文章列表-AI魔法学院

文章列表

OmniVision - 968M：小巧精悍的视觉语言模型，释放多模态边缘计算强大潜能

无论是对图像中的物体识别、场景理解，还是对文本指令的解析、语义理解，模型都能高效完成，并将两者有机结合起来，提供全面而准确的处理结果。

OmniVision -968M 多模态模型

语音克隆又又又又又升级了

目前还不支持中文，所以只能解决翻译软件朗读的结果如下：然后是替换声音风格：原始音频是系统提供的Alice，然后我们替换成一位中年男子在说话，声音轻松而亲切。

Meta 语音生成

WeChaty：强大的微信个人号机器人SDK

- 智能化发展：未来，WeChaty 可能会结合更多智能技术，如语音识别、图像识别等，进一步提升微信机器人的智能化水平，为用户提供更加便捷和智能的服务。

微信接口

VividTalk：用一张照片和一段音频让人物栩栩如生地说话

最新的突破来自VividTalk项目，这是一个能够将单张照片和一段音频结合起来，创造出仿佛真人在说话的视频的技术。

VividTalk 视频

比 remini 更便宜，比美图更有风格！黏土滤镜免费做，速领

整体的逻辑：使用 SDXL 大模型，提示词用 SDXL 风格选择器中的黏土风，结合 controlnet 和 lora，直接图生图即可。

SDXL 文生图

【AI绘图工具】太爆炸了，AI出图速度100fps（每秒100张图片），比LCM、SDXL Turbo更快，目前No.1

此外，现有的扩散管道使用无分类器指导来强制生成的结果与提示条件一致，但项目团队指出当前的实现由于负面条件去噪的固有冗余性而效率低下。

StreamDiffusion 文生图

昆仑万维携Skywork-13B打造AI新纪元：600GB中文数据集全球开源

首先，在模型结构上，Skywork-13B采用了更为“瘦长”的设计，有效提升了模型在大批量数据训练下的泛化能力。

Skywork 开源数据

AI“同声传译”新进展！Google发布，无监督，语音识别：Translatotron 3！

Translatotron 3结合了三种技术：掩码自编码器、无监督的嵌入映射、和反向翻译，来实现这个目标。

Translatotron 语音识别

探秘制作艺术二维码的新姿势

这里还要控制介入绘制的起始和结束步数，起始不能从0开始，否则就画不出来图像了。

图像文字

“实时”语音翻译！AI语音具有“情绪”！最强开源AI大模型来了

最后的结束语看了Meta最新AI的效果，你觉得开始所说的翻译会被AI取代是个笑话吗？

大模型开源模型语音

StableDiffusion

AI绘画由入门到精通：StableDiffusion精讲课程

通过这套精心编排的Stable Diffusion文生图培训课程，学员们不仅能熟练掌握从软件安装至复杂参数调优的全过程，还将学会如何结合自身创意进行有效运用，最终达到独立创作高品质文生图作品的程度。

SD 视频课程 AI绘画

京东开源普通话数字人JoyHallo，一口流利标准普通话还会讲英语

同时，提出了一种半解耦结构，旨在捕捉嘴唇、表情和姿态特征之间的关系。

JoyHallo 数字人开源模型

Cursor设计主管分享AI写出高质量代码的12个超绝妙招

1️ 项目规则是基础中的基础咱刚开始的时候，就得先设置个5 - 10条清晰的项目规则，就好比给Cursor画了张地图，让它清楚知道你的结构和限制条件。

MCP 代码

超级转化！5个让销售数字飙升的顶级 Prompts！

使用ChatGPT策划全面的宣传活动，结合直接和间接营销策略。

Prompt 提示

Stable Diffusion

Stable Diffusion 入门教程开篇

这是一个U-Net结构的神经网络，它通过学习如何从噪声图像中恢复出原始图像来训练。

Stable Diffusion 文生图入门教程

<...81 82 83 848586 87 88 89 90 ...>

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