文章列表-AI魔法学院

文章列表

必看！ComfyUI故障应对指南，让您轻松应对每一个挑战

ComfyUI的常见故障和解决，赶紧收藏起来，在探索ComfyUI的曲折旅途中，最让人心生畏惧的莫过于那漫天的红色方框和层出不穷的报错信息。

ComfyUI 故障应对

AI虚拟主播数字人技术实现Wav2Lip

本文主要实现图片说话（如下图的蒙娜丽莎）、视频融合语音（这里的核心都是人物口型与音频中的语音唇形同步）。

数字人视频

入坑必看：comfyui界面与基础操作

如果你是comfyui的新手，不用担心，这篇文章将带你快速掌握其基础操作。

comfyui 文生图

AI绘画：InstantID 一键运行包和在线Colab脚本！

下载到本地后，用解压软件解压，最好是解压到全英文的路径下，以防万一，少走弯路。

InstantID 文生图

CodeGeeX：Tab一下，代码自动生成

（相关链接，见文末）一、原理模型 CodeGeeX是一个基于transformers的大规模预训练编程语言模型。

大模型

向量数据库不是一个单独的数据库分类

其中包括图数据库、关系数据库、文档数据库以及键值数据库，甚至还包括缓存。

大模型向量数据库

AI Agents大爆发：软件2.0雏形初现，OpenAI的下一步

该过程将在有监督条件下进行微调，数据格式为 tn=(x,zi,yi,zj,...

agent

用ComfyUI整了一套照片转Q版手办的工作流

在收集了一波好的功能和工作流之后就开始搞起来了。

comfyui 文生图

Stable Diffusion

硬核解读Stable Diffusion（系列一）

SD是一个基于latent的扩散模型，它在UNet中引入text condition来实现基于文本生成图像。

StableDiffusion 文生图

TTS，一个奇妙的AI工具

简介 TTS是一个将文本变换成语音的AI工具。

TTS 文本转语音

一种通用的 Prompt 框架 - CRISPE

它包括设计提示，引导模型生成特定的语调、风格或内容类型。

Prompt 提示词工程

【语音领域-又双叒更新】阿里开源FunAudioLLM: 2大核心模型、5大亮点功能！效果炸裂！手把手带你理论+实战部署推理!

整体项目的框架如下: 核心模型一: 语音识别模型SenseVoice介绍 SenseVoice 是一个全面的语音基础模型，旨在执行各种语音理解任务，包括自动语音识别（ASR）、语言识别

asr tts 声音

书生·万卷：难得的中文开源数据集

中国的AI产业要迎头赶上，中文的数据集是最大的短板之一。

大模型

语言大模型100K上下文窗口的秘诀

上下文窗口（context window）是指语言模型在进行预测或生成文本时，所考虑的前一个词元（token）或文本片段的大小范围。

大模型

语音、视频转文字神器：开源whisper介绍

OpenAI的Whisper是一种基于深度学习的语音识别模型，它是一种通用的语音识别模型，可以用于语音识别、语音翻译和语言识别等任务。

人工智能大模型 wisper

<...12 13 14 151617 18 19 20 21 ...>

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