文章列表-AI魔法学院

文章列表

Stable Diffusion

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

这时候我们是不是发现“Checkpoint 加载器”和“CLIP 文本编码器”上面都有一个同样名称、同样颜色的黄点“CLIP”，我们把它连起来（鼠标放在上面会有“十”字标识，我们左键按住住拖到另一个节点的对应位置就连上了

comfyui 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

腾讯开源的数字人MuseTalk到底行不行？

08 还有其他的案例，我就不浪费笔墨上传了，大家感兴趣可以去这里看： https://github.com/TMElyralab/MuseTalk 对了

MuseTalk 数字人音频

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

关于AI声音生成的一切（语音+音乐+嘴型）

语音转文字 •Const-me/Whisper（解压就能用）: OpenAI Whisper自动语音识别模型的高性能GPGPU推理，基于DirectCompute技术，对Windows

声音

Llama 3突然来袭！开源社区再次沸腾：GPT-4级别模型可以自由访问的时代到来

并且推出即为开源SOTA： Meta官方数据显示，Llama 3 8B和70B版本在各自参数规模上超越一众对手。

meta llama3

自己电脑上跑大语言模型（LLM）要多少内存？

一般模型文件的实际尺寸要比简单计算的尺寸大 · · 即使是同样参数和精度的模型，实际尺寸也不一样 · · 降低模型精度的过程叫量化（Quantization)，不同模型对降低精度的敏感程度不一样

大语言模型运行

今天分享一个官方的高级的做数据分析的prompt提示词

python 将响应执行的输出或在 60.0 后超时秒。

prompt 提示词

Agent具体实现

; · 对于单个模块而言

Agent 大模型

Stability AI开源上新：3D生成引入视频扩散模型

也就是说，此番登场的SV3D首次将视频扩散模型应用到了3D生成领域。

sv3d 建模

让ChatGPT帮我写SQL

该工具功能强大，对于初学者来说，还是很友好的，可以帮助初学者快速掌握SQL语法。

SQL

智谱AI官网再升级，GLM-4，智能体，AI作图长文档全部搞定！

AI绘画点评：AI绘画的速度还是很快的，但是生成的作品的质感还是不如MJ 长文档解读上传一篇文档，可以针对文档内容进行问题解答，迎接更智能、更直观的处理文档方式。

GLM-4 智能体

Dynamic Prompts插件，魔法提示词由魔法帮你补全（插件篇）

例如：{cat|run|sky}, 动态提示词可以简单的将我们希望赋予不同图片尝试对比的词在一次生成中完成。

文生图提示词

QWen1.5: 卓越模型之路

在此次Qwen1.5版本中，开源了包括0.5B、1.8B、4B、7B、14B和72B在内的6个不同规模的Base和Chat模型，并一如既往地放出了各规模对应的量化模型。

Qwen1.5 开源模型

<...77 78 79 808182 83 84 85 86 ...>

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