文章列表-AI魔法学院

文章列表

腾讯的 PhotoMaker - 更快更像更可控的 AI Avatar

简介文本到图像生成技术在合成基于文本提示的逼真人类照片方面取得了显著进展。

PhotoMaker 文生图

提高工作效率的 10 个高级Prompt

学习任何新技能迅速的：“我想学习 [插入技能]。

工作大模型 GPT prompt 提示词

中文开源OCR框架对比及介绍

二值化：如今数码摄像头拍摄的图片大多是彩色图像，彩色图像所含信息量巨大，不适用于OCR技术。

OCR

鹅厂版AI笔记悄悄上线，微信公众号优质内容秒变专属知识库，实测在此

前段时间AI大神卡帕西用了谷歌NotebookLM还夸赞连连，说这是下一个ChatGPT。

ima copilot 搜索

阿里巴巴语音实验室发布开源语音处理框架ClearerVoice-Studio，支持语音增强、分离、目标说话人提取

虽然音频技术日新月异，但许多现有方案在复杂场景中仍难以提供稳定且高质量的音频体验。

ClearerVoice-Studio 语音

5 种策略控制 ChatGPT 的输出长度

自从人类有了 AI 之后，文本创作的效率大幅上升，带来的问题就是，我们不得不花更多时间去消化信息。

写作大模型聊天 ChatGPT

超越RAG：揭秘IAG框架如何引领推理问答系统的创新之路

该框架结合了归纳知识和检索文档，并利用大型语言模型（LLM）通过一种基于归纳推理模式的新提示方法生成这种知识。

IAG框架大语言模型

ComfyUI 基础教程（二）：文生图基础流程

我们将使用的是“Checkpoint加载器（大模型加载器）”。

comfyui 文生图

Elasticsearch 中的向量搜索：设计背后的基本原理

RAM 需要随着数据集的大小进行扩展以保持最佳性能遍历 HNSW 图会产生大量随机访问。

向量数据库

LLM应用架构之检索增强（RAG）的缘起与架构介绍

规模大对于大模型来讲，之所以称之为大模型，规模大是很重要的因素，我们一般任务参数量超过10亿的才能跨进大模型的门槛。

LLM

语音、视频转文字神器：开源whisper介绍

Whisper模型使用了一种称为“自注意力机制”的技术，它可以在处理不同的语音信号时，更好地捕捉到语音中的关键信息。

人工智能大模型 wisper

AI出题，做不完，根本做不完

前几天学到了一种针对大模型进行提示词编程的方法，效果比较炸裂，特别分享给大家。

大模型提示词试题

Stable Diffusion

深入浅出学习Stable diffusion之线稿转效果图

这里将以世界三大模型网站的资源进行部分展示：建筑领域：鞋子领域：衣服领域：神奇领域：等等，这些都是很多的模型，为什么要有这种模型呢，因为

Stable Diffusion 文生图大模型

【AI代理】扣子，开始探索多代理模式

代理模式不仅可以拓展大模型的功能（比如给大模型加上网页搜索，加入知识库等），还可以规避大模型的弱点（比如需求是一段代码，但是大模型回复的内容不单单包含代码，还有一些解释语句）。

多代理模式大模型

一文彻底搞懂多模态 - 多模态推理

· VQA是一个典型的多模态问题，融合了计算机视觉（CV）与自然语言处理（NLP）的技术，计算机需要同时学会理解图像和文字

多模态推理大模型

<...63 64 65 666768 69 70 71 72 ...>

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