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

这种实现不仅提高了语音识别的速度，还优化了内存使用效率。

语音识别 Faster-Whisper

AI声音克隆 | 最全最简教程（权威版）

TTS 的英文全名是 Text To Speech,中文译名是“文本转语音”。

声音克隆教程

Stable Diffusion

Stable Diffusion AnimateDiff | 最稳定的基于文本生成视频的方法

控制模块可以对图像生成过程进行调节，以生成一系列看起来像它学习的视频剪辑的图像。

动画 animate sd

Stable Diffusion

Stable Diffusion AnimateDiff | 最稳定的基于文本生成视频的方法！

控制模块可以对图像生成过程进行调节，以生成一系列看起来像它学习的视频剪辑的图像。

文本生成视频 AnimateDiff

【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!

包含两个核心模型：SenseVoice 负责语音识别和音频处理，CosyVoice 负责语音生成和控制。

asr tts 声音

「语音识别的未来已来」——探索Distil-Whisper，轻量级AI的强大力量

那么，这个被誉为“语音识别的未来”的AI工具到底有何过人之处？

Distil-Whisper 语音识别

解码二维码：揭秘我的漂亮二维码生成秘诀！

-图生图》在“文生图”一文中介绍了使用提示词+标准二维码生成艺术二维码的方法，演示了生成狮子头像二维码的实例，实际出图的效果也还不错，但是不能控制图片的细节，这也是只使用提示词生成图片的通常问题。

图像文字

胎教级SO-VITS-SVC使用教程：人工智能生成歌曲

learning for end-to-end Text-to-Speech）是一种结合变分推理（variational inference）、标准化流（normalizing flows）和对抗训练的高表现力语音合成模型

音乐

字节跳动推出MagicVideo-V2：引领AI视频生成新时代。

你是否曾想过，仅凭一段文字就能生成一段高清、流畅的视频？

MagicVideo-V2 视频生成

开源打败闭源？Meta即将推出开源代码生成平台Code Llama，剑指OpenAI Codex

这套新的编码模型将与 OpenAI 打造的 Codex 正面抗衡，并基于 Meta 的 Llma 2 软件——这是一种能够理解并生成会话文本的大语言模型。

开源模型

一条价值2W的Prompt，帮你生成提示词的超级提示词

据说这个提示词单次卖了2W，这个提示词的价值在于它是帮你生成提示词的Prompt，而且还会自动为你匹配专家角色（需要你提供背景介绍），利用chatGPT为你生成的提示词来进行内容创作，自然会更优秀。

prompt

令人惊艳的开源图标生成AI模型：ChartLlama （南洋理&腾讯）

制作图表是一件既费时又费力的事情，需要掌握各种软件和技巧那么，能否使用AI大语言模型来生成图标呢？

ChartLlama 开源模型图标

让AI记住你说的话、让AI给你生成几十万字的小说！StreamingLLM 让无限长token成为可能

，它可以让任何基于Transformer的语言模型（LLM）处理无限长度的文本，而不需要任何微调或额外的训练。

StreamingLLM 写作

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

此外，端到端的设计是它的一大亮点，这种设计直接从文本输入生成语音输出，无需繁琐的中间环节，极大地提高了语音合成的效率和准确性。

Westlake -Omni 语音

硬核Prompt赏析：HuggingGPT告诉你Prompt可以有多“工程”

、图生文、语音转文字、文字合成语音等），从而让LLM能驱动其他智能Agent，实现多模态能力。

提示词 prompt

<...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