文章列表-AI魔法学院

文章列表

关于AI声音生成的一切（语音+音乐+嘴型）

2D/3D/视频生成最近都有很多值得关注的工具，但是要输出完整的AIGC作品，肯定少不了声音。

声音

在 WebUI 中使用 AnimateDiff 的一些问题和技巧

这两天晚上没事的时候就会尝试下AnimateDiff，发现这真的让视频生成上了一个大台阶，估计是到了AI视频爆发的前夜了。

AnimateDiff SD

一文读懂GPT-1：生成式预训练如何提升语言理解

但对于其他任务，如问答或文本蕴含，输入是结构化的，如有序的句子对或文档、问题和答案的三元组。

GPT

Stable Diffusion

Meta发布业界最强文生图模型CM3Leon，实力碾压Stable Diffusion、Midjourney

将大规模多任务指令调优应用于CM3leon，用于图像和文本生成，显著提高了图像标题生成、视觉问答、基于文本的编辑和条件图像生成等任务的性能。

文生图

【开源项目】Flow Matching 语音合成

shivammehta25.github.io/Matcha-TTS/ 在线推理： https://huggingface.co/spaces/shivammehta25/Matcha-TTS 中文实现

音视频 Flow Matching

AI写作：一步到位，如何用 AI 生成整篇文章？做自媒体必看！

大家好我是皮特，今天我们来聊一聊如何用AI生成整篇文章。

结构化提示词写作

姜子牙大模型系列 | 为知识检索而生，Ziya-Reader开源，多个长文本中文任务第一

因此，关于检索增强的大模型的研究如火如荼，为了能从多个文档或超长文档中找到答案，各种超长上下文窗口的模型已经陆续发布。

大模型 Ziya

一文彻底搞懂多模态 - 多模态推理

这两种模态的信息可以是图片和文本、视频和语音等。

多模态推理大模型

FFmpeg之父新作——音频压缩工具 TSAC

具体来说，TSAC可以将3.5分钟的立体声歌曲压缩为192KB 的文件。

TSAC 音频工具

营销Prompt：三分钟生成百篇营销文案，领先99%的同行！

就拿营销文案来说，别人动动手指就可以十分钟生产几百篇营销文案，你如果还用人工一篇一篇来写，那结果........

写作营销 prompt

Stable Diffusion

Stable Diffusion 快速创作角色三视图

天分享分享如何通过 Stable Diffusion 快速创造出角色三视图。

SD 三视图文生图

通过声音生成逼真的全身形象？！Meta开源AI工具：audio2photoreal

这是一个由Facebook研究院开发的技术，可以根据音频生成逼真的人物视频！

audio2photoreal 开源工具

Sora物理悖谬的几何解释

Sora声称“作为世界模拟的视频生成模型”，豪气干云。

Sora 解释

一文读懂AIGC产业链：AIGC的前世今生和未来展望

其中计算机视觉目前发展较快，它是一个通过技术帮助计算机“看到”并理解数字图像内容的研究领域，例如理解照片和视频的内容。

生成式AI

俄罗斯人开源了最大的文生图模型：参数量12B，比SDXL大了3倍多！

，导致模型总参数达到了11.9B，这应该是目前最大的开源文生图模型。

Kandinsky-3 文生图开源模型

<...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