文章列表-AI魔法学院

文章列表

17K star！30秒偷走你的声音，开源声音克隆工具

现在的AI发展越来越快，生成一段语音不是难事，那如果生成的是你自己的声音？

OpenVoice 声音克隆开源

Stable Diffusion

Stable Diffusion生成美女正向词和反向词示例

几个Stable Diffusion生成美女的正向词和反向词例子，大家可以举一反三

AI绘画提示词 stablediffusion

一个完整Prompt让ChatGPT自动生成短视频制作脚本

通过将产品信息、售卖对象和优惠信息结合，它能够快速生成吸引人的短视频制作脚本，帮助企业在激烈的市场竞争中脱颖而出，实现更为成功的营销策略。

ChatGPT Prompt 视频

OpenAI真的开源了！这波「实时语音」操作，让万物开口说话，我爱了

就像直播里的那只麋鹿，它能听懂你的问题，然后用自然流畅的语音跟你聊天，就是这个 SDK 的功劳！

OpenAI 嵌入式实时语音 SDK

从专业ASR到统一音频LLM：七大顶尖模型的深度对比分析

语音和音频处理领域正在经历一场重大变革，从专门的自动语音识别（ASR）系统，转向集成的、多模态的音频大语言模型（Audio LLM）。

音频对比

大模型文本生成——解码策略（Top-k & Top-p & Temperature）

在自然语言任务中，我们通常使用一个预训练的大模型（比如GPT）来根据给定的输入文本（比如一个开头或一个问题）生成输出文本（比如一个答案或一个结尾）。

大模型

图解检索增强式生成（RAG）技术 | 万字长文

检索增强生成（Retrieval Augmented Generation，简称 RAG）向 LLM 提供了从特定数据源检索的信息，以此作为生成答案的基础。

检索增强式生成 RAG

向量数据库失宠了？OpenAI 力捧检索增强生成（RAG）技术，对行业来说意味着什么？

检索增强生成（RAG）到底是什么？

检索增强生成大语音模型

VividTalk：用一张照片和一段音频让人物栩栩如生地说话

VividTalk技术简介 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。

VividTalk 视频

如何成为LLM提示词大师！「大语言模型的底层心法」

· 提炼：纯化基本原则或事实如去除所有噪音，如提取公理、基础等。

大模型提示词

Stability AI开源上新：3D生成引入视频扩散模型

也就是说，此番登场的SV3D首次将视频扩散模型应用到了3D生成领域。

sv3d 建模

Mokker，想取代商业棚拍效果的场景生成AI

有别于其他的生成式工具，Mokker有她特别用心和擅长的地方，专注帮你更换合适的商品场景，如果有一张产品图了，那么可以通过Mokker的摄影道具，添加自己想要的道具模型到场景中，然后靠谱的AI就会生成一张融合产品在内的准确场景

Mokker 图生图

【NLP技术分享】文本生成评价指标的进化与推翻

前言文本生成目前的一大瓶颈是如何客观，准确的评价机器生成文本的质量。

开源模型

AI“同声传译”新进展！Google发布，无监督，语音识别：Translatotron 3！

前有Meta发布eamless-communication，后又Google发布最新研究成果：Translatotron 3!

Translatotron 语音识别

生成式人工智能的“经济学”，The Economic Case for Generative AI

简单来说，生成式人工智能就是一种能够自动产生内容的技术。

生成式人工智能经济学

<...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