文章列表-AI魔法学院

文章列表

PymuPDF4llm：PDF 提取的革命

只需使用pip install pymupdf4llm进行安装，然后通过import pymupdf4llm导入库，就可以使用md_text = pymupdf4llm.to_markdown("input.pdf

PymuPDF4llm PDF

提升GPT Prompt效果最佳实践 - 拆解复杂任务

具体方法： · 使用意图分类来识别与用户查询最相关的指令 · 对于需要很长会话的对话应用，总结或过滤之前的对话 · 分段总结长文档，并递归构建成完整摘要使用意图分类来识别与用户查询最相关的指令

GPT prompt

来自Microsoft Build 2023：大语言模型是如何被训练出来的

全文围绕如下的这个图展开：这幅图很好地总结了大语言模型的训练全景，主要包括四个阶段：预训练阶段：基于原始数据训练一个基础模型，得到的是一个base model，可以部署使用有监督微调阶段

大模型

2023年人工智能行业总结（精简版）

GPT4V多模态模型和Gemini的发布让大模型能够看图看视频作答。

人工智能行业总结

GitHub上的RPA小工具，可以将重复、繁琐的任务自动化

ensp; pyautogui.moveTo(current_x, current_y) ``` PyAutoGUI还提供了截图、

RPA 自动化

MaskGCT：登上GitHub趋势榜榜首的TTS开源大模型

与以往使用k-means方法离散化语义特征相比，这种方法可能导致信息损失，从而影响高质量语音的重建或声学标记的精确预测，尤其是在音调丰富的语言中。

MaskGCT 声音克隆

爆火「视频版ControlNet」开源了！靠提示词精准换画风，全华人团队出品

他们只在一张图像上部署算法，再将图像-图像的转换，提升为视频-视频的转换，将关键点检测提升为关键点跟踪，而且不需要任何训练。

ControlNet

被低估的面壁：打造出不输 OpenAI 的 Scaling Law 曲线

此外，围绕“高效训练”，面壁不仅仅在模型的训练层发力，在底层计算和数据层也有深入思考，全面系统地推进大模型上下游工程。

Grok-1 开源模型

AI换脸：FaceFusion和Roop在线版修复，支持手机，平板，低配电脑！

设置一下帧处理器设置一下执行器Cuda 然后上传源图片，目标图片或者目标视频。

FaceFusion Roop AI换脸

如何用人工智能协助我提高写代码的效率

你可以把代码发给AI，让AI帮你解释，帮你注释，帮你优化，帮你改写…… 实现代码请用某某语言帮我写出某某功能的代码，要求…… 解释代码以下代码是什么意思，请帮我解释注释代码

人工智能编程

AI创作｜如何通过GPT进行漫画视频的故事改写

3、配图制作小说推文类视频目前主流的图像展现方式是通过AI绘画技术（MJ或者SD）生成适合每一镜的画面，在通过剪辑手段，让静态图片变成动态镜头的方式。

生成式AI

AI 换脸——Deepfacelab 下载与安装，新手教程

源视频转成图片（源图片） .

Deepfacelab 换脸

RAG 2.0，终于把RAG做对了！

一切都关乎语义相似性顾名思义，其理念是从已知数据库中检索数据，这些数据是LLM很可能从未见过的，并实时将其输入模型中，使其具备最新且重要的是语义相关的上下文，以便提供准确的答案。

RAG 大语言模型

通俗易懂地解释OpenAI Sora视频生成的特点有哪些？它与此前的Runway Gen2、Pika有什么区别？以及缺点是什么？

另外值得一提的是，OpenAI Sora模型还可以直接生成图片，也就是说，它是一个以视频生成为核心的多能力模型。

sora 视频生成

复旦开源中文医疗大模型，基于百川微调，模型和数据集都公开

DISC-MedLLM的独特之处源于其创新性的设计和多元数据构造机制，这一机制是基于我们以目标为导向的策略，以及真实医患对话数据和知识图谱的深度结合而成。

大模型

<...65 66 67 686970 71 72 73 74 ...>

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