文章列表-AI魔法学院

文章列表

MaskGCT：登上GitHub趋势榜榜首的TTS开源大模型

01 前言近日，香港中文大学（深圳）联手趣丸科技推出了新一代大规模声音克隆TTS模型——MaskGCT。

MaskGCT 声音克隆

OCR终结了？旷视提出可以文档级OCR的多模态大模型框架Vary，支持中英文，已开源！

以往这一任务需要文本识别、布局检测和排序、公式表格处理、文本清洗等多个步骤—— 这一次，只需一句话命令，多模态大模型 Vary 直接端到端输出结果：无论是中英文的大段文字

OCR 手写文字识别

最佳开源文生图大模型可图：安装与批量出图的完整教程

Kolors可图是快手Kolors团队开发的基于潜在扩散的大规模文本到图像生成模型。

可图 kolors

造梦师手记：C站最受欢迎的大模型推出了SFW版

很长一段时间，C站最受欢迎的大模型是DreamShaper，在SDXL推出后，作者Lykon第一时间推出了一个0.9版和1.0版。

DreamShaper 大模型文生图

全球最强长文本大模型，一次可读35万汉字：Baichuan2-192K上线

大模型看书，从来没有这么快过。

Baichuan2 百川开源

无一幸免！OpenAI最强竞对Anthropic：“长上下文”让大模型更不安全

自 ChatGPT 问世以来，国内外越来越多的强大大模型陆续发布。

Anthropic 大语言模型

中文原生文生图大模型来了！腾讯混元推出，Sora 同架构

5月14日，腾讯宣布旗下的混元文生图大模型全面升级并对外开源，目前已在 Hugging Face 平台及 Github 上发布，包含模型权重、推理代码、模型算法等完整模型，可供企业与个人开发者免费商用。

文生图混元腾讯

大模型的最大bug，回答正确率几乎为零，GPT到Llama无一幸免

而且，研究人员发现，这个大 bug 与模型体量，问的问题什么的都没有关系。

大模型

动作识别模型有哪些

动作识别模型主要有： · TWO-STREAM CNN:网络顾名思义分为两个部分，一部分处理RGB图像，一部分处理光流图像。

动作识别模型

AI人工智能大模型通用办公提示词-献给像我一样的社畜们

让模型使用类比或比喻的方法解释复杂问题: Explain complex ideas using analogies or comparisons.

体验了几款AI工具&&最新出现的跟数字人相关的几款大模型

图生成3D模型 ImageDream: https://image-dream.github.io/ 可以从多个角度生成。

数字人大模型文生图

StableDiffusion

StableDiffusion模型推荐系列（功能型）

+ 采样器：DPM++SDE 迭代步数：8-10 CFG：3-5 tips：这里的参数与适配的大模型一致，跟LoRA本身没太大关系，比如我用的大模型是DreamShaper XLv2.1 Turbo

StableDiffusion 文生图

StableDiffusion

StableDiffusion模型推荐系列（全能型）

这些模型背后，可是有着大量时间和资源的投入，比如SD1.5版本，耗资高达60万美元进行训练，其中的训练时间更是以万来计算的！

stablediffusion sd 文生图

智源：70万预算，从头开发千亿参数大模型，挑战成功！

预算10万美元（约73万人民币），从头训练一个全新的千亿参数大模型。

大模型

Mixtral 7B 官宣免费，一大波 AI 模型也免费了，有网就能用！

根据大部分人的实际体验结果，Mixtral 8x7B 的性能已基本达到 GPT-3.5，这对于小体积的开源模型而言十分难得。

开源大模型

<...11 12 13 141516 17 18 19 20 ...>

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