文章列表-AI魔法学院

文章列表

图片生成速度最高提升10倍！可以做到“实时”生成！清华推出LCM/LCM-LoRA！

文本到图像生成的核心技术之一，就是稳定扩散模型（Stable Diffusion Models，简称SDM或SD）。

LCM/LCM-LoRA 文生图

OCRmyPDF—可智能识别PDF文本和图片信息的工具

主要特性 •从普通PDF生成可搜索的PDF/A文件 •在图像下方准确放置OCR文本，以便于复制/粘贴 •保持原始嵌入图像的确切分辨率 •

OCRmyPDF 工具

书生·万卷：难得的中文开源数据集

搞大模型训练，最重要的就是高质量的数据集。

大模型

Stable Diffusion

张嘴就能生图？这已经不是科技，这是魔法！（Stable Diffusion进阶篇：SDXL-Turbo）

先回到Stable Diffusion中，如果单单迭代一次的话生成的图片只会是十分模糊不清的。

SDXL-Turbo 文生图

从零开始了解AI大模型 - 概念篇：一文带你走进大模型世界

这些模型可以通过大量的数据和参数进行训练，以生成人类类似的文本或回答自然语言的问题。

大模型

一张照片秒生不同风格图像！小红书InstantID来了！

· · 即插即用：作为一个轻量级的模块，InstantID可以轻松地集成到现有的文本到图像扩散模型中，无需对模型进行复杂的修改。

InstantID 文生图

基于 OpenAI Whisper 模型的实时语音转文字工具

· WhisperLive 是一款专注于音频处理和创作的开源软件，使用 OpenAI Whisper 模型将语音输入转换为文本输出，可以用于转录麦克风的实时音频输入和预先录制的音频文件，为艺术家和音乐制作人提供了一个强大的平台

WhisperLive 音频开源软件

中文版开源Llama 2同时有了语言、多模态大模型，完全可商用

s=20 语言模型之外，继续开源两个中文多模态大模型在推出首个开源 Llama2 中文语言大模型之后，LinkSoul.AI 团队将目光投向了目前全球尚外于发展初期的语音文本多模态大模型和图文大模型

开源模型

大模型落地“诸神之战”，场景玩家先杀出重围了

只需一句话，大模型就能生成一张精美的家居效果图。

大模型文生图

解读OpenAI Sora文生视频技术原理

OpenAI Sora文生视频（图像看作单帧视频）一放出就炸翻整个AI 圈，也是ChatGPT掀起GenAI热潮时隔一年后，OpenAI再次史诗级的更新。

sora

图片拖拽神器DragGAN介绍及官方安装文档说明

拖放图像编辑是一项功能强大的技术，它涉及训练生成模型来根据用户提供的指令转换图像。

开源

Stable Diffusion

AnimateDiff：一篇文章教你学会用Stable Diffusion制作GIF动图

下载所需文件对于这种卡通风格，一个不错的checkpoint是 ToonYou，您可以从 CivitAI网站下载最新版本，并把它拖到您的Stable Diffusion模型文件夹中，如下所示

AnimateDiff 视频训练

HalluQA: 测测中文大模型有没有一本正经胡说八道

幻觉是文本生成领域的一个经典问题，在不同的任务中，幻觉有不同的表现形式。

大模型中文大模型幻觉

一文带你看懂OpenAI-Sora生成视频的原理

但Sora模型处理视频的方式，远比拼凑静态图像更为复杂。

视频生成 sora

变天了，AI可以一键生成中文海报了......

就在昨晚，即梦AI悄悄上线了2.1图像模型，这个模型能够通过提示词一键生成中英文海报，离了大谱。

2.1图像模型文生图

<...3 4 5 678 9 10 11 12 ...>

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