文章列表-AI魔法学院

文章列表

Stable Diffusion

还没有上手Stable Diffusion XL 1.0 的同学，看这篇文章就够了

比如Stable Diffusion是一个多模态语言-图像模型,LoRA可以学习将其语言表征迁移到图像modal中,从而获得跨模态语义一致的表示。

SDXL

ComfyUI官方使用手册【官网直译+关键补充】

该节点接收一个T2I风格适配器（style adaptor）模型和一个CLIP视觉模型（CLIP vision model）的嵌入（embedding），以引导扩散模型朝向CLIP视觉模型嵌入的图像风格发展

文生图图生图 comfyui

【进阶】-文生图术语解释

例如，线性回归模型通常将均方误差用于损失函数，而逻辑回归模型则使用对数损失函数。

文生图

一文读懂AIGC产业链：AIGC的前世今生和未来展望

我国计算机视觉市场规模一直保持逐年增长，据艾瑞咨询预计，2020-2025年我国计算机视觉市场规模复合年均增长率为12.3%，2025年规模将达到1537.1亿元。

生成式AI

阿里腾讯豪华阵容参投，智谱AI投资版图曝光

这从侧面反映了智谱在中国人工智能大模型领域的地位。

智谱阿里

2023年人工智能行业总结

所谓涌现，是指当模型规模较小时并未出现某种能力，但当模型规模达到一定程度后，这种能力突然出现。

人工智能 AGI 思考总结

F5-TTS：上海交大开源超逼真声音克隆TTS，告别ElevenLabs，以后就用它了！实测真的很牛

不需要复杂的设计如持续时间模型、文本编码器和音素对齐，能够快速训练并实现实时因素（RTF）0.15的推理速度，显著优于当前基于扩散的TTS模型。

F5-TTS 音频克隆

用so-vits-svc-4.1进行音色转换的极简教程！

然后就是训练声音主模型。

so-vits-svc 音色转换教程

两天star量破千：OpenAI的Whisper被蒸馏后，语音识别数倍加速

其中，这个语音转文字的 Whisper 模型非常好用。

语音 HeyGen

字正腔圆,万国同音,coqui-ai TTS跨语种语音克隆,钢铁侠讲16国语言

coqui-ai TTS实现跨语种、无需训练克隆语音的方法是基于Tacotron模型，该模型使用了一种音素输入表示来鼓励在不同语种之间共享模型容量。

coqui-ai TTS 语音

如何用AI做LOGO？

不过，使用Stable Diffusion需要一点点门槛：要有一台显卡说得过去的电脑，会下载并安装相应的AI绘画大模型和微调模型（LoRA），模型下载详见文末。

Stable Diffusion 文生图

【提前体验GPT-5】吴恩达AI智能体工作流详细解读

，时长13:40 四种设计模式视频中，吴恩达博士详细解释了智能体工作流实现的4种设计模式，这四种模式分别为反思

GPT-5 智能体

教你用StableDiffusion设计AI数字人

▲分步训练其中，在模型训练上只需要两步。

文生图

SD入门教程四：图生图基础用法

最近流行的LCM模型可以实现实时涂鸦出图。

SD 入门图生图

阿里Outfit Anyone实现真人百变换装

Outfit Anyone 通过利用双流条件扩散模型解决了这些限制，使其能够熟练地处理服装变形以获得更逼真的结果。

Outfit Anyone 阿里

<...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