文章列表-AI魔法学院

文章列表

Stable Diffusion

Stable Diffusion AnimateDiff | 最稳定的基于文本生成视频的方法

一 AnimateDiff 介绍 AnimateDiff 使用控制模块来影响 Stable Diffusion 模型。

动画 animate sd

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

MagicPose可以精确地生成外观一致的结果，而原始的文本到图像模型(如Stable Diffusion和ControlNet)很难准确地保持主体身份信息。

MagicPose 视频

Stable Diffusion

Stable Diffusion AnimateDiff | 最稳定的基于文本生成视频的方法！

一 AnimateDiff 介绍 AnimateDiff 使用控制模块来影响 Stable Diffusion 模型。

文本生成视频 AnimateDiff

8个常用中文OCR数据集，附下载链接

MSRA-TD500数据集样例（图源：参考资料[1]） MSRA-TD500数据集中的典型图像以及文字的标准矩形框每一个矩形框对应一个文本行。

OCR

AI生成卡通人物项目|VToonify

开源链接：https://github.com/williamyang1991/VToonify 生成高质量艺术肖像视频是计算机图形学和计算机视觉中一项重要且令人向往的任务。

AI生成卡通人物 VToonify

AI生成PPT不靠谱？那是你方法没用对

所以，就连发明人罗伯特·加斯金斯自己都吐槽： “的确有很多人浪费时间在PPT上，就像浪费时间在其他事情上一样。”

PPT 制作 AI

OpenAI大动作：Whisper large-v3重塑语音识别技术

这款最新的自动语音识别模型不仅在多语言识别方面取得了显著进步，而且还将很快在OpenAI的API中得到支持。

Whisper 语音识别

震惊！OpenAI发布Meta-Prompt，未来不再需要提示词。

👀实测案例太震撼了：初始提示词： 1 优化提示词：使用Flux 1.1模型生成图像优化后的提示词： 1 生成一条优化后的提示词，以便使用Flux 1.1模型生成图像

Meta-Prompt 提示词

Sora相关论文合集---全32套大放送

### 总览摘要: - **研究背景与动机**: - 扩散模型在图像生成领域取得了显著进展，但大多数模型采用卷积U-Net架构作为骨干网络。

Sora 论文

Byzer-LLM 快速体验智谱 GLM-4

Byzer-LLM 可以让用户用一套接口就可以部署和使用市面上主流的开源和SaaS版本大模型，之前以Qwen 写过一篇，可以看这里：Byzer-LLM 支持同时开源和SaaS版通义千问今天我们升级了一个

Byzer-LLM GLM-4

开源！数字人资源大集合！

要下载SMPL-X、SMPL+H和 SMPL（男性和女性，性别神经模型）模型，请访问该项目网站并注册以访问下载部分。

数字人开源

PymuPDF4llm：PDF 提取的革命

随着人工智能和自然语言处理技术的发展，对能够与大型语言模型（LLMs）无缝配合的 PDF 提取工具的需求日益增长（利用LLM从非结构化PDF中提取结构化知识）。

PymuPDF4llm PDF

掌握这10个AI 工具用1小时完成别人1周的工作

01 制作爆款内容：PredisAI Predis是一款适用于社交媒体的人工智能营销工具，可帮助制作引人入胜的视频和图像内容，并获得人工智能驱动的内容分析。

AI 工具

8月份最火的 5 个 GitHub 项目

一款开源图像生成软件 2.

下载

中学生能看懂：Sora 原理解读

在这个过程中，你的“指定主题”就像是文本提示，而你逐步优化草稿本的过程，就类似于Diffusion模型的工作方式。

Sora 原理

<...72 73 74 757677 78 79 80 81 ...>

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