文章列表-AI魔法学院

文章列表

从声纹模型到语音合成：音频处理 AI 技术前沿 | 开源专题 No.45

· EnCodec：一种高保真度神经音频编解码器。

AudioCraft 音频

M3E 可能是最强大的开源中文嵌入模型

若用神经网络把输入映射到更低维度的空间，实质强调的就是映射而已。

开源模型

向量数据库不是一个单独的数据库分类

直到2023年第二季度之前，“向量搜索”还主要存在于数据库初创公司，如Pinecone、Milvus、Weaviate等。

大模型向量数据库

GLM4 开源了！！！还有多模态

GLM-4-9B 不仅仅是一个模型，它是智谱 AI 对深度学习和自然语言处理能力的一次全新探索。

智普 ChatGLM 多模态

Stable Diffusion

Stable Diffusion ControlNet：Reference“垫图”功能，不炼丹也能保持同一人物

控制权重：控制模型对生成图片的影响的程度。

文生图

FaceSwapLab，截止2023年8月最好用的一键换脸工具

出现这个问题的原因是AI绘画的人物脸部不同角度时，模型比较难适配完美。

一键换脸

10秒换脸，一张图片够了！SD Roop插件教程

作者用的是秋叶版整合包，也折腾了四五个小时不得其法。

AI换脸

完全指南——使用python提取PDF中的文本信息（包括表格和图片OCR）

ensp; line_formats.append(character.size) # 找到行中唯一的字体大小和名称

大语言模型 python

清华&面壁开源新一代主动Agent交互范式！让AI从被命令到主动帮助

该研究除了提出以上开创性的主动 Agent 之外，还通过采集不同场景下的人类活动数据构建了一个环境模拟器，进而构建了数据集 ProactiveBench，通过训练模型获得了与人类高度一致的奖励模型，并比对了不同模型在数据集下的性能

Agent 大模型

解读 Openai 给 DALLE3 设的完整系统提示词

对于传统上存在偏见的场景，确保指定了性别和种族等关键特征，并以公正的方式指定通过仔细选择一些最小的修改，静默地修改包含特定人或名人的名称或暗示或引用的描述1以将人的引用替换为不透露任何关于他们身份的信息的通用描述

提示词绘画 DALLE

超越RAG：揭秘IAG框架如何引领推理问答系统的创新之路

例如，IAG的效果受到LSTM模型大小的限制，需要进一步探索如何利用更大规模的语言模型来提高性能；另外，IAG还需要更多的数据和任务来进行验证和评估。

IAG框架大语言模型

OCRmyPDF—可智能识别PDF文本和图片信息的工具

以便于复制/粘贴 •保持原始嵌入图像的确切分辨率 •在可能的情况下，将OCR信息作为“无损”操作插入，不会干扰其他内容 •优化PDF图像，通常产生的文件比输入文件小

OCRmyPDF 工具

造梦师手记：华夏之美，SDXL时代的第一个国风模型和汉服LoRA

和SD1.5版的汉服LoRA相比，SDXL版的汉服LoRA最大的特点，是清晰度大大提升，尤其是基本不会出现过拟合等情况，背景也更加丰富（新的XL模型素材更充实了）。

文生图

Dynamic Prompts插件，魔法提示词由魔法帮你补全（插件篇）

创意度可以理解就是与原提示词的贴切程度，进行过图生图的也好理解。

文生图提示词

一文看懂RAG：大语言模型落地应用的未来

粗粒度带来更多的信息，但精度较低。

rag 检索增强

<...79 80 81 828384 85 86 87 88 ...>

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