文章列表-AI魔法学院

文章列表

爆火「视频版ControlNet」开源了！靠提示词精准换画风，全华人团队出品

甚至一大片穗子，在原视频里怎么摆动，改变画风后频率和幅度也如出一辙。

ControlNet

十大开源语音识别项目

· 项目地址：https://github.com/espnet/espnet star：7.3k ASRT ASRT 是一个基于深度学习的中文语音识别系统，在训练中使用了大量中文语音数据

语音识别开源项目

阿里巴巴语音实验室发布开源语音处理框架ClearerVoice-Studio，支持语音增强、分离、目标说话人提取

该模型在显著降低噪声的同时，最大限度地保留了音频的自然音色，尤其适合音乐创作、专业录音和影视后期制作。

ClearerVoice-Studio 语音

3 个令人惊艳的 GitHub 开源项目，诞生了！

GitHub：https://github.com/mli/autocut 项目采用的是 OpenAI 开源的自动化语音识别（ASR）系统，使用从网络收集的 68 万小时的多语言和多任务监督数据进行训练

开源模型

清华、面壁智能发布：主动式Agent 2.0

评估指标：使用奖励模型对预测任务进行二元分类，并与人类标注结果进行比较，计算召回率、精确度、准确度和F1-Score

Agent 2.0 大模型

向量数据库失宠了？OpenAI 力捧检索增强生成（RAG）技术，对行业来说意味着什么？

但无论如何，看到 OpenAI 保持如此迅猛的发展速度仍然令人欣慰。

检索增强生成大语音模型

ai出图软件Fooocus

Fooocus可以算是集大成者，速度快，优化好，而且简单易用，非常之傻瓜。

Fooocus 文生图

Stable Diffusion

Stable Diffusion教程：文生图

11、提示词引导系数：提示词对生成图片的重要程度，值越大，图片中的内容越贴近提示词的描述，反之则Stable Diffusion 自由发挥的多。

文生图 Stable Diffusion

通过声音生成逼真的全身形象？！Meta开源AI工具：audio2photoreal

audio2photoreal的核心技术是基于深度学习的图像生成模型，它可以从音频中提取语音特征，然后用这些特征来控制人脸和身体的运动。

audio2photoreal 开源工具

AI视频新技能！这套流程教你打造视频人物和声音完美同步！

该工具不仅生成嘴部运动的视频，还在头部区域呈现出匹配的变化，包括眼睛、头发和口腔细节，清晰度也非常高。

AI视频

SD入门教程七：ControlNet篇-Canny边缘检测预处理器

选择预处理器（有些预处理器有多种子类别），选择辅助模型（有多种子类别模型精度不同效果也不一样，FP16/FP32指的就是精度

Canny SD

AI文本转语音工具（TTS）：MeloTTS

它可以让你听到不同的语言和口音，比如美式英语、英式英语、印度英语、澳大利亚英语等。

MeloTTS 语音工具

我为什么不看好大模型行业

破坏性创新理论- 该理论认为产品性能提升的速度通常高于市场吸收这些性能的速度，进而使得创新可能“过于好”却无人愿意付费，面临被破坏者后来居上的险境。

大模型

主流向量数据库一览

关于检索，主要是计算两个向量之间的相似度。

向量数据库

文生图生成不同年龄段模特的提示词

, bad teeth, bad arms, bad legs, deformities:1.1), 【中文意思：不适合工作场所，（最差质量，低质量，正常质量，低分辨率，细节欠佳，过饱和，欠饱和，过度曝光

年龄文生图

<...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