文章列表-AI魔法学院

文章列表

ComfyUI学习笔记2，一文看透Workflow

每次生成的时候，当程序运行到某个环节时，该环节对应的节点就会自动高亮。

comfyui 文生图

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

这个项目的目标是通过音频驱动，生成高质量的人脸和身体动画，从而实现人物的完整呈现。

audio2photoreal 开源工具

FFmpeg之父新作——音频压缩工具 TSAC

其原理和我们之前介绍的突破压缩极限的AI语音编解码器类似，使用深度学习网络进行压缩，TSAC这里引入Transformer结构来提升性能。

TSAC 音频工具

大模型微调应用实践，没那么简单，看看曾经踩过的坑

一、大模型训练稳定性方面单机训练不起来，环境配置问题： GPU的CUDA驱动需和深度学习框架版本拉齐，否则模型跑不起来如GPU的CUDA verison是11.4，那就选择pytorch的版本为1.12.1

大模型

Stable Diffusion

全面理解Stable Diffusion采样器

下面是一个采样过程的动态展示，采样器逐渐地产生越来越干净、清晰的图像。

绘画采样器 SD

大模型微调方法总结

但是随着预训练语言模型越来越大，这个范式存在以下问题： ● 当我们 finetune 大模型时，由于训练成本太高，不太可能重新训练所有模型参数 ● 以前的方法（论文发表于 2021 年）都或多或少有其它性能问题

开源模型

pdf2htmlEX：效果相当好的一个PDF转HTML程序，和原始PDF几乎一模一样。

来自其他分支的许多更改和改进已被纳入：许多错误修复，大部分是边缘情况集成最新的Cairo代码超出源构建重写了模糊/部分模糊文本的处理 -

PDF转换

这两个AI工具可以让你的工作效率提高10倍

其次，现在很多AI工具让很多小伙伴用AI也能很简单，不需要梯子，而且不需要指令。

AI工具

使用stable diffsion对老照片进行AI高清放大修复

一张照片往往耗时几个小时甚至几天才能获得比较满意的效果。

SD 高清老照片修复

AI出题，做不完，根本做不完

这里我们还使用了 <动态内容> 进行占位，这个部分会被大模型自动理解并填充内容。

大模型提示词试题

耗时7天，终于把15种ControlNet模型搞明白了

，安装方法，模型采集方式，实操案例，以及下面几个目前很好玩的功能 1.动漫转真人 2.真人转动漫 3.控制人物姿势、表情 4.线稿AI上色 5.固定主角大家只要跟着一步一步操作，一定能学会

文生图

Fooocus，webui，comfyui优缺点

fooocus简单易用是他的优点同时也注定了他的缺点，他生来就是为了生成素材，所以自由度并不是很高，不适合定制化的工作使用。

Fooocus webui comfyui 文生图

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！

为了改进模型的性能，作者还引入了一种新的损失函数，用于在训练过程中对生成图像进行优化。

大模型文生图

【开源项目】Flow Matching 语音合成

shivammehta25/Matcha-TTS 中文实现： https://github.com/PlayVoice/Grad-TTS-Chinese （Grad-TTS-CFM，其他优化还未集成

音视频 Flow Matching

OpenAI的官方Prompt工程指南详解 - 看这一篇真的就够了！

最后，列出发言人建议的后续步骤或行动项目（如果有）。”

OpenAI Prompt 提示词

<...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