文章列表-AI魔法学院

文章列表

体验完阿里的EMO模型，我emo了

时长00:12 四、全民唱演体验全民舞王利用的是一种口唇同步的技术，这是一种让画面人物的口型与所配的语音或文字信息精确匹配的技术

EMO 文生图

「语音转换新速度」— 探秘Whisper JAX的70倍速提升

对于那些处理大量音频数据的机构来说，这种能力无疑是一个游戏规则的改变者。

Whisper 语音识别

ComfyUI 基础教程（一）环境部署和插件安装

WebUI，那么你的模型文件通常是放在stable-diffusion-webui目录下的，复制过来就会很浪费空间，所以ComfyUI的作者提供了使ComfyUI和Web UI共享相同的模型，以避免重复拷贝大量模型文件

comfyui 文生图

GLM4 开源了！！！还有多模态

多模态能力，视觉与语言的融合 GLM-4V-9B 是基于 GLM-4-9B 的多模态模型，具备 1120 * 1120 高分辨率下的中英双语多轮对话能力，在多模态评测中表现超越了多个竞争对手

智普 ChatGLM 多模态

AI助手App“腾讯元宝”已上线应用商店

腾讯元宝已经上架应用宝、小米、华为、vivo、OPPO等应用商店，苹果App Store中尚未搜到该应用，还需要等一等~ 中文支持：腾讯元宝依托于腾讯混元大模型，该模型在中文理解与创作能力方面表现出色

腾讯元宝

AI写作：如何写出逻辑清晰，结构完整的文章？一个提示词帮你搞定！

Challenge（挑战）：在快速变化的世界里，如何有效地沟通思想、分享知识，并与他人建立联系？

AI写作提示词

14.6K star！最好用的OCR文字识别项目，没有之一！

项目是基于PaddleOCR开发的，支持截图识别、批量导入识别、个性化识别等功能。

Umi-OCR 开源项目文字识别

郭德纲讲英语相声详细教程

视频文件要求：文件类型包括：mp4、quicktime和webm；文件大小：不得超过1GB；视频时长：在30秒到5分钟之间；视频分辨率：360x360到4096x4096之间视频要求：尽量避免背景音乐和噪音

数字人音视频

图片拖拽神器DragGAN介绍及官方安装文档说明

鉴别器阶段通常用于评价生成图像的质量，并调整条件生成阶段以提高生成图像的质量。

开源

StableDiffusion常用热门模型下载站点推荐（国内版）

本网站以最大的诚意与各位模型创作者建立合作，提供更新，更全、更热门的素材，并与各位AI绘画爱好者一同拓宽AI的边界，畅游在自由的艺术殿堂。

文生图

推荐一个自动生成复杂提示词的模版：思考链（CoT）如何通过分步推理提升AI任务准确性 | 示例详解

值得注意的是，CoT 是 OpenAI 与 DeepLearning.AI 合作的课程中提到的一种重要策略。

思考链提示词

Comfyui一键更换人物背景！饭来了快张口！

“ 图像保存左边是图像预览和保存区域，保存文件的前缀为模型放大，这块区域启用后，你可以上传一张图片，让生成的背景与这张图片的风格类似。

换背景绘画

ComfyUI 基础教程（二）：文生图基础流程

与Web界面中的生成参数基本相同。

comfyui 文生图

Stability AI开年首个大模型：专写代码，支持18种编程语言，上下文100K，苹果笔记本离线就能跑

BigCode评估中，在包含多种编程语言的MultiPL-E数据集上，Stable Code 3B与类似大小的模型相比，都拿下了SOTA性能。

Stability AI 大模型

准备迎接超级人工智能系统，OpenAI宣布RLHF即将终结！超级对齐技术将接任RLHF，保证超级人工智能系统遵循人类的意志

简单来说，就是让模型输出结果，人类提供结果反馈，然后模型学习理解哪些输出是更好的，这里所说的更好包括道德、价值观以及回复质量等。

OpenAI 人工智能

<...84 85 86 878889 90 91 92 93 ...>

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