文章列表-AI魔法学院

文章列表

VividTalk：用一张照片和一段音频让人物栩栩如生地说话

VividTalk的核心功能是使用一张静态照片和音频录音，生成一个动态的、看似真实的讲话视频。这个过程涵盖了多种语言和风格，如真实风格和卡通风格，使其应用范围广泛。由南京大学、阿里巴巴、字节跳动和南开大学联合开发的这一项目，在技术层面上展现了巨大的潜力和创新性。

VividTalk 视频

从⼤模型到 AI 应⽤落地，工程实现有多复杂?

这本教科书五、LLMOps 是如何解决这些问题的？

大模型

Stable Diffusion

[Stable Diffusion]AnimateDiff ：最稳定的文本生成视频插件

在小视频风靡的时代，稳定的文本生成短视频成为了迫切需求。

AnimateDiff 视频训练

使用 Dify 和 Moonshot API 构建你的 AI 工作流（一）：让不 AI 的应用 AI 化

WordPress 告别 MySQL：Docker SQLite WordPress[16]》、《WordPress SQLite Docker 镜像封装细节[17]》中，我介绍过轻量化的、能够在本地快速运行的

Dify Moonshot API 工作流

AI赋能实验室：儿童绘本插图

--ar 16:9 --v 6.0 --s 250 --style raw 译文：这是一个充满奇妙想象的儿童插图，描绘了一个充满好奇的[动物]在一个充满活力和魔法的[地点]展开了一段愉快的冒险

插画文生图

【分享】SDXL模型最佳拍档！COMFY UI上手指南

SDXL 1.0 特点建立在由 3.5B 参数BASE模型和 6.6B 参数REFINE模型组成的两阶段创新架构之上。

大模型

大模型落地“诸神之战”，场景玩家先杀出重围了

利用近10年来的家装流行色搭配数据，确保模型能学习到专业美学和搭配原则。

大模型文生图

大语言模型应用中的文本分块策略

在构建与LLM相关的应用时，分块（chunking）是将大段文本分解为较小段的过程。

开源模型

Insanely Fast Whisper：超快的Whisper语音识别脚本

基本上你需要做的就是这样： 1 import torch 2 from transformers import pipeline 3 4 pipe = pipeline

音频 Whisper

ComfyUI 基础教程（二）：文生图基础流程

文本输入节点（CLIP 文本编码器）： .

comfyui 文生图

Stable Diffusion

Stable diffusion 有哪些不错的模型

目前的话1.5版本更好用一些，但是基本没有人会用自带的大模型，因为效果很差。

文生图

一本Python爬虫的书，凭什么能畅销10W册

网络爬虫（也称作网页蜘蛛，网络机器人，在英文中又称作 web spider）是一种按照一定规则，自动地抓取互联网信息的程序或脚本。

爬虫 python

OpenAI视频模型Sora的推理生成成本多高？

像素空间）阵列后，经过空间映射会得到 latent 空间中的一维序列，一个 patch 对应的一个 latent 元素，等价于 LLM 中的一个 token（经过字符空间映射过来的 token 空间基本单元

Sora 推理算力

Stable Diffusion

Stable Diffusion AnimateDiff | 最火文本生成视频插件库

huggingface.co/guoyww/animatediff 如果无法下载，公众号回复 animatediff 获取下载链接，找到 mm_sd_v15_v2.ckpt 放到本地的目录中即可

动画视频 AnimateDiff

检索增强生成(RAG)：LLM企业级应用落地的挑战与思考

如果你正在构建LLM应用，你可能已经知道RAG很容易起步，但很难达到生产可用。

大语言模型 RAG检索增强

<...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