文章列表-AI魔法学院

文章列表

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

项目简介这应该是效果相当好的一个PDF转HTML程序，生成的结果和原始PDF几乎一模一样。

PDF转换

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

该模型在未见过的人类身份和复杂的运动序列上也具有良好的泛化能力，无需在具有不同人类属性的数据上进行任何微调，并利用图像扩散模型的先验知识。

MagicPose 视频

ChatGPT 的对话框过时了？这款 AI 产品提供了一种很新的聊天方式

它在形式上最大的亮点是，把纵向的聊天记录，转变成了动态的画布，为人机交互提供了一种很新的方式。

ChatGPT 聊天

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

Fastwhisper + Pyannote 实现 ASR + 说话者识别

前言最近在研究ASR相关的业务，也是调研了不少模型，踩了不少坑，ASR这块，目前中文普通话效果最好的应该是阿里的modelscope上的中文模型了，英文的话，还是非whisper莫属了，而且

faster-whisper 语者识别 ASR

微信向量检索分析一体化数仓探索：OLAP For Embedding

背景在过去的一年里，大型语言模型 (LLM) 以及 ChatGPT 等产品吸引了全世界的想象力，推动新一轮技术浪潮。

OLAP For Embedding 一体化数仓

Stable Diffusion

Stable Diffusion基础：ControlNet之身份标识

本文给大家分享一个新的ControlNet类型：Instant ID，翻译为身份标识，核心能力是由国内的小红书团队开发的。

ControlNet 文生图

AI必备Prompt技巧《提问的艺术——让AI导出高质量答案》

Prompt（提示）是指在与 AI 模型（如 GPT 系列模型）进行交互时，用户提出的问题或输入的文本。

prompt 提示词

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

Animatediff V2 版本来了！就一个字：秀

Lora，官方更新了 8 个运动模型 Lora，让我们可以自由控制动画画面的走向。

Animatediff 文生图

一文带你认识ELMo

训练了从左到右或从右到左的语言模型。

embedding

世界上最流行（github排名高）的开源移动机器人的操作系统ROS开源了！！

这款机器人的主要特点包括开源ROS软件、硬件开源、小尺寸、低价格、模块化驱动以及强大的扩展性。

ROS 机器人开源模型

个人从零预训练1B LLM心路历程

其实在当时就有不少些这种“从零预训练LLM”的开源项目了，但是大多训练的数据量或者是模型都很小（几块4090+几十G数据就能跑起来），并没有暴露出一些工程上的问题，训练细节也没有分享的特别清晰。

LLM 训练

Fooocus，webui，comfyui优缺点

首先fooocus更新到860了加了蒙版和反转蒙版，推荐下载中文版，还带之前的实时绘图。

Fooocus webui comfyui 文生图

AI Agent的数字化革命：超越文本，走向自主决策与交互

相比模型训练方法，OpenAI 内部目前更关注AI Agent 领域的进展。

生成式AI

<...64 65 66 676869 70 71 72 73 ...>

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