文章列表-AI魔法学院

文章列表

语音识别的未来已来：深入了解faster-whisper的突破性进展

例如，在使用Large-v2模型和GPU进行13分钟音频的转录测试中，faster-whisper仅需54秒，而原始Whisper模型需要4分30秒。

语音识别 Faster-Whisper

如何从零开始训练专属 LoRA 模型？4600字总结送给你！

素材图准备完毕后，需要对图片做进一步处理：对于低像素的素材图，可以用 Stable Diffusion 的 Extra 功能进行高清处理；统一素材图分辨率，注意分辨率为 64 的倍数

训练

Stable Diffusion

Stable Diffusion 加速/优化/升级优化出图速度

SDP优化方案 Pytorch2.1 提供了两个优化指令代码，说明如下： --opt-sdp-attention ——速度比使用 xformer 更快，属于非确定性优化，不能百分之百复现原图

Stable Diffusion 文生图

Comfy肖像大师非常推荐

clone https://github.com/ZHO-ZHO-ZHO/comfyui-portrait-master-zh-cn.git 重启 ComfyUI 项目提供了两个版本的工作流，分别是

comfyui 文生图

ComfyUI学习笔记：插件安装

例如安装ComfyUI Manager这个插件： https://github.com/ltdrdata/ComfyUI-Manager 分三步： 1.命令行窗口中运行：cd D:\COMFYUI

comfyui 插件绘画

天塌了，Scaling Law 已撞收益递减墙？OpenAI 在内，所有大模型都正遭遇巨大瓶颈

报道提到，GPT 开发速度放缓的部分原因是用于预训练的文本和数据供应减少（预训练有助于 LLM 理解概念之间的关系，从而解决起草内容或调试代码等任务）。

Scaling Law AI大模型

长窗口大战要终结了？谷歌魔改Transformer，推出了“无限注意力”

{KV}s−1 和 {KV}s 分别是当前和先前输入段的注意力键和值，而 Qs 是注意力查询。

大模型上下文

解读wav2lip：探究语音驱动唇部动作的技术原理！

二、本文方法介绍 wav2lip模型的训练分为两个阶段，第一阶段是专家音频和口型同步判别器预训练；第二阶段是GAN网络训练。

wav2lip 语音

Stability AI开源上新：3D生成引入视频扩散模型

Stable Video Diffusion（SVD）是Stability AI此前推出的高分辨率视频生成模型。

sv3d 建模

pdf2htmlEX：效果相当好的一个PDF转HTML程序，和原始PDF几乎一模一样。

Headless，让Chrome渲染PDF，再导出成HTML，甚至图片都转成了 base64 字符，所以一个网页就可以包含完整的文本、字体和图片等内容这是我的 pdf2htmlEX 分支

PDF转换

SD入门教程二：文生图基础用法（提示词）

原则三：善用符号 · 使用逗号分隔：虽然 SDXL 在语意理解上已经有了很大的提升，但是在使用 prompt 时，还是建议使用逗号来分隔不同的意图。

SD prompt 文生图提示词

用AI生成PPT、用AI优化PPT

以下，我将不仅展示百度文库的智能PPT生成的内容，还分别展示GPT、Claude给百度文库的智能PPT生成的内容做的点评和建议。

ppt AI生成PPT

第3期 SDXL和SD的10大区别！你知道几个？

由于 SDXL 将图片尺寸也作为指导参数，因此可以使用更低分辨率的图片作为训练数据，比如小于256x256分辨率的图片。

文生图

Docker介绍及常用命令大全

操作系统分为内核和用户空间，Linux内核启动后，会挂载root文件系统为其提供用户空间支持。

Docker 容器

Stable Diffusion

Stable Diffusion 文生图全网最细详解

一定程度上决定出图的质量调参区：设置分辨率、每次出图的批次、出图抽象性（和 prompt 关联性的程度）脚本区：通过配置脚本可以提高效率；比如批量出图、多参数的出图效果比较（课程中会大量使用

文生图 SD

<...75 76 77 787980 81 82 83 84 ...>

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