文章列表-AI魔法学院

文章列表

什么是极限、导数、微分与积分（通俗易懂）

这种对“无限”的思考，正是微积分中“极限”概念的核心。

数学微积分科学

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

不需要复杂的设计如持续时间模型、文本编码器和音素对齐，能够快速训练并实现实时因素（RTF）0.15的推理速度，显著优于当前基于扩散的TTS模型。

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

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

AI的百亿套壳：做船不做柱子

在2023-2024两年里，AI 应用主要有六个方向，大家在围绕这六个方向训模型或者套壳。

AI 创业

对于AI，我们现阶段可以有的态度

需知道，即便是最简单的，普通人能触及和上手的大语言模型的使用，你知道如何与AI对话才能获得你想要的结果么？

文生图

利用AI技术自动化爬取网页数据的利器——MLScraper

它可以处理各种类型的网页，包括静态网页和动态网页。

MLScraper Python库

FaceSwapLab，截止2023年8月最好用的一键换脸工具

出现这个问题的原因是AI绘画的人物脸部不同角度时，模型比较难适配完美。

一键换脸

让AI记住你说的话、让AI给你生成几十万字的小说！StreamingLLM 让无限长token成为可能

如今全世界有很多公司都在研究AI大模型（LLM）。

StreamingLLM 写作

Fastwhisper + Pyannote 实现 ASR + 说话者识别

，CTranslate2是一个用于Transformer模型的快速推理引擎。

faster-whisper 语者识别 ASR

SD入门教程六：ControlNet基础入门

文生图和图生图界面都能找到controlnet的操作区域；在这个操作区域为3大板块： 1.

ControlNet 文生图

Stable Diffusion

Stable Diffusion 抽卡必备神器！Agent Scheduler

相信大家在玩 Stable Diffusion 的时候一直有一个痛点，每次出图抽卡时都只能等待上一次抽卡结束，才能继续下一次抽卡；特别是当我们想抽大量的卡来测试不同的模型，不同的参数的效果时，那么是非常奔溃的

Agent Scheduler Stable Diffusion

它来了！SDXL + ControlNet 终于强强联合！

那么大家可能就会会有疑问了，老版本的 ControlNet 模型能不能在 SDXL 中使用呢？

SDXL

pdf2htmlEX：效果相当好的一个PDF转HTML程序，和原始PDF几乎一模一样。

来自其他分支的许多更改和改进已被纳入：许多错误修复，大部分是边缘情况集成最新的Cairo代码超出源构建重写了模糊/部分模糊文本的处理 -

PDF转换

本地部署操作AI抠图软件

百度飞桨PP的 PaddleSeg内置了两个模型 PP-Matting 和 PP-MattingV2。

抠图

<...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