文章列表-AI魔法学院

文章列表

【2023.10】看目前巨头的AI原生产品布局

程序员在开发的时候容易进入某种视角的误区，Github Copilot可以起到结对编程的作用，提醒程序员发现他所没有注意到的地方。

大模型产品

浅浅介绍下中文分词，用这些库搞定

SnowNLP：SnowNLP是一个基于概率算法的中文自然语言处理工具包，其中包含了中文分词功能。

Python 分词库

造梦师手记：C站最受欢迎的LoRA竟然是... ...

和初期寥寥无几相比，在各种“炼丹”工具的支撑下，现在适用于SDXL的LoRA也层出不穷。

SDXL 文生图

爆火！腾讯开源PhotoMaker：高效地定制化生成任意风格的逼真人类照片！

设表示从用户处获取的N个输入ID图像，因此得到提取的嵌入，其中D表示投影维度。

PhotoMaker 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

音乐可能是最具挑战性的音频类型，因为它由局部和长程模式组成，从一系列音符到具有多种乐器的全局音乐结构。

开源模型

链接大模型与外部知识，智源开源最强语义向量模型BGE

另外，BGE 借鉴 Instruction Tuning [9] 的思想，采取了非对称的指令添加方式，在问题端添加场景描述，提升了语义向量在多任务场景下的通用能力，如Figure 3所示：

embedding 语义向量

更快更好的chatglm3来了

在语义、数学、推理、代码、知识等不同角度的数据集上测评显示，ChatGLM3-6B-Base 具有在 10B 以下的基础模型中最强的性能。

开源模型 ChatGLM

从零开始学习大模型-第二章-大模型学习路线

编程基础：熟练掌握至少一种编程语言，推荐Python，因为它是数据科学和机器学习领域的主流语言。

大模型学习

无限逼近真人效果的“超真实人像大模型”，或许它才是你一直在寻找的真爱！

DeepFloyd IF是一个由一个冻结文本编码器和三个级联像素扩散模块组成的模块：一个基于文本提示生成64x64像素图像的基础模型和两个超分辨率模型，每个模型都设计用于生成分辨率不断提高的图像：256x256

大模型文生图

大模型的最大bug，回答正确率几乎为零，GPT到Llama无一幸免

以及描述位于名称之前的任何其他提示。

大模型

搞了一个Dify开源知识库

在线使用地址：https://cloud.dify.ai/apps 进阶版（打怪升级）进阶版（打怪升级）：按照我对某类似产品的使用习惯，分为提示词编排、大模型、工作流、

Dify 大模型知识库

神奇的 OuteTTS - 0.1 - 350M：用几秒钟音频克隆声音的黑科技！

这种高效的标记化过程将音频信号转化为模型能够理解和处理的格式，为后续的语音合成提供了关键的数据基础。

OuteTTS-0.1-350M 音频

Stable Diffusion

Stable Diffusion生成图片参数查看与抹除

2、在左侧选择本地的一张图片，如果是Stable Diffusion生成的图片，我们可以在右边看到图片的生成参数，依次是：提示词、反向提示词、模型详细参数。

文生图 Stable Diffusion

Stable Diffusion

Stable Diffusion的模型分类以及使用

会弹出用当前生成图片替换预览的提示，点击这串提示就可以将你生成的图片替换为模型封面了：如果你在其他网站上下载，不清楚模型的类型，可以到秋叶开发的spell.novelai.dev

文生图

俄罗斯人开源了最大的文生图模型：参数量12B，比SDXL大了3倍多！

但是DALL-E 2比较大的缺陷是容易出现属性的混淆，下图展示了直接用给定图像的CLIP image embedding送入DALL-E 2的第二阶段生成模型的生成效果，可以看到属性出现了错乱，比如第一个示例中的上下两个方块的颜色发生了互换

Kandinsky-3 文生图开源模型

<...80 81 82 838485 86 87 88 89 ...>

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