文章列表-AI魔法学院

文章列表

数字人之声音克隆：无样本，1分钟样本完美克隆声音，开源

Aggressive比Normal去除得更彻底，DeReverb额外去除混响，可去除单声道混响，但是对高频重的板式混响去不干净。

数字人声音克隆 GPT-SoVITS

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

如何避免大语言模型绕过知识库乱答的情况？LlamaIndex 原理与应用简介

随着 LangChain + LLM 方案快速普及，知识问答类应用的开发变得容易，但是面对回答准确度要求较高的场景，则暴露出一些局限性，比如向量查询方式得到的内容不匹配，LLM 对意图识别不准。

大语言模型

有道开源的国产语音库EmotiVoice爆火了！具有情绪控制功能的语音合成引擎！

无论是内容创作、个性化服务还是教育培训，EmotiVoice都能提供高质量和高度个性化的语音合成解决方案。

EmotiVoice 语音库

如何微调Meta Llama-3 8B

“Llama3”可能是型号名称，“8b”表示 80 亿个参数，“bnb”可能是指特定的架构，“4bit”表示使用内存效率高的格式。

Meta Llama 3 大模型

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

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

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

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

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

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

Stable Diffusion

Stable Diffusion 和 Midjourney的优劣势比较，如何选择？

Stable Diffusion主要特征 ①硬件要求较高：需要本地的独立显卡，对硬件要求高。

文生图

【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

[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

<...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