文章列表-AI魔法学院

文章列表

微软、OpenAI大佬暗示LLM应用开发范式迁移：从Prompt Engineering到Flow Engineering

从某种意义上讲，大模型应用开发变得更加务实，从一个模型算法问题转变成为一个工程问题，如何将复杂问题拆解为多个子任务或者子agent执行，如何编排协调，如何处理数据，如何选择合适工具，如何迭代优化

LLM 范式迁移

RVC和SVC声音模型难找？推荐这个网站

以下是以自己方式制作的思维导图，供学习参考 AI声音模型训练总流程 AI数据集筛选流程二、SVC和RVC声音模型网站推荐声音模型工坊 http

声音克隆数字人

ChatPDF | LLM文档对话 | pdf解析关键问题

我认为这确实是一个重要且有挑战性的工作，但是今天要讨论的文本是有一个前提条件的，那就是有标题（目录）存在。

大模型

来个优秀的开源人脸识别项目！

掌纹识别技术具有准确性高、速度快等优点。

人脸识别开源项目

完整ChatGLM3部署教程，支持手机和车载平台部署

同时原生支持工具调用（Function Call）、代码执行（Code Interpreter）和 Agent 任务等复杂场景。

ChatGLM3 大模型

我去华强北走了一圈，发现这里正被另一种 AI 包围

所谓的 AI，大概是搭载了和翻译功能不相关的AI对话助手们，场景是 AI 讲故事、 AI 写作业、AI 角色扮演等等，有些边角料般的凑合感。

华强北 AI

通俗易懂地解释OpenAI Sora视频生成的特点有哪些？它与此前的Runway Gen2、Pika有什么区别？以及缺点是什么？

在Sora之前，业界已经有了很多视频生成工具和平台。

sora 视频生成

数字人起飞！字节Loopy对口型功能在即梦上线可根据语境匹配表情和情绪

它可以精准地"指挥"虚拟形象的每一个细微动作，例如叹息等非语音动作、情绪驱动的眉毛和眼睛运动以及自然的头部运动。

Loopy 视频

性能超出预期！神秘的国产大模型 Kimi 开放 API

于是最近几天魔法哥一直在尝试他们的 API，这里聊聊感受，想到哪写到哪。

Kimi Chat 大模型 API

【语音领域-又双叒更新】阿里开源FunAudioLLM: 2大核心模型、5大亮点功能！效果炸裂！手把手带你理论+实战部署推理!

SenseVoice模型具有的功能特点：多语言语音识别：SenseVoice 支持包括中文、英文、粤语、日语和韩语在内的多语言识别。

asr tts 声音

这个数字人开源项目太牛了，非常全面的项目解决方案(含源码)

在远程工作环境中，这样的数字人助手可以帮助进行远程会议管理、议程安排等。

Fay 开源项目数字人

RLHF 在 Text2SQL 领域中的探索

01 定义 Text-to-SQL（简写为Text2SQL），顾名思义就是把文本转化为 SQL 语言，更学术一点的定义是：把数据库领域下的自然语言（Natural Language

Text2SQL RLHF

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

在EMO之前，Talking Head领域的工作都需针对人脸、人头或者身体部分做建模或者表征，耗时长且生成质量较低。

EMO 阿里全民演唱

一张照片秒生不同风格图像！小红书InstantID来了！

# InstantID介绍 01 工具介绍 InstantID 是一个图像生成工具，旨在高效、准确地保持人物身份特征，同时生成具有不同风格和姿势的图像

InstantID 文生图

Stable Diffusion

小白设计师福音：Stable Diffusion 16款插件测评，好用不？推荐吗？

使用频率：⭐️⭐️⭐️⭐️ 能做什么：After Detailer 是一款强大的图像编辑工具

SD 插件文生图

<...74 75 76 777879 80 81 82 83 ...>

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