文章列表-AI魔法学院

文章列表

十大开源语音识别项目

PaddlePaddle/PaddleSpeech star：9k ESPnet ESPnet 是一个端到端的语音处理工具包，功能包含文本转语音、语音翻译、语音增强、说话者二值化、口语理解等等

语音识别开源项目

一个令人惊艳的图片高清化重绘神器：SUPIR来了！

我在修复人像图片的时候就遇到一些问题，皮肤皱纹会比较多，显得很老，或者模型根本没有理解图片中各个部分的内容，图片崩掉了。

SUPIR 文生图

大模型微调经验汇总---LLM finetuning 踩坑经验之谈

具体有哪些中文模型可以选择，可以参考这两个地址中文语言理解测评基准(CLUE) 和SuperCLUE琅琊榜。

大模型人工智能

真格基金大模型能力测试问题集---垂直能力篇

以下所有的结构都是同源结构，除了 (A) 鸟的翅膀和蝙蝠的翅膀 (B) 鲸鱼的鳍和人的手臂 (C) 海豚的胸鳍和海豹的鳍 (D) 昆虫的前腿和狗的前肢从溶解度定理中，以下哪个陈述是正确的？

中文训练大模型

大模型外挂知识库优化技巧-如何更有效的利用召回的文档

外挂数据库是解决模型“胡说八道”的有效手段。

大模型

又快又好，秒级出图的AI大模型

1024 x 1024现在解决得相当好，即使在4:3和2:3格式中，我也很少看到错误。

Stable Diffusion 文生图大模型

一键AI换脸！小红书和北大合作的InstantID

这个模块通过解耦的交叉注意力机制，使得图像和文本能够独立地影响生成过程，从而在保持身份信息的同时，允许用户对图像风格进行精细控制，实现「双赢」。

InstantID 文生图

【本地部署】智谱chatglm3-6B第三代！性能如何？支持调用tools+Agent+代码执行！小白教程！附网盘下载！

瞄向GPT-4V的技术升级：瞄向GPT-4V，ChatGLM3 本次实现了若干全新功能的迭代升级，包括：多模态理解能力的CogVLM，看图识语义，在10余个国际标准图文评测数据集上取得SOTA；

chatglm 智普大模型

AI虚拟主播数字人技术实现Wav2Lip

第三部分：使用Wav2Lip进行AI主播虚拟人的深度实践 AI主播虚拟人（也可以理解为数字人）是利用人工智能技术创建的一种虚拟角色，可以模拟人类的语言、动作和外貌。

数字人视频

学会这招，一个头像变100种风格！

我们需要先 remix 到 V4 甚至 V3，这些旧版本对于咒语的理解力其实比 5 系列要好得多，在得出效果之后再回到 V5 版本。

Remix 文生图

14.4K Star，一款漂亮、快速、现代化的开源免费UI组件库

最后，老规矩，奉上相关链接，感兴趣的可以直接去深入了解： · 官方网站：https://nextui.org

大模型

Stable Diffusion

stable diffusion如何确保每张图的面部一致？

而IP-Adapter 可以一定程度上解决这个问题，它提供了一种图像提示的方法，让新生成的图片可以直接使用参考图中的某种主题元素，很多同学也称这个能力为垫图。

图生图文生图 sd

【开源黑科技】鹅厂PhotoMaker AI绘画工具，一键打造多风格头像！

接下来，让我们深入探究PhotoMaker的魅力所在，了解它是如何迅速走红，成为众人热议的焦点。

photomaker 绘画风格

文生图生成不同年龄段模特的提示词

被审查，jpeg伪影，焦点不准，故障，重复，（喷气画，卡通，动漫，半现实，CGI，渲染，混合器，数字艺术，漫画，业余：1.1），（3D，3D游戏，3D游戏场景，3D角色：1.1），（糟糕的手，糟糕的解剖

年龄文生图

阿里腾讯豪华阵容参投，智谱AI投资版图曝光

这种稀缺性细分起来有两部分，一个是理论层面的，那就是对深度学习架构有深刻理解，有大模型训练经验的人在世界范围内都很稀缺。

智谱阿里

<...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