文章列表-AI魔法学院

文章列表

8个常用中文OCR数据集，附下载链接

CTW以（8:1:1）的比例将数据集分为：训练集（25887张图像，812872个中文字符）；测试集（3269张图像，103519个中文字符）；验证集（3129张图像，103519

OCR

ComfyUI 基础教程（二）：文生图基础流程

我们使用相同的方法，右键点击新建节点，然后选择条件，再选择CLIP文本编码器。

comfyui 文生图

Stable Diffusion

Stable Diffusion AnimateDiff | 最稳定的基于文本生成视频的方法

今天给大伙分享一下目前来看比较稳定的文本生视频的插件 AnimateDiff。

动画 animate sd

Stable Diffusion

Stable Diffusion AnimateDiff | 最稳定的基于文本生成视频的方法！

今天给大伙分享一下目前来看比较稳定的文本生视频的插件 AnimateDiff。

文本生成视频 AnimateDiff

《嬛嬛朕emo啦》但马斯克！阿里这项技术开放试玩

选择喜欢的音频片段，并上传一张大头照。

音频阿里

全量免费的EMO模型上架通义APP，外媒称之为Sora之后最受期待的大模型之一

只需要一张人物肖像照片和一段任意时长的音频，EMO就可以让照片中的人物按照音频内容“张嘴”唱歌、说话，且口型基本保持一致，实现自然的面部表情和头部姿态。

EMO 阿里全民演唱

大模型能力快速测评极简题目

猜谜语：埋在奴家心底，打一字请告诉我以下陈述是否包含时代错误：在盟军轰炸硫磺岛海滩期间，拉尔夫大声地对着自己的 iPhone 说话请问下列哪个事件引起了另一个事件？

大模型

字正腔圆,万国同音,coqui-ai TTS跨语种语音克隆,钢铁侠讲16国语言

按照固有的思维方式，如果想要语音克隆首先得有克隆对象具体的语言语音样本，换句话说，克隆对象必须说过某一种语言的话才行，但现在，coqui-ai TTS V2.0版本做到了，真正的跨语种无需训练的语音克隆技术

coqui-ai TTS 语音

阿里Outfit Anyone实现真人百变换装

，是阿里巴巴集团智能计算研究院最新发布的基于条件扩散模型的虚拟试穿技术。

Outfit Anyone 阿里

小度为何押注AI眼镜？

当然硬件带来的更多是附加价值，作为一款原生AI眼镜，最核心的还得是软件能力。

AI眼镜小度

提升GPT Prompt效果最佳实践 - 拆解复杂任务

就像在软件工程中将复杂系统分解为一组模块化组件一样，在提交给GPT模型的任务中也是如此。

GPT prompt

SD 美颜修图神器

前言听雨貌似好久没有介绍 SD 的插件了，今天听雨给小伙伴们带来了一个 SD 的美颜修图神器，可以在我们生成的图片的基础上进行修图，让图片更加生动。

SD 文生图

开源版妙鸭相机来了，无限出个人写真图（阿里达摩院出品）

用户仅需要提供最低三张照片即可获得独属于自己的个人形象数字替身。

妙鸭相机

国内LLM陆续启动，你的Prompt库有这些模块吗

这里修猫给出一个框架，还请有心读者自行丰富，时间会认证你的积累。

prompt

Stable Diffusion

Stable Diffusion 抽卡必备神器！Agent Scheduler

今天分享的插件就是时间大师 Agent Scheduler，有了这个插件，我们就可以将每次出图作为一个任务放在队列中，插件可以自动的执行队列中所有的任务，不需要我们一个一个的等待了。

Agent Scheduler Stable Diffusion

<...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