文章列表-AI魔法学院

文章列表

语音克隆又又又又又升级了

早在今年6月，Meta曾经推出过VoiceBox，能直接从文本生成高质量语音，不需要任何音频样本作为训练数据，可能是基于对音频Deepfake的担忧，一向秉承开源的Meta并未向工作开放VoiceBox

Meta 语音生成

SDXL风格插件，超越Midjourney的时刻来了

我在研究模型的时候，发现很多严肃的SD模型创作者都逐渐有一个困惑：模型层出不穷，却同质化严重，有没有一种可能，可以整合所有的大模型，就靠一个模型出图？

SDXL

视频大模型训练相关词条解释

它所制作出的复杂场景，不仅可以包括多个角色，还有特定的动作类型，以及对对象和背景的精确细节描绘。

视频生成 sora 词条

Sora懂不懂物理世界？

常识的缺失目前的Transformer虽然可以学习局部的上下文，但无法学习更加全局的上下文，这里的全局可能是物理中的重力场，也可以是人体工程学，或者生物中的物种分类。

文生视频视频生成 sora

微软打破Decoder-Only架构！大幅降低GPU内存需求，网友：把Llama3 70B弄20GB GPU上运行

具体来说，YOCO由L个块堆叠而成，其中前L/2层是自解码器，其余模块是交叉解码器。

Decoder-Decoder YOCO 架构

技术布道 | Prompt评估与优化，让魔法打败魔法，通过大模型获得更优质的Prompt进而获得更优质的内容

在千帆大模型平台Prompt工程中点击Prompt评估页面，我们可以选择示例的例子进行操作，点击试一试旁边的“加法计算”，选择应用和模型后可以点击“开始评估”。

prompt 大模型

AnimateDiff 生成补间动画

AnimateDiff 生成补间动画测试了下工作流，输入是2张图片，一张作为起点，另一张作为终点。

文生图 AnimateDiff

精通百种语言的翻译AI来了！Meta推出，免费、开源！

，时长00:56 SeamlessM4T有以下几个优势：多功能：SeamlessM4T可以实现多种形式和多种语言之间的翻译，无需切换不同的模型或工具。

大语言模型

两天star量破千：OpenAI的Whisper被蒸馏后，语音识别数倍加速

不过，从 HeyGen 现在的火爆程度来看，想用它制作类似视频可能要排很久。

语音 HeyGen

Midjourney | 17个常用的命令

/show 输入/show在jobid 框里输入您的图库中所生成图像的作业ID 后，你可以再次召唤和恢复自己的任何生成图像 /fast 切换快速模式，在快速模式下

文生图

字节开源项目MimicTalk：快速打造逼真3D Talking Face的利器

MimicTalk通过引入「NeRF」技术，结合高效的微调策略和上下文学习能力的人脸动作生成模型，成功地解决了这一问题NeRF技术允许模型在三维空间中重建物体的形状和外观，而MimicTalk在此基础上进行了优化

MimicTalk 开源模型

实现聊天机器人打字机形式输出内容：SSE原理介绍及Post实现方式

服务器端可以通过浏览器发送的事件标识符来确定从哪个事件来继续连接 4、SSE注意事项保证数据的完整性：客户端在每次接收到消息时，会把消息的id 字段作为内部属性 Last-Event-ID储存起来

大模型

语音识别的未来已来：深入了解faster-whisper的突破性进展

在医疗领域，faster-whisper可以辅助医生快速转录病历，提高工作效率。

语音识别 Faster-Whisper

AI 产品榜 · 国内 100 强和出海 20 强

如果您是投资人：本榜单为您提供非常具有潜力和市场吸引力的AI产品的清晰快照，助您更精准地判断和布局下一步的投资。

大模型大模型应用行业分析

一位芯片投资人的十年复盘：谁是中国的英伟达｜AI光年

昇腾现在是910B,马上会推出910C，未来从性能和参数各方面应该都很不错，华为的另外一个优势是有自己的供应链，这个是所有的创业公司目前不具备的，所以华为肯定会占据相当的市场份额。

AI光年芯片投资

<...90 91 92 939495 96 97 98 99 ...>

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