投递到日志服务

下载开源模型

低调的PDF，为什么成了数字文档“永远的神”？

比起在自家地下室搭建私人电子邮件服务器用于处理公务的美国前国务卿希拉里，拥有乔治敦大学工商管理学士和法律博士学位的马纳福特和威廉玛丽学院毕业的高材生合伙人Gates简直就是技术战五渣

工作

45个 DALL-E 3 使用案例 (附提示词)

惊艳于它强大的能力，我探索出了45个使用案例，几乎涵盖了所有类型的设计。

DALL-E 提示词文生图

技术爆炸！AI一图换脸新王者，Instant ID保姆级安装与使用测评

这里我已经给大家整理好了，只需要到我的云盘里就可以直接下载了，然后将下载好的模型放入到以下路径中——E:\sd-webui-aki-v4.4\extensions\sd-webui-controlnet

Instant ID 文生图

Kimichat炒股：7个提示词案例

**：这些基金跟踪广泛的市场指数，如标准普尔500指数，它包括美国500家最大的上市公司。

Kimichat 提示词

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

上海交大开源的F5-TTS实测下来确实是还不错了。

F5-TTS 音频克隆

「语音转换新速度」— 探秘Whisper JAX的70倍速提升

它是OpenAI的Whisper模型的JAX版本，实现了在TPU上高达70倍的速度提升，这不仅是对现有技术的重大突破，更是对未来潜力的一次展现。

Whisper 语音识别

VividTalk：用一张照片和一段音频让人物栩栩如生地说话

这个技术不仅有望改变数字媒体的生产方式，也为虚拟现实和人工智能的应用开辟了新的道路。

VividTalk 视频

超越Animate Anyone! 南加大&字节提出MagicPose，不需任何微调就可生成逼真的人类视频

此外，MagicPose模块可以被视为原始文本到图像模型的扩展/插件，而无需修改其预训练的权重。

MagicPose 视频

基于 Kimi Chat 的 AI 渐进式阅读法

大语言模型的能力：聊天机器人：对话总结类应用：总结信息/提取信息扩展类应用：续写推理类应用：情绪判断、主题判断转化类应用：翻译、格式转换、纠错 ——来自吴恩达的 ChatGPT

Kimi Chat 阅读

<...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