文章列表-AI魔法学院

文章列表

Stable Diffusion

硬核解读Stable Diffusion（系列二）

，但是可能会出现重复物体以及物体被拉长的情况，下图为分别为768x512和512x768尺寸下的生成效果，可以看到部分图像存在一定的问题：所以虽然SD的架构上支持任意尺寸的图像生成，但训练是在固定尺寸上

StableDiffusion 文生图

ComfyUI环境方面开窍了，成功跑通animatediff

如果报错，多半是视觉加载器有问题，因为这个名字让我不知道选哪个，我是XL模型，最后试下来应该选pytorch_model.bin IPAdapter完事~ 然后试一下animateDiff的工作流

animatediff 文生图

Prompt提示优化工具

Prompthero 根据图片查询prompt，可以文字检索,界面设计的很不错。

prompt 提示词

AI绘画：两组赛博咒语和ComfyUI使用方法！

如果要生成其他动物，只要修改红色圈中的名字就好了。

文生图

MidjourneyV6高级提示词技巧（人物篇）

在这个阶段，避免过分深入细节，而是从更宏观的角度出发。

Midjourneyv6 文生图提示词

[Midjourney]人物镜头拍摄视角大全

1.MJ关键字 1 looking into camera

视图视角构图

超实用的通用ChatGPT指令！

我正在寻找一个视频创意，它将提供详细且易于理解的分步指南，指导客户如何使用我的[产品/服务]。

ChatGPT 提示词

好看的图片不知道怎么写提示词？用AI读出来

deepdanbooru的模型部署在本地，可以识别图像中的物体，用文字特征描述，一个一个的单词。

文生图

生成式AI领域拓展！MetaAI开源AudioCraft：一个支持AudioGen、MusicGen等模型的音频生成开发框架

下图是官方演示的AudioGen和MusicGen的实际案例：可以看到，对于AudioGen模型，只需要给一段文字即可生成音乐，第一个例子是让模型生成一段带有风声的口哨

开源模型

喂饭级 AI’MWISE 启动器安装教程

：程序的主要运行单元，vladmandic版本的stablediffusion源码，模型、插件的主要存放地方由于第一次安装可能会比较慢，如果出现大量红色字体报错

文生图

有道开源的国产语音库EmotiVoice爆火了！具有情绪控制功能的语音合成引擎！

frontend.py data/my_text.txt > data/my_text_for_tts.txt 新建一个my_text.txt文件，我们在里面输入一个字符

EmotiVoice 语音库

【CLIP系列Paper解读】CLIP: Learning Transferable Visual Models From Natural Language Supervision

具体来说，JFT中一共有18291个类别，这能教模型的概念比ImageNet的1000类要多得多，但尽管已经有上万类了，其最后的分类器其实还是静态的、有限的，因为你最后还是得固定到18291个类别上进行分类

OpenAI 自然语言监督

CodeGeeX：Tab一下，代码自动生成

CodeGeeX含有40个transformer层，每层自注意力块的隐藏层维数为5120，前馈层维数为20480，总参数量为130亿。

大模型

再超Transformer！Google| 提出两个新模型(Griffin、Hawk)，强于Mamba，更省资源

作为循环块的一部分，研究者使用了真实门控线性循环单元（RG-LRU）—— 一种受线性循环单元启发的新型循环层。

transformer 训练

Dify：大模型创业开源工具，46,558 行代码，完全开源

LLMOps: 随时间监视和分析应用程序日志和性能。

Dify 开源工具

<...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