文章列表-AI魔法学院

文章列表

国内厂商语音识别与Whisper评测：现状与概况对比

语音识别技术不仅可以应用于智能助手、语音控制、自动化客服等领域，还有望为残障人士提供更便捷的沟通工具。

语音识别 Faster-Whisper

神秘模型“小熊猫”一夜刷屏：排名超Flux、Midjourney，网友：一看就中国的

OpenAI； § 也可能是Mistral AI的新模型，理由是在未公布的测试版中发现了相似名称“Pandragon”； § 或者来自Recraft文生图模型，因为它们曾使用小熊猫战士作为默认矢量提示

red_panda 文生图

OpenAI 上线新功能力捧 RAG，开发者真的不需要向量数据库了？

其中，王炸功能 Assistants API 的内置工具支持了代码解释器、知识库检索以及函数调用，允许接入外部知识（文档）、使用更长的提示和集成各种工具。

RAG 检索向量库

ComfyUI-ControlNet不能漏啊！

算是补充了之前挖坑的其他放大方法吧，这个方式webui同样适用（之前一直忘了提）。

ComfyUI ControlNeT

ComfyUI王牌！复合生成！必须揉在一起

下面是一个示例。

comfyui 文生图

免训练！单图秒级别生成AI写真，人像生成进入无需训练的单阶段时代

FACT 整个框架如下图所示：为了更全面地提取人脸的细节信息，FACT 采用了在海量人脸数据上预训练的基于 Transformer 架构的人脸特征提取器

FaceChain FACT 文生图

Stable Diffusion

SD好复杂，是不是很糊，一文搞懂Stable Diffusion的各种模型及用户操作界面

在用户输入完文本提示后，图像就能立即显示。

Stable Diffusion 文生图

AI文档智能助理都是如何处理pdf的？

该库采用可移植的 C 模块化编写，因此集成商可以根据需要添加和删除功能。

大模型

20%杨幂+80%霉霉=？这款“人脸拼接”的AI应用还能这么玩

用户只需提供一张面部图像，InstantID 就能在多种风格中生成个性化的图像，同时确保高保真度。

InstantID 文生图

用户意图对齐，无需人工标注，Zephyr-7B 超越 Llama2-Chat-70B

这三个步骤结合起来形成了一个复杂的AI训练和优化方法。

小型语言模型 Zephyr-7B

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

项目提出了一种推理时的摇摆采样策略，显著提高了模型的性能和效率。

F5-TTS 音频克隆

Langchain中改进RAG能力的3种常用的扩展查询方法

我们这里主要介绍在Langchain中常用的3种方法查询扩展技术涉及对用户的原始查询进行细化，以生成更全面和信息丰富的搜索。

检索增强生成 Langchain

一张照片秒生不同风格图像！小红书InstantID来了！

最近腾讯的PhotoMaker很火，因为仅需要一张大头照就可以快速实现类似妙鸭相机的效果，现在又有一个类似的解决方案InstantID出现了，它能够在保持高保真度的同时，仅使用一张面部图像实现个性化图像合成

InstantID 文生图

微软Phi-3、Mixtral 8x22B等小模型过拟合，三分之二存在数据污染

尤其是以量小质优闻名的 Mistral 和 Phi 模型系列，根据 GSM1k 的测试结果显示，几乎其中的所有版本都显示出了过拟合的一致证据。

过拟合小模型

Stable Diffusion

如何保证每次画出的都同一张人脸：Stable Diffusion的Reference only教程

如应用到连贯的绘画场景中，例如漫画、虚拟角色设计等领域，意味着提高产能的可行性。

文生图

<...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