文章列表-AI魔法学院

文章列表

图片生成速度最高提升10倍！可以做到“实时”生成！清华推出LCM/LCM-LoRA！

为了解决这个问题，清华大学的研究者提出了一种新的技术，叫做潜在一致模型（Latent Consistency Models，简称LCM）。

LCM/LCM-LoRA 文生图

用ComfyUI整了一套照片转Q版手办的工作流

这两天停更就是在搞这个的过程中遇到了不少问题，一直没有结果，苦闷了一下。

comfyui 文生图

Westlake - Omni：西湖心辰推出的全球首个开源的中文情感端 - 端语音交互大模型

启动运行 1）gradio启动演示 1 python gradio_demo.py 2）本地cli测试 1 python generate.py -- 用户音频数据/声音/输入.

Westlake -Omni 语音

耗时7天，终于把15种ControlNet模型搞明白了

Lora的作用是让图片主体符合我们的需求 ControNet的作用是精细化控制整体图片的元素——主体、背景、风格、形式等提示词的用法我在SD的教程里讲过，这个更多的是需要平时的积累，用AB测试去知道每个词对图片产生的影响

文生图

大模型是怎么“用工具”的：一文讲透 Function Calling 策略

Function Calling 策略下，大模型的角色只有三个：理解你的问题匹配哪个工具最合适输出符合格式的 JSON 调用指令想让模型调用得准，重点优化这两块：

Function Calling 大模型

Stable Diffusion

AI绘画巅峰对决：Stable Diffusion 3与DALL·E 3原理深度比较

DALL-E 3 用Dataset Recaptioning技术，重新生成图像标题，这些训练语料都是由GPT-4 Vision生成的。

Stable Diffusion DALL·E

开源！数字人资源大集合！

AGORA 在 CVPR 2021论文中提出，由涵盖 350 多个独特主题的 4240 个扫描组成，全部与 SMPL-X 拟合配对。

数字人开源

为你推荐开源项目：Meridian——专属个人情报站！

你可以通过这个地址体验项目：Meridian体验地址这里还有一些不同日期的资讯标题示例： · April

Meridian 开源项目

神奇的 OuteTTS - 0.1 - 350M：用几秒钟音频克隆声音的黑科技！

训练进展与模型成长在训练过程中，OuteTTS-0.1-350M 经历了显著的阶段式成长：当训练达到 1 亿个词元时，模型开始展现出基本的说话者音调和初步的发声尝试，

OuteTTS-0.1-350M 音频

小度为何押注AI眼镜？

遇到不了解的问题，直接语音提问，如同带上了行走的百科全书；在读书、学习时，小度AI眼镜又变身成了“备忘助手”，用手指一下，重点文字就可以加入备忘。

AI眼镜小度

发现一个好东西，一键本地运行各种大模型！包括最新的Qwen1.5

在User处输入问题，回车，就可以进行对话了！

Qwen1.5 大模型

3 个令人惊艳的 AI 文档神器，开源了！

打破幻觉，回归本质众所周知，目前各个 AI 大模型都面临着同一个问题，那就是在回答问题时，容易出现幻觉（Hallucinations）。

大模型开源模型

你的AI还在睡觉？33条Prompts让它瞬间变身超能力团队！

这应包括积极倾听、同情心、谈判技巧和问题解决等方面。"

提示词

大模型应用中大部分人真正需要去关心的核心——Embedding

· 而在企业检索应用中，我相信做过这一块应用的人都会遇到embedding的问题，你的embedding

大模型

使用大模型自动回复小红书/抖音/快手评论：通过RAG 优化LLMs实现

尽管经过微调的模型成功地捕捉到了我在回应观众反馈时的风格，但它对技术问题的回答却与我的解释不相符。

RAG 大模型自动回复

<...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