文章列表-AI魔法学院

文章列表

神奇的 OuteTTS - 0.1 - 350M：用几秒钟音频克隆声音的黑科技！

而 OuteTTS-0.1-350M 作为一款新兴的 TTS 模型，正以其独特的技术和功能特点吸引着众多关注。

OuteTTS-0.1-350M 音频

全量免费的EMO模型上架通义APP，外媒称之为Sora之后最受期待的大模型之一

EMO是通义实验室研发的AI模型，于今年2月底公开技术论文，被外媒称之为Sora之后最热门的AI模型之一，在开源社区Github上已经获得了超过6700颗星标。

EMO 阿里全民演唱

Stable Diffusion

Stable Diffusion由入门到精通

接下来我们就详细介绍各个部分功能，作者不是领域专家，如有错误，请包涵！

prompt 文生图

7个有用的Prompt参数

当涉及到生成式AI时，"prompt"通常指的是作为输入给模型的初始提示或指示。

prompt

Stable Diffusion

Stable Diffusion高级教程 - 图生图(img2img)模式

用户可以编写脚本代码，以实现一些特殊定制的功能。

Stable Diffusion 图生图

栩栩如生,音色克隆,Bert-vits2文字转语音打造鬼畜视频实践

将两个主角的声音单独提取出来，随后依次进行背景音和前景音的分离，声音降噪以及声音切片等操作，这些步骤之前已经做过详细介绍，请参见：民谣女神唱流行，基于AI人工智能so-vits库训练自己的音色模型(叶蓓

Bert-vits 语音

OpenAI Sora视频生成模型技术报告中英全文+总结+影响分析

•技术细节写得比较泛（防止别人模仿）大概就是用视觉块编码（visual patch）的方式，把不同格式的视频统一编码成了用transformer架构能够训练的embeding，然后引入类似diffusion

sora openai 视频生成

45个 DALL-E 3 使用案例 (附提示词)

DALL-E 3 是 OpenAI 的又一大作，相比于此前的 DALL-E 3 是一个重磅提升。

DALL-E 提示词文生图

6个最佳开源TTS引擎

可以帮助视觉障碍的人理解文本内容，可以让开车的人听取一个文本工作报告，甚至模拟某个人的声音播报一段内容、演唱一个歌曲，实现虚拟主播、虚拟歌手。

TTS引擎开源模型

SDXL 1.0 | 一文搞定 ComfyUI SDXL1.0 完整流程

ComfyUI 是一个图形用户界面（GUI）工具，专门设计用来进行 Stable Diffusion 的实验和创作。

大模型

目前大语言模型的评测基准有哪些？

借鉴游戏排位赛机制，让人类对模型两两评价 ChatbotArena是一个大型语言模型 (LLM) 的基准平台，该项目方LMSYS Org是由加州大学伯克利分校、加州大学圣地亚哥分校和卡内基梅隆大学合作创立的研究组织

人工智能评测大模型

省钱！微软开源框架LLMLingua + LlamaIndex实现提示词压缩

这些数据，作为对模型的输入，也就是提示词，贡献了绝大多数资源的开销。

LLMLingua LlamaIndex 开源框架

宁德核电推出全球参数量最大的核工业大模型｜InfoQ 独家

此外，宁德核电还实施了工业 AI+AR 智能解决方案，通过 AR 技术提现场操作的安全性和便捷性。

宁德核电大模型

垂直领域大模型的思考

这就要求大模型能忠实于领域内的要求，同时克服“幻觉”，严谨准确地进行作答。

垂直领域大模型

Stable Diffusion

巧用ChatGPT生成Stable Diffusion绘画提示词Prompt

ChatGPT和AI绘画最近多火不用我再多强调，今天我来说说使用ChatGPT直接生成出图Prompt (提示词)。

Diffusion prompt

<...59 60 61 626364 65 66 67 68 ...>

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