文章列表-AI魔法学院

文章列表

开箱即用的图像增强、视频增强AI工具，Upscapl、Topaz Video AI

Upscapl专注于图像增强、图片放大；Topaz Video AI专注于视频画质提升、防抖、补帧、慢放等；软件下载链接详见功能介绍，快来试试吧！

图像增强视频增强

十大开源语音识别项目

它在大量多样化的音频数据集上进行训练，作为一个多任务模型，可以执行多语言语音识别、语音翻译和口语识别。

语音识别开源项目

MaskGCT：登上GitHub趋势榜榜首的TTS开源大模型

在训练过程中，MaskGCT学习根据给定的条件和提示预测掩码的语义或声学标记。

MaskGCT 声音克隆

深度｜万字访谈！Open AI Sora作者，亲自揭秘Sora原理，Sora能带我们通往AGI吗？

团队发现，要模型扩展得足够大，它就能自主地理解三维几何结构，无需在模型中设定严格的一致性规则。

Sora 原理

Stable Diffusion

Stable Diffusion | SD的老舅ComfyUI来了，节点式工作流，分部控制出图

也可以鼠标双击界面，弹出搜索窗口，直接搜索常用版块：一般会有主模型/提示词（clip模型）/采样器/初始潜空间（参数设置）/VAE解码器/图像保存。

生成式AI

SD的老舅ComfyUI来了，节点式工作流，分部控制出图

也可以鼠标双击界面，弹出搜索窗口，直接搜索常用版块：一般会有主模型/提示词（clip模型）/采样器/初始潜空间（参数设置）/VAE解码器/图像保存。

文生图 comfyui

如何将 GPT 幻觉发生率从 20% 以上降低到 2% 以下

我们没有进行微调，而是结合使用提示链接和预处理/后处理来将幻觉率降低一个数量级，但它确实需要 3-4 倍的 OpenAI 调用次数。

大模型

大模型检索增强生成(RAG)高质量报告

大语言模型的局限性和实际应用面临的问题 RAG指的就是检索相关信息来辅助大模型回答优化大模型的性能通常可以从提示工程、RAG或者微调入手 RAG对比微调

RAG 大模型检索

投资人逃离大模型

技术层面上，Aleph Alpha自研的Luminous系列大语言模型，与ChatGPT的功能类似，提供生成文本/代码、总结内容、翻译等服务。

大模型

对于AI，我们现阶段可以有的态度

不要被某些账号内容误导了，什么动动鼠标，给几句提示词就能让AI帮你又是写代码、又是建网站、又是出多么美妙的画面......。

文生图

有道开源的国产语音库EmotiVoice爆火了！具有情绪控制功能的语音合成引擎！

这个也是其他TTS开源项目没有提到过的。

EmotiVoice 语音库

教小朋友学习AI绘画的同时避免生成不健康图片

其实Stable Diffsion的主流UI工具都提供了防止NSFW的插件，只不过大部分个人玩家不会主动安装。

小朋友绘画

最强国产开源多模态大模型MiniCPM-V：可识别图片、视频，还可在端侧部署

该系列模型接受图像和文本输入，并提供高质量的文本输出。

minicpm 面壁

大模型应用发展的方向｜代理 Agent 的兴起及其未来（下）

Mind2Web结合了多个经过HTML微调的LLMs，能够在真实场景中总结冗长的HTML代码并提取有价值的信息。

大模型

CodeGeeX2来了!效果超LLaMA2-70B

，不同于一代，CodeGeeX2是基于ChatGLM2架构加入代码预训练实现，在代码能力上全面提升，HumanEval-X 评测集的六种编程语言均大幅提升 (Python +57%, C++ +

CodeGeeX2 开源模型

<...70 71 72 737475 76 77 78 79 ...>

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