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！

二、本文方法介绍 wav2lip模型的训练分为两个阶段，第一阶段是专家音频和口型同步判别器预训练；第二阶段是GAN网络训练。

wav2lip 语音

OpenAI的官方Prompt工程指南详解 - 看这一篇真的就够了

可以帮助大模型更好的理解文本内容。

提示词 prompt

Python入门与语法速查

标识符对大小写敏感。

python 编程

图片生成速度最高提升10倍！可以做到“实时”生成！清华推出LCM/LCM-LoRA！

由于扩散过程需要多次迭代，每次迭代都要用到一个神经网络，所以SD模型的生成过程需要大量的计算资源和时间。

LCM/LCM-LoRA 文生图

ComfyUI-基础图生图&基础图片缩放

因为有图片作为目标了，之前建立的空latent就可以删掉，替换成一个VAE编码器，然后将VAE连接到模型的VAE中，如果有自己倾向的也可以单独连线一个VAE加载器。

ComfyUI 图生图

ComfyUI环境方面开窍了，成功跑通animatediff

装进去，节点就不缺失了，但是有个问题，就是模型需要放在这里面才行。

animatediff 文生图

AI 绘画新时代：ChatGPT + DALL-E 3

这些反馈对模型的多模态学习和视觉能力的提升具有正面效用。

文生图图生图 chatGPT DALL-E

AI绘画：InstantID Win11本地安装记录！

4.下载模型这个项目用到好几种模型。

InstantID Win11 安装

数字人之声音克隆：无样本，1分钟样本完美克隆声音，开源

内置HP5一个模型； 3、去混响、去延迟模型（by FoxJoy）： (1)MDX-Net(onnx_dereverb):对于双通道混响是最好的选择，不能去除单通道混响；

数字人声音克隆 GPT-SoVITS

Stable Diffusion

AI绘画巅峰对决：Stable Diffusion 3与DALL·E 3原理深度比较

这个模型套件真的很强大，参数范围从800M到8B，选择多多，无论你有什么创意需求，它都能满足你。

Stable Diffusion DALL·E

检索增强生成(RAG)有什么好的优化方案

图1 RAG工作流程（with memory）从RAG的工作流程看，能优化的模块有：文档块切分、文本嵌入模型、提示工程优化、大模型迭代。

RAG 检索增强生成

Stable Diffusion

造梦师手记：Stable Diffusion一键换脸插件

为了避免入坑，我把安装过程和注意事项给大家写清楚。

AI换脸

精通结构化提示词：如何精确操控指令的作用域与优先级

如果结构化提示词出现了不同模块之间的逻辑错误或规则冲突，对于用自然语言沟通的大模型来说，生成的结果反而不可控。

提示词结构化

ComfyUI | 这么入门就顺了，硬入疼的是自己

就是选择大模型和VAE，填入提示词，设置参数和采样器，然后生图。

生成式AI

吴恩达Prompt教程之总结图解

我们也在本篇文章对之前的几篇文章进行一个总结：第一篇文章主要针对当前GPT最为常用的两种模型进行介绍。

prompt 教程吴恩达

<...88 89 90 919293 94 95 96 97 ...>

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