文章列表-AI魔法学院

文章列表

解读wav2lip：探究语音驱动唇部动作的技术原理！

接下来，wav2lip使用GAN来学习音频-图像对之间的映射关系。

wav2lip 语音

如何用ChatGPT创建阅读10W+爆款文章标题

话不多说，先给完整提示词：作为一名社交媒体营销和行为心理学的双重专家，你专门研究了驱动人们点击网络链接和标题的多种因素。

GPT-4

国风真的太绝啦！被10万人围观的咒语快收下！

今天一口气给大家分享3组不同类型的国风插画，大家赶快学起来吧！

文生图古风

好看的图片不知道怎么写提示词？用AI读出来

无论是免费开源的stable diffsion，还是付费的midjourney，都能高度还原出你的想象力。

文生图

造梦师手记：华夏之美，SDXL时代的第一个国风模型和汉服LoRA

尤其是XL对自然语言的理解更加容易，创作者能很容易的用比较口语化的表述来让AI实现自己的想法。

文生图

网易有道强力开源中英双语语音克隆

:8501 syq163/emoti-voice:latest 现在打开浏览器，导航到 http://localhost:8501 ，就可以体验EmotiVoice强大的TTS功能。

语音开源

无限长的上下文，也干不掉的RAG

具体来说，当相关信息出现在输入上下文的开始或结束时，模型性能最高；而当模型需要从上下文中间提取信息时，性能显著下降，形成了一个U形的性能曲线。

RAG 大模型

Stable Diffusion

硬核解读Stable Diffusion（系列三）

由于倒数第一层的特征之后就是CLIP的对比学习任务，所以倒数第一层的特征可能部分丢失细粒度语义信息，Imagen论文（见论文D.1部分）和novelai 然后是训练数据，前面说过SD 1.x版本其实最后主要采用

Stable Diffusion 文生图

CodeGeeX2来了!效果超LLaMA2-70B

CodeGeeX插件（VS Code, Jetbrains）后端也全面升级，支持超过100种编程语言，新增上下文补全、跨文件补全等实用功能。

CodeGeeX2 开源模型

F5-TTS：上海交大开源超逼真声音克隆TTS，告别ElevenLabs，以后就用它了！实测真的很牛

F5-TTS在公共的100K小时多语言数据集上进行训练，展现出高自然性和表现力的零样本能力、无缝代码切换能力和速度控制效率。

F5-TTS 音频克隆

Comfy肖像大师非常推荐

然而，对于不熟悉相关技术的用户，可能需要花费一定时间学习。

comfyui 文生图

AI换脸：FaceFusion 3.5.0更新，解决老版本无法使用问题！

这些模型利用深度学习技术生成逼真且美观的着色效果。

FaceFusion 文生图

手把手带你微调一个自己的 ChatGLM2-6B 模型

ChatGLM-6B 的第二代版本，在保留了初代模型对话流畅、部署门槛较低等众多优秀特性的基础之上，ChatGLM2-6B 引入了如下新特性： o • 更强大的性能：

ChatGLM2-6B

14.4K Star，一款漂亮、快速、现代化的开源免费UI组件库

可个性定制：NextUI提供了插件的模式来定制主题，你可以更改所有的语义标记以创建一个全新的主题 · 性能优秀

大模型

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！

在通过提议的管道构建的数据集的滋养下，PhotoMaker展示了比基于测试时间微调的方法更好的ID保存能力，同时提供了显著的速度改进，高质量的生成结果，强大的泛化能力，以及广泛的应用。

PhotoMaker 文生图

<...83 84 85 868788 89 90 91 92 ...>

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