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

3个网站分别是：LeptonAI、MyShell和HuggingFace 当然如果你觉得自己技术能力足够，熟悉Linux, Python 和 PyTorch，并且有服务器资源，那可以自己在Linux

OpenVoice 声音克隆开源

超越Animate Anyone! 南加大&字节提出MagicPose，不需任何微调就可生成逼真的人类视频

该模型在未见过的人类身份和复杂的运动序列上也具有良好的泛化能力，无需在具有不同人类属性的数据上进行任何微调，并利用图像扩散模型的先验知识。

MagicPose 视频

OCR是什么以及推荐几款开源中文OCR识别软件

字符切割：　　由于拍照、书写条件的限制，经常造成字符粘连、断笔，直接使用此类图像进行OCR分析将会极大限制OCR性能。　　

OCR

开源版妙鸭相机来了，无限出个人写真图（阿里达摩院出品）

FaceChain支持在gradio的界面中使用模型训练和推理能力，也支持资深开发者使用python脚本进行训练推理。

妙鸭相机

PostgreSQL的三位一体——在大模型应用中结合关系型、向量和时间序列数据

从LlamaIndex应用程序代码中方便地创建ANN搜索索引的能力使得创建不同的索引和比较它们的性能变得容易: # Create an HNSW index

大模型 PostgreSQL

【NLP技术分享】文本生成评价指标的进化与推翻

一个好的评价指标（或者设置合理的损失函数）不仅能够高效的指导模型拟合数据分布，还能够客观的让人评估文本生成模型的质量，从而进一步推动text generation 商业化能力。

开源模型

分享使用SDXL 1.0模型的一些技巧和心得

当然，像embedding还是不能使用。

文生图

AI换脸：FaceFusion 3.5.0更新，解决老版本无法使用问题！

即使您使用最新版本的 CUDA，也能确保程序顺畅运行。

FaceFusion 文生图

忘了stable diffsion的英文提示词吧，这个工具点点鼠标就可以了

但是，我设想的提示词插件里，还有一个功能：导入自定义提示词。

stable diffsion 提示词

探秘制作艺术二维码的新姿势

这里Control类型选择Tile，它具有放大和细节控制的能力。

图像文字

数字人之声音克隆：无样本，1分钟样本完美克隆声音，开源

测试了一下，效果真不错，可以直接用，也可以微调后使用，好了废话不多说，直接上干活，哈哈~~ 首先这次直接说项目：GPT-SoVITS 项目功能介绍

数字人声音克隆 GPT-SoVITS

LLM微调经验&认知

尽管RLHF阶段的LOSS设计会驱使模型的输出不要偏离SFT太多，但仍可能会造成NLU能力的损失。

LLM 大模型

ComfyUI王牌！复合生成！必须揉在一起

.🤔A航线有webui的底子，想了解生图过程，能举一反三，进阶学习的。

comfyui 文生图

Stable Diffusion

Stable Diffusion快速生图，LCM-Lora、sd_xl turbo寄养和亲生谁好？！

这种方法使用分数蒸馏来利用大规模现成的图像扩散模型作为教师信号，并将其与对抗性损失相结合，以确保即使在一个或两个采样步骤的低步骤状态下也能确保高图像保真度。

sdxl SD 绘画

实现聊天机器人打字机形式输出内容：SSE原理介绍及Post实现方式

比如显示当前网站在线的实时人数，法币汇率显示当前实时汇率，电商大促的实时成交额等等 3、SSE使用场景在web端消息推送功能中，由于传统的HTTP协议是由客户端主动发起请求，服务端才会响应

大模型

<...66 67 68 697071 72 73 74 75 ...>

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