文章列表-AI魔法学院

文章列表

AI视频新技能！这套流程教你打造视频人物和声音完美同步！

但目前的AI视频尚未解决视频和音频结合的问题，让人物的嘴与音频完美同步仍然具有挑战性。

AI视频

Stable Diffusion

读取大脑重建高清视频，Stable Diffusion还能这么用

但以往的研究都主要聚焦在重建静态图像，而以高清视频形式来展现的工作还是较为有限。

stablediffusion

大模型微调应用实践，没那么简单，看看曾经踩过的坑

解决方案，对数据并行处理，具体实现参考海量数据高效训练，核心思想自定义数据集本次的主要目标是使向量化耗时随着处理进程的增加线性下降，训练时数据的内存占用只和数据分段大小有关，可以根据数据特点，灵活配置化

大模型

SDXL风格插件，超越Midjourney的时刻来了

或者找到一两个用得顺手的模型，任意发挥自己的想象力。

SDXL

BGE M3-Embedding：智源最新发布的text embedding模型，多语言检索效果超过微软跟openai

其三是合成得到的监督数据，利用GPT3.5为来自Wiki跟MC4的长文本生成对应的问题，用于缓解模型在长文档检索任务的不足，同时引入额外的多语言数据。

BGE M3-Embedding 多语音检索

GTC大会黄仁勋发言稿

这体现在生命科学、医疗保健、基因组学、交通、零售、物流、制造业、工业等行业的全方位代表。

黄仁勋 nvidia

11个顶级的Prompts，用GPT学习的天花板

使用记忆宫殿提高回忆提示：“描述如何创建一个记忆宫殿，通过将[某主题]的关键概念与生动的心理图像和位置关联，以帮助保留和回忆复杂信息这就是今天要带给你的所有干货，11个利用ChatGPT

GPT

一文汇总大语言模型LLM所有prompt提示词框架的论文出处

从最小到最多）：https://arxiv.org/abs/2205.10625 - Step Back（后退提示）：https://arxiv.org/abs/2310.06117 - ART（自动推理和工具使用

prompt 提示词

一键部署本地私人专属知识库，开源免费！可接入GPT-4、Llama 3、Gemma、Kimi等几十种大模型，零代码集成。

2、搭建本地知识库问答系统MarxKB的优势在部署好MarxKB后，你可以添加个人笔记，工作文档，甚至在线网页到知识库里面，然后通过建立索引加上大语言模型对这些知识库的理解实现对文档内容的实时搜索与问答

知识库MaxKB 开源

清华智能体「XAgent」比ChatGPT4.0还好用！

数据分析：展示双环机制的有效性我们将使用一个简单的数据集iris.zip上传到XAgent，然后让XAgent分析数据集并生成一个报告。

ChatGPT 智能体 Agent

大模型微调数据选择和构造技巧

这样搞肯定是不行的，人力成本方面的消耗是在是太大了，并且模型因为数据平衡的问题也没有特别好，我们有没有办法去优化这个过程呢？

大模型微调

ChatGPT写论文最强指令！

如果可能，请提供引用文献或支持每个观点和结论的具体例子或支持数据，以利于我理解和引用。

ChatGPT 指令

解读wav2lip：探究语音驱动唇部动作的技术原理！

具体来说，wav2lip的训练流程如下：首先，提取音频特征，将音频特征与人脸图像进行配对，形成一个音频-图像对，然后训练专家音频和口型同步判别器。

wav2lip 语音

经典Prompt欣赏 - GitHub Copilot Chat

· · Explain how the selected code works · 解释选定代码的工作原理 · · Generate

prompt 提示词

两天star量破千：OpenAI的Whisper被蒸馏后，语音识别数倍加速

懂技术的小伙伴也可以寻找其他替代方案，比如语音转文字模型 Whisper、文字翻译 GPT、声音克隆 + 生成音频 so-vits-svc、生成符合音频的嘴型视频 GeneFace++dengdeng。

语音 HeyGen

<...91 92 93 949596 97 98 99 100 ...>

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