文章列表-AI魔法学院

文章列表

数学能力超ChatGPT，70B开源大模型火了：用AI微调AI，微软全华班出品

一是因为整个注释过程极其昂贵且耗时，二是人工难以创建出足够比例的高难度指令。

开源模型

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

详解大模型RLHF过程（配代码解读）

奖励模型训练优化采用pair wiss loss，即同时输入模型关于同一个问题的两个回答，让模型学会这两个句子哪个分高哪个分低。

训练

Prompt 策略：代码库 AI 助手的语义化搜索设计

这些助手能够回答关于代码库的问题、提供文档、搜索代码、识别错误源头、减少代码重复等，从而提高开发效率、降低错误率，并减轻开发者的工作负担。

prompt

Fastwhisper + Pyannote 实现 ASR + 说话者识别

同时在CPU和GPU上进行8位量化，可以进一步提高算法效率。

faster-whisper 语者识别 ASR

人手一个编程助手！北大最强代码大模型CodeShell-7B开源，性能霸榜，IDE插件全开源

通过在数据判重、数据过滤规则、数据质量模型上设计了一套体系化的数据治理流水线，CodeShell构建了高质量的预训练数据。

开源模型 AI编程

必看！ComfyUI故障应对指南，让您轻松应对每一个挑战

这样可以显著提高效率。

ComfyUI 故障应对

【本地部署】智谱chatglm3-6B第三代！性能如何？支持调用tools+Agent+代码执行！小白教程！附网盘下载！

更高效推理/降本增效：基于最新的高效动态推理和显存优化技术，我们当前的推理框架在相同硬件、模型条件下，相较于目前最佳的开源实现，包括伯克利大学推出的 vLLM 以及 Hugging Face TGI

chatglm 智普大模型

AI虚拟主播数字人技术实现Wav2Lip

在高层次上，Deepfake 可以根据媒体的关注点分为 3 个方向进行更改，即伪造视觉（例如伪造图片或者视频）、伪造音频（例如伪造语音内容等）、伪造视觉及音频（即前两者的结合了，完全都是伪造）。

数字人视频

最受欢迎的SDXL模型，Turbo极速来袭！

close-up of an ancient female warrior fighting on the battlefield,fantasy,dungeons & dragons, 7、女高中生

sdxlturbo 绘画

RAG——使用检索增强生成构建特定行业的大型语言模型

这个讨论从这篇文章的相反方向开始——从Elastic Search（或向量搜索）的角度出发——并提出搜索本身是有限的，添加大型语言模型的层可以大大提高搜索体验。

大模型

Stable Diffusion

小白也可以一键安装的Stable Diffusion——Easy Diffusion

图像生成生成方式：文生图、图生图、图像修复 ControlNet:用于对图像进行高级控制，例如通过设置姿势或绘制

Stable Diffusion 插件安装

教会AI画汉字（ComfyUI篇）

ComfyUI-Advanced-ControlNet 安装完插件我们就可以开始进行工作流的创建了首先我们先建立一个标准的工作流然后在安装完插件后新建节点在这里选择高级

comfyui 文生图

解读OpenAI Sora文生视频技术原理

图像渐进地转化为纯高斯噪声。

sora

[Midjourney]人物镜头拍摄视角大全

通常会让脸部显得更小，眼神更加深邃，同时也能增强拍摄对象的神秘感和高傲感。

视图视角构图

<...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