文章列表-AI魔法学院

文章列表

2023年人工智能行业总结（精简版）

首先，语言模型线取得了显著突破。

人工智能行业总结

TTS，一个奇妙的AI工具

网络上有很多文字转语音网站都采用了这个TTS开源工具。

TTS 文本转语音

这可能是史上最全的 Python 算法集（附论文及python源码链接）

基于网格的搜索迪杰斯特拉算法 A*算法势场算法模型预测路径生成路径优化示例查找表生成示例状态晶格规划均匀极性采样（Uniform polar

算法 python

Stable Diffusion

小白设计师福音：Stable Diffusion 16款插件测评，好用不？推荐吗？

其中包含，清空正向提示词”和“清空负向提示词、提示词起手式包含人物、服饰、人物发型等各个维度的提示词、一键清除正面提示词与负面提示词、随机灵感关键词、提示词分类组合随机、动态随机语法等。

SD 插件文生图

10大高效的Super Prompts，让GPT拥有超能力！

忘掉以往的AI应用模式，今天要向你展示的是ChatGPT的超能力。

Prompt GPT 提示词

AI数字人：重构人货场的新力量

随着人工智能技术的飞速发展，生成式AI正在深刻改变着电商行业的运作模式。

数字人 AI 商业

Stable Diffusion

读取大脑重建高清视频，Stable Diffusion还能这么用

之所以会如此，是因为与重建一张静态图片不同，我们视觉所看到的的场景、动作和物体的变化是连续、多样化的。

stablediffusion

理解 o3 及其技术分析

1.2、如何理解o3的能力大模型的能力与人并不相同，o3可以完成一些常人很难胜任的工作，但也有很多对人简单的问题o3很难完成。

o3 技术分析

两天star量破千：OpenAI的Whisper被蒸馏后，语音识别数倍加速

Whisper 是 OpenAI 研发并开源的一个自动语音识别（ASR，Automatic Speech Recognition）模型，他们通过从网络上收集了 68 万小时的多语言（

语音 HeyGen

Github2.1万星！开发者的“瑞士军刀” 开源！

它汇集了许多有用的工具和功能，这些工具和功能在软件开发和编程中经常被使用。

DevToys 工具集开源

探索Sora的魔法世界：功能展示、原理解析、未来市场影响大猜想！

再比如具有前后因果的模拟也并不是每次都正确，如吃食物，不总是产生正确的食物状态变化。

视频生成 sora

AI拟声: 5秒内克隆您的声音

大牛开源了一个项目 mockingbird github 3万多星星！

声音克隆开源

Stable Diffusion

还没有上手Stable Diffusion XL 1.0 的同学，看这篇文章就够了

比如Stable Diffusion是一个多模态语言-图像模型,LoRA可以学习将其语言表征迁移到图像modal中,从而获得跨模态语义一致的表示。

SDXL

解读wav2lip：探究语音驱动唇部动作的技术原理！

（2）传统的基于GAN的判别器在音频-口型同步检测方面准确率较低：传统的GAN判别器只使用单帧图像来评估口型同步，缺乏时间上下文信息，无法评估口型动态变化质量。

wav2lip 语音

通过声音生成逼真的全身形象？！Meta开源AI工具：audio2photoreal

具体来说，它分为三个部分：人脸生成模型：这个模型可以从音频中生成逼真的人脸表情，包括嘴唇同步，眨眼，眉毛等细节。

audio2photoreal 开源工具

<...61 62 63 646566 67 68 69 70 ...>

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