文章列表-AI魔法学院

文章列表

一文讲明白什么是预训练、微调和上下文学习

预训练目标是捕获文本语料库中存在的底层模式、结构和语义知识。

大模型训练

AI生成卡通人物项目|VToonify

在本文中，我们通过引入一种新颖的 VToonify 框架来研究具有挑战性的可控高分辨率肖像视频风格转移。

AI生成卡通人物 VToonify

分析了数百万ChatGPT用户会话后发现的秘密

生成式人工智能，尤其是 ChatGPT 已经吸引了科技媒体、主流媒体以及几乎各个领域的专业人士的讨论。

大语言模型

大模型微调方法总结

Low-Rank Adaptation of Large Language Models（https://arxiv.org/pdf/2106.09685.pdf）简介自然语言处理目前存在一个重要范式

开源模型

零一万物API开放平台出场！通用Chat多模态通通开放，还有200K超长上下文版本

而且细节关注到位，能从故事中提取出主要角色信息和他们的事迹，然后直接用表格的形式呈现在我们面前。

零一万物 YI 李开复

摆脱 OpenAI 依赖，8 分钟教你用开源生态构建全栈 AI 应用

大模型时代的到来使得 AI 应用开发变得更加轻松、省时，尤其是在 CVP Stack 的范式下，开发者甚至可以用一个周末的时间做出一个完整的应用程序。

开源模型

阿里的AI一键换衣（AnyDoor）工具来了

不过，这个功能实际操作起来还是比较麻烦的，近日阿里和港大推出了一个工具，可以轻松实现一键换衣，当然，这个工具不仅仅换衣那么简单，还可以把任意一张图片里的元素，毫无违和感的转移到另外一张图片，很像哆啦A梦里的任意门

AnyDoor 换装文生图

改进召回（Retrieval）和引入重排（Reranking）提升RAG架构下的LLM应用效果

如何做好prompt就是关键，这是llamaindex内置的prompt，可以看到，这里用到了大模型的few-shot能力：另外，这一召回过程可以执行多次，形成批次，这样可以更大范围召回相关文档

大模型

剪映克隆声音功能详解：剪映上线5秒“AI克隆音色”，一堆AI公司又要进入慢性死亡了...

不管是过去的移动互联网时代，还是现在的AI时代，都有一个很灵魂拷问的问题是： “当BAT/OpenAI，来下场干你的业务，你该怎么办” 尤记得去年11月OpenAI在召开开发者大会的时候，发布了一堆东西

剪映声音克隆

Stable Diffusion

Stable Diffusion基础：ControlNet之图片高仿

可以看到，人物的形态、背景、色彩搭配等都被迁移到了新生成的图片中，当然这些图片也还会受到基础模型的很大影响，渲染的笔触、人物的五官都受到模型的紧密约束。

文生图

AI绘画Stable-Diffusion风格化实战

7.循环生成图片:分别设置不同的strength参数，代表噪声重绘强度，值越大表示风格迁移越完整。

Stable-Diffusion 文生图

超越RAG：揭秘IAG框架如何引领推理问答系统的创新之路

该框架结合了归纳知识和检索文档，并利用大型语言模型（LLM）通过一种基于归纳推理模式的新提示方法生成这种知识。

IAG框架大语言模型

【TTS语音克隆开源最强王者】5款爆火开源模型(Fish、F5、GPT、CosyVoice、MaskGCT)效果对比，等你来评!

自回归系统隐式地建模了持续时间，但在鲁棒性方面存在一定的缺陷，并且缺乏持续时间的可控性。

语音克隆开源模型

Openai 异步客户端接入国产大模型 Kimi

不管是迁移来还是迁移走都毫无压力！

Kimi Chat 大模型

【语音识别】OpenAI语音力作Whisper

A：因为许多ASR的训练语料都对转写文本做了标准化，比如删除或规范化了从音频信号中难以预测的方面，例如复杂的标点符号（感叹号、逗号和问号）、格式化空白（例如段落）或风格大小写等方面。

语音转文字 whisper

<...5 6 7 8910 11 12 13 14 ...>

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