文章列表-AI魔法学院

文章列表

Insanely Fast Whisper：超快的Whisper语音识别脚本

通过使用Transformers和Optimum技术，可以在不到10分钟内转录300分钟（5小时）的音频。

音频 Whisper

Stable Diffusion

SD入门教程一：Stable Diffusion 基础（技术篇）

首先，用户输入的 Prompt 会被一个叫Text Encoder（文本编译器）的东西编译成一个个的词特征向量。

Stable Diffusion 文生图

Midjourney AI绘画美女提示词分享三

dramatic lighting, 4K, 8k, film, pro cameras full body imagine --v 5.2 --s 750 --ar 3:4翻译提示：一个中国女孩，户外

文生图 Midjourney

国内AI大模型已近80个，哪个最有前途？

比如现在做视频生成的很多，字节暂时并没有像 Runway ML 那样做端到端的生成，而是走了更务实的路线，把 AI 能力放到剪映里面，使用户更容易创作短视频。

大模型

【ComfyUI】爽玩必备,6大插件汇总推荐！

，因为它有一个很好的用户界面。

comfyui 文生图

【ComfyUI】爽玩必备！6大插件汇总推荐

，因为它有一个很好的用户界面。

大模型

大模型文本生成——解码策略（Top-k & Top-p & Temperature）

例如，如果输入文本是“我喜欢吃”，那么即使饺子的概率最高，也不一定是最合适的选择，因为可能用户更喜欢吃其他食物。

大模型

OpenAI真的开源了！这波「实时语音」操作，让万物开口说话，我爱了

如果使用的是 Linux 系统，无需额外的硬件即可运行此 SDK。

OpenAI 嵌入式实时语音 SDK

《嬛嬛朕emo啦》但马斯克！阿里这项技术开放试玩

在生成过程中，面部定位器（Face Locator）用来编码面部的边界框区域。

音频阿里

关于GPT-4在变笨，有人写了篇论文证实了这一点

因为当作者进一步采用AIM方式欺骗大模型的时候（关于AIM，它是always intelligent and Machiavellian的缩写，你可以简单理解为用prompt诱导大模型放弃它的道德准则）

大模型

神秘模型“小熊猫”一夜刷屏：排名超Flux、Midjourney，网友：一看就中国的

前员工在图片后缀里发现了OpenAI； § 也可能是Mistral AI的新模型，理由是在未公布的测试版中发现了相似名称“Pandragon”； § 或者来自Recraft文生图模型，因为它们曾使用小熊猫战士作为默认矢量提示

red_panda 文生图

RAG 领域的新宠：为什么 AI 圈都在谈论 Jina ColBERT？

与市场上大多数向量模型相比，Jina-ColBERT 有个显著的不同点——它采用的是多向量搜索技术。

rag 大模型

【手把手带你微调 Llama3】改变大模型的自我认知，单卡就能训

、 “做个自我介绍”、 “你好” Llama3 会用中文回答： “我是AI在手” （如下图） 1、环境安装 # nvidia 显卡显存16G

Llama3 对话问答模型

OCR是什么以及推荐几款开源中文OCR识别软件

倾斜校正：　　由于一般用户，在拍照文档时，难以拍摄得完全符合水平平齐与竖直平齐（我本人就经常拍的歪歪扭扭），　　因此拍照出来的图片不可避免的产生倾斜，这就需要图像处理软件进行校正。

OCR

DALL-E 3 不只是文生图！10 个案例颠覆认知

我设想用一块木板作为底座，上面挂上泥浆罐。

DALL-E 3 文生图

<...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