文章列表-AI魔法学院

文章列表

解读wav2lip：探究语音驱动唇部动作的技术原理！

具体来说，wav2lip的训练流程如下：首先，提取音频特征，将音频特征与人脸图像进行配对，形成一个音频-图像对，然后训练专家音频和口型同步判别器。

wav2lip 语音

llm-action：让天下没有难学的大模型

而利用AI集群，使深度学习算法更好地从大量数据中高效地训练出性能优良的大模型是分布式机器学习的首要目标。

大模型 LLM

Google 模型解读 | MoveNet-SinglePose：自底向上做单人姿态估计

从我个人的角度，我尝试总结一个优秀的轻量化姿态估计Backbone具有以下特点： · 快速下采样：尽量快地压缩图片尺寸，降低整体的计算量 · 残差结构：获取浅层特征和梯度，一定程度上弥补快速下采样造成的一些问题

MoveNet-SinglePose Google 模型

解读提示工程（Prompt Engineering）

这是与AI有效交流所需结果的过程。

Prompt 提示词

国内LLM陆续启动，你的Prompt库有这些模块吗

同时，要想让生成式AI发挥最大的作用，除了必要的专业知识，你还需要积累下面的这些模块。

prompt

真格基金大模型能力测试问题集---进阶篇

1:切片的苹果会被烤成派。

中文评测大模型

Stable Diffusion

Stable Diffusion | 2D表情3D化，看着笑不停

可爱又迷人~ 制作步骤：一、谷歌表情厨房制作2D表情可爱化的步骤：https://emojikitchen.dev/ 左边表情和右边表情融合，动图演示一下。

Stable Diffusion

数字人起飞！字节Loopy对口型功能在即梦上线可根据语境匹配表情和情绪

目前，这一功能已经集合进字节旗下即梦的视频生成模块内： AIbase上传了一张女孩的照片测试一下，即梦里面的对口型目前可以选择两种对口型方式： 1、文本朗读即梦的操作基本都很简单

Loopy 视频

大模型训练为什么用A100不用4090

因此，一个芯片成本多少，我心里大概是有数的。

大模型

接私活必看的11个开源项目

· 思维导图支持四种结构；内置多种主题；支持快捷键；节点内容支持图片、图标、超链接、备注、标签。

私活开源项目

Fastwhisper + Pyannote 实现 ASR + 说话者识别

wespeaker-voxceleb-resnet34-LM https://huggingface.co/pyannote/segmentation-3.0 最后再修改下config.yaml里的模型路径，参考我的：在这里插入图片描述

faster-whisper 语者识别 ASR

一个万能提问公式，让大模型生成高质量回答

将以上的部分结合起来，就是一个万能的提问公式，能大幅度提升 AI 的回答质量，即：提问公式 = 你是谁 + 做什么 + 怎么做 + 不要做 + 输出格式举例，现在我们需要给海外客户写一封英文邮件，但担心有语法错误

提示词

Stable Diffusion

Stable Diffusion 常用插件推荐

https://gitcode.net/ranting8323/multidiffusion-upscaler-for-automatic1111 放大图像

Stable Diffusion 插件

深入浅出：大语言模型中必不可少的技术——Embedding简介

如何生成和存储Embedding 总结 Embeddings技术简介及其历史概要在机器学习和自然语言处理中，embedding是指将高维度的数据（例如文字、图片

embedding

GLM4 开源了！！！还有多模态

今天，我们要分享一个令人震撼的消息：智谱 AI 推出的最新一代预训练模型 GLM-4 系列中的开源版本——GLM-4-9B，现已全面开源！

智普 ChatGLM 多模态

<...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