文章列表-AI魔法学院

文章列表

全量免费的EMO模型上架通义APP，外媒称之为Sora之后最受期待的大模型之一

更惊人的是，通过在海量的人物讲话视频上进行训练，EMO模型不仅能够找到音频中具体发音与人像口型的匹配关系，还能发现音频中的语气特征与人物表情的关联性，从而将音频暗含的情绪色彩反映到了人物微表情上。

EMO 阿里全民演唱

最强开源数字人对口型系统介绍

“最强”的数字人克隆方法 Easy-Wav2Lip: 仓库地址： https://github.com/anothermartz/Easy-Wav2Lip/ 说他最强，指的是跟同类开源方法做对比

数字人开源模型

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

接下来测试一下 table 信息提取效果：图五：查询表里面的信息虽然信息的位置找对了，但看起来 ta 理解错了我的问题：图六：原表信息再问点稍微超纲的试试：图七：超纲问题考验

大模型 LangChain RAG

SD-WebUI和ComfyUI的局域网访问设置

· --listen 192.168.31.214 这个IP地址指的是本地

comfyui stablediffusion

知识树：一个方法，教你构建「终身知识体系」

——《精进》谢春霖在他的《认知红利》中如此描述这一情景：那应该怎么学才能产生复利效应，让你的知识量呈指数增长呢？

大模型

LangChain: LLM 应用聚焦的两大方向，RAG 和 Agents

ensp; RAG，Retrieval-Augmented Generation, 众所周知本次 llm 浪潮主打的就是一个 Generation，生成，而 Retrieval-augmented 就是指除了

大模型

万字长文震撼来袭！揭秘Transformer——吐血解读自注意力机制的革命性突破

· Background（背景）：强调了Transformer在模型设计上的创新性和自注意力机制的重要性

Transformer 大模型

一张照片秒生不同风格图像！小红书InstantID来了！

· # 使用指南体验地址： https://huggingface.co/spaces/InstantX/InstantID 01 使用流程 1

InstantID 文生图

【万字长文-进阶教程】一文带你从入门到精通ChatTTS, 手把手教你固定音色、设置语速、添加停顿词、口头语、笑声！！

不过，目前开源的只是底模，没有经过 SFT 监督微调。

chattts tts 文生语音

14.6K star！最好用的OCR文字识别项目，没有之一！

自定义识别内容这个功能是Umi-OCR的一大亮点，可以指定识别的内容区域，或者屏蔽掉不需要识别的区域。

Umi-OCR 开源项目文字识别

Stable Diffusion

Stable Diffusion 30分钟打造AI 写真照片生成器｜海马体照相馆这次真的要木得了

除了安装 EasyPhoto 插件外还需要将 ControlNet 的个数设置大于 3，EasyPhoto 在训练的时候会调用 ControlNet 。

SD 文生图写真照

回望做大模型一年后的感悟

但当LLaMA出来之前大家开始做大模型的时候，但凡稍微有点大模型背景的研究人员早就已经把数据提高到了第一优先级。

大模型感悟

AI+音乐｜对话 Suno CEO：破圈的音乐生成产品是如何诞生的？

Mikey特别指出，尽管最初他们没有确定产品的具体形式，但他们知道这个方向充满了机遇和挑战。

suno 音乐

[开源]面向中小团队的轻量化知识管理应用，构建知识库和知识社区

“书籍”功能使用指南自邮之翼有一个优良的传统：每位同学会将自己在某一领域的宝贵的学习成果做成教程。

大模型

停用词(Stop Words)的价值、收集与使用

最经典的信息量度量指标，那当然是香农(之前写作“香浓“；“香农”是规范的译法。

停用词

<...73 74 75 767778 79 80 81 82 ...>

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