文章列表-AI魔法学院

文章列表

OpenAI 开源语音识别 Whisper 的使用体验怎么样？

此外，Buzz 还支持将识别结果导出为 TXT 格式的纯文本或通用的 SRT 字幕文件，非常便捷。

生成式AI

Sora懂不懂物理世界？

Sora 将视频编码映射到隐空间，再切割成时空补丁，被称为时空令牌（time-space token）进一步地，Sora在数据空间将数据令牌的概率分布通过扩散过程传输变换成高斯分布，再通过传输变换的逆变换将隐空间中的白噪声令牌变成隐数据令牌

文生视频视频生成 sora

终于不用加班了！50个Claude 2高级Prompts让工作逆天提效

;Give me a detailed routine for keeping 「inbox」and 「notifications」under control.给我一个详细的例程，以控制「收件箱」和「通知

提示词

Giraffe：世界上第一个商业可用的32K长上下文开源LLM（基于Llama-2）

· · 通过幂缩放 RoPE 的傅立叶基，使得低频比高频拉伸得更多。

开源模型

MCI-GRU：在真实金融交易中验证有效的股票价格预测模型

首先，通过将GRU模型的重置门替换为注意力机制，增强了模型在选择和利用历史信息方面的灵活性。

MCI-GRU 股票大模型

图片生成速度最高提升10倍！可以做到“实时”生成！清华推出LCM/LCM-LoRA！

LCM的思想是，通过对原始的SD模型进行知识蒸馏（Knowledge Distillation），将其压缩为一个更小、更快的模型，从而大大减少生成所需的步数。

LCM/LCM-LoRA 文生图

Agent：OpenAI的下一步，亚马逊云科技站在第5层

官方演示中是一个保险索赔管理场景，Agent通过提取未结索赔的列表、确定每个索赔的未完成文书工作并向保单持有人发送提醒来管理保险索赔。

开源模型

AnimateDiff 生成补间动画

主要的实现原理： 1 通过controlnet的tile来处理 2 设置timestep_keyframe控制每一帧controlnet的权重

文生图 AnimateDiff

LangChain - RAG: 拿什么「降伏」PDF 中的 Table 类型数据

比如 RA-DIT 试图通过增强 RAG 用到的 LLM + 单独训练一个 retriever 的方式加强 LLM 「自有」知识和外挂知识的双向奔赴

大模型 LangChain RAG

我用AI写小说：「素材篇」4种大神写爽文技巧+找素材新思路+三翻四震举例说明

通过这种方式，作者能够确保最大多数的读者能够理解并欣赏故事。

AI写作

一文读懂GPT-1：生成式预训练如何提升语言理解

其目标是学习一种通用的语言表示，只需微调，就能在各种任务中灵活迁移。

GPT

Stable Diffusion

AI绘画巅峰对决：Stable Diffusion 3与DALL·E 3原理深度比较

虽然这个AI绘画模型还没全面上线，但官方已经开启预览申请通道了。

Stable Diffusion DALL·E

17K star！30秒偷走你的声音，开源声音克隆工具

用户只需要提供一段大约30秒的音频样本，可以是任何人的声音，然后系统会通过深度学习技术对音频进行分析和处理，精确地克隆出原声音。

OpenVoice 声音克隆开源

Stable Diffusion

Stable Diffusion｜提示词高阶用法（四）LoRA指定区域

模型分层控制插件github.com/hako-mikan/sd-webui-lora-block-weight 作者本次分享将继续承接之前的AI漫画业务场景，介绍如何通过

文生图

京沪“中国大模型第一城”争夺战爆发｜钛媒体·封面

北京大模型代表产品一览，钛媒体App通过公开报道整理融资层面，据IT桔子统计，2023年，总部位于北京的AI初创公司融资事件达156笔，占全国AI领域融资的29.4%，约等于3个杭州、7个广州、13个成都

大模型钛媒体

<...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