文章列表-AI魔法学院

文章列表

通往AGI之路，提示词入门

GPTs provide text outputs in response to their inputs.

AGI 提示词

郭德纲讲英语相声详细教程

郭德纲用英文说相声的短视频火爆全网，同类型的AI短视频层出不穷，更有好莱坞明星说中文的短视频，不断地出爆款，那么现在我们就开始学习如何制作一个同类型的AI短视频吧！

数字人音视频

2.7B能打Llama 2 70B，微软祭出「小语言模型」！96块A100 14天训出Phi-2，碾压谷歌Gemini nano

11月OpenAI先是用GPTs革了套壳GPT们的命，然后再不惜献祭董事会搏了一波天大的流量。

小语言模型

京东开源普通话数字人JoyHallo，一口流利标准普通话还会讲英语

在音频驱动的视频生成领域，制作普通话视频面临着许多挑战。首先，收集全面的普通话数据集非常困难；其次，普通话的复杂口型动作使得模型训练比英语更具挑战性。为了解决这个问题，JoyHallo 收集了来自京东健康国际公司员工的29小时普通话语音视频，形成了 jdh-Hallo 数据集。这个数据集中包含了不同年龄和说话风格的人，涵盖了日常对话和专业医疗主题。为了让 JoyHallo 模型适应普通话，采用了中文的 wav2vec2 模型来提取音频特征。

JoyHallo 数字人开源模型

从零开始了解AI大模型 - 技术篇：万字深度好文人话说大模型技术

这个模型被广泛应用于各种任务，包括将一种语言翻译成另一种语言的翻译工作、将图片中的文字变成可读的文字的OCR（光学字符识别）任务等等。

大模型

深度｜万字访谈！Open AI Sora作者，亲自揭秘Sora原理，Sora能带我们通往AGI吗？

Tim 和 Bill 轮番分享了Sora的训练细节、数据工程及未来设想，是技术报告之外最一手的信息。

Sora 原理

字正腔圆,万国同音,coqui-ai TTS跨语种语音克隆,钢铁侠讲16国语言

按照固有的思维方式，如果想要语音克隆首先得有克隆对象具体的语言语音样本，换句话说，克隆对象必须说过某一种语言的话才行，但现在，coqui-ai TTS V2.0版本做到了，真正的跨语种无需训练的语音克隆技术。

coqui-ai TTS 语音

VividTalk：用一张照片和一段音频让人物栩栩如生地说话

引言在数字时代，技术的进步正在不断突破我们对现实与虚拟的界限。

VividTalk 视频

2万字大模型调研：横向对比文心一言、百川、Minimax、通义千问、讯飞星火、ChatGPT

字节跳动：字节跳动虽然没有公开具体的大模型名称，但在自然语言处理和推荐系统等领域有深厚的积累和技术实力。

大模型调研

ChatGPT+文字转视频工具，让1个人1天轻松生产100条原创视频（内附全部工具）

今天给大家分享一个 ChatGPT+文字转视频AI工具，批量跑原创视频的玩法。

生成式AI

说真的，学会用SD做电商图，你才是真的入了门

从2023年8月的时间节点来看，Stable Diffusion依然是小众产品。

文生图 SD 电商

万字长文震撼来袭！揭秘Transformer——吐血解读自注意力机制的革命性突破

万字长文深度解读Transformer：《Attention is All You Need》——揭秘自注意力机制的革命性突破。

Transformer 大模型

手把手教你用 SD 生成文字形状的光线，用来做营销宣传图非常有效

昨天类似这种文字光效或者将文字合成在衣服上的图好像又火了，很多朋友在问怎么做，其实就是ControlNet的简单应用，比如模拟光线照射文字的，之前用来调整自然光线的角度和范围这次不过是将原来模拟光照的图变成了文字了

图像文字 ControlNet Stable Diffusion

【万字长文】全球AI Agent大盘点，大语言模型创业一定要参考的60个AI智能体

PS：因本文盘点的Agent项目众多，故而字数也达到了1W+，建议大家先收藏再阅读。

大语言模型

Stable Diffusion

超详细的 Stable Diffusion ComfyUI 基础教程（二）：文生图基础流程

“右键——新建节点——加载器”我们会看到很多加载器，看名字是不是都挺熟悉的，没错这就是我们需要用到的“Checkpoint加载器（大模型加载器）、VAE加载器、Lora加载器等”我们先把大模型加载器添加进来

comfyui 文生图

<...4 5 6 789 10 11 12 13 ...>

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