文章列表-AI魔法学院

文章列表

超越Claude-2.1和GPT-3.5-Turbo，Qwen1.5还藏了哪些黑科技？32K Tokens上下文支持只是开胃菜！

数学、推理，对它来说都是小菜一碟。

Qwen1.5 开源模型

星标破万！小钢炮2.6登顶GitHub，Hugging Face TOP3，燃爆开源社区！

该模型基于 SigLip-400M 和 Qwen2-7B 构建，共 8B 参数。

MiniCPM-V 2.6 大模型

说真的，SDXL究竟藏着多少秘密，也许没人知道

但凡你炼过LoRA就不难理解：准备20张左右主题鲜明，背景干净的图，伴随着GPU的一阵咆哮，一个小模型就此诞生，从此数字世界又多了一种可以快速呈现的图形风格。

文生图

VividTalk：用一张照片和一段音频让人物栩栩如生地说话

引言在数字时代，技术的进步正在不断突破我们对现实与虚拟的界限。

VividTalk 视频

Stable Diffusion

Stable Diffusion基础：ControlNet之图片高仿

这是我的一些模型生成参数，大家可以参考，没必要完全按照这个来。

文生图

17K star！30秒偷走你的声音，开源声音克隆工具

然后，它可以生成听起来自然的语音，以多种语言模仿该语音，同时为用户提供对情感、口音、节奏和语调等参数的精细控制。

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

为此，我们提出了一种两阶段的训练策略，以分离人体动作和外观（例如面部表情、肤色和着装），包括对同一数据集的人舞姿势的外观控制块的预训练和对外观-姿势-联合控制块的精细调整。

MagicPose 视频

Stable Diffusion

stable diffusion API 调用，超级详细代码示例和说明

原文链接：https://blog.csdn.net/ll837448792/article/details/132226117 其中 ControlNet 参数解释可以参考：

文生图工作图生图

无需翻墙，可合法使用的8款国内AI大模型产品

区别于当前以文本为主的大部分语言大模型，“紫东太初”大模型在研发之初即以多模态技术为核心，利用图-音-文等更多类型数据进行跨模态的统一表征和学习，实现了图像、文本、语音三模态数据间的“统一表示”与“相互生成

生成式AI

大模型检索增强生成RAG的优化

此外，还可对query召回的文档块集合进行处理，比如：元数据过滤[7]、重排序减少文档块数量[2]。

RAG 检索增强大模型

StableDiffusion升级版SDXL：一键运行包ComfyUI和18G模型分享！

④分辨率设置（Empty Latent Image）这里主要设置图像的大小和一次生成的数量。

comfyui sdxl 文生图

清华&面壁开源新一代主动Agent交互范式！让AI从被命令到主动帮助

该研究除了提出以上开创性的主动 Agent 之外，还通过采集不同场景下的人类活动数据构建了一个环境模拟器，进而构建了数据集 ProactiveBench，通过训练模型获得了与人类高度一致的奖励模型，并比对了不同模型在数据集下的性能

Agent 大模型

深入探秘：百川7B大模型的训练代码解析，揭秘巨无霸语言模型背后的奥秘

直接跳到定义的大模型类的地方：train.py中要关注的是在哪里定义模型结构，可以看到是从BaiChuanForCausalLM中调用的，同时定义模型的还有一个配置文件，可以看到隐层的大小，decoder的层数等信息

大模型

RAG与Long-Context之争—没必要争

RAG的本质是通过用户问题从数据库/知识库中找到相关片段内容，再利用大模型查找或总结出答案。

RAG Long-Context 大模型

Stable Diffusion

Stable Diffusion XL 1.0 出图风格鉴赏

这一节我们趁热来看看不同风格下 SDXL 的表现效果参数介绍模型： SDXL base（没有使用 refiner 优化）采样方法： Euler

文生图

<...69 70 71 727374 75 76 77 78 ...>

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