文章列表-AI魔法学院

文章列表

OpenAI视频模型Sora的推理生成成本多高？

根据 OpenAI 的技术报告： Video generation models as world simulators ，Sora 是一个 Diffusion Model，且应该使用的是

Sora 推理算力

栩栩如生,音色克隆,Bert-vits2文字转语音打造鬼畜视频实践

每个编码器层都有多头自注意力机制和前馈神经网络，用于对输入序列进行多层次的特征提取和表示学习。

Bert-vits 语音

OCRmyPDF—可智能识别PDF文本和图片信息的工具

动机我在网上搜索了一个免费的命令行工具来对PDF文件进行OCR：我找到了很多，但没有一个真正令人满意： •要么它们生成的PDF文件中的文本放置错误（使得无法复制/粘贴)•

OCRmyPDF 工具

体验Outfit Anyone，高质量虚拟换装，效果如何？

从功能描述上看，可以快速实现虚拟换衣，在电商场景下的应用非常实用。

Outfit Anyone 模拟

实操：基于 Ollama+AnythingLLM 的 AI 超级阅读法

第四步，针对文档的内容，提出三个用户在阅读的过程中可能会有的疑问。

Ollama AnythingLLM 阅读

8G显存一键训练，解锁Llama2隐藏能力！XTuner带你玩转大模型

高效的数据引擎 XTuner 适配了多个热门开源数据集格式，开发者如已有对应格式的数据集，可以直接使用，并支持多种格式数据源的混合使用： Alpaca

大模型

基于本地知识的问答机器人langchain-ChatGLM

在实际应用场景中，除闲聊机器人外，大多数机器人是为了完成特定任务的。

langchain

如何使用 Megatron-LM 训练语言模型

Megatron-LM 4 是研究人员用于预训练大型 Transformer 模型的另一个流行工具，它是 NVIDIA 应用深度学习研究团队开发的一个强大框架。

开源模型

Stable Diffusion

Stable Diffusion 入门教程开篇

通常理解就是：Stable Diffusion 是一种智能的图像生成工具，它能够根据你提供的描述文字（比如“一只蓝色的猫”）来创造出相应的图片。

Stable Diffusion 文生图入门教程

ComfyUI学习笔记：插件安装

进一步丰富功能时，需要按需自主添加节点，例如加入LoRA：也可以使用节点搜索（双击空白处）：这与webui一上来就摆好盘的软件操作思路有所不同：所以之前有webui使用经验后，相对熟悉常用功能

comfyui 插件绘画

Suno音乐新手指南（手把手完整版教程）

如果你认真看了前面我写的东西，那么你生成的歌曲音乐质量应该不会太差。

suno 歌曲教程

ChatGPT提示工程 - 总结

策略3：让模型检查是否满足条件策略4：少样本提示原则二：给予模型思考的时间策略1：明确说明完成任务所需的步骤策略2：提示模型不要匆忙得出结论，而是要找出自己的解决方案本篇介绍一下如何对内容进行总结

GPT

AI绘画：两组赛博咒语和ComfyUI使用方法！

当然这两组咒语并不是仅对动物而已。

文生图

AI“同声传译”新进展！Google发布，无监督，语音识别：Translatotron 3！

据统计，世界上有超过7000种语言，但是目前的语音识别系统只能覆盖其中的一小部分，而且对于一些低资源语言，由于缺乏足够的标注数据，训练高质量的语音识别模型非常困难。

Translatotron 语音识别

TrOCR——基于transformer模型的OCR手写文字识别

但是随着transformer模型attention注意力机制进入计算机视觉任务，我们同样可以使用transformer来进行计算机视觉方面的任务，比如对象检测，对象分类，对象分割等，这里毕竟著名的模型

OCR 手写文字识别

<...76 77 78 798081 82 83 84 85 ...>

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