文章列表-AI魔法学院

文章列表

SD 美颜修图神器

本文介绍了SD的美颜修图插件BMAB，可通过网址安装并用于调整生成的图片效果，如美颜、对比度、亮度、锐化、颜色、色温及噪点等。此外，该插件还能调整人物在画面中的位置和比例，提供了多种选项和参数设置，使图片更加生动和个性化。感兴趣的用户可查阅官方教程了解更多功能。

SD 文生图 2024-07-10

国产视频制作之光-可灵：提示词大全整理

国产视频制作正蓬勃发展，而可灵无疑是其中的闪耀之光！我们为您精心整理了一份提示词大全，堪称国产视频制作的宝藏秘籍。在这个大全里，您能找到各类丰富、实用且极具创意的提示词，无论您想要制作何种风格、何种主题的视频，它都能为您提供灵感指引。可灵的这份提示词大全，将助您在国产视频制作的道路上更加轻松顺畅，让您的创作之旅充满惊喜与可能！

可灵 kling 视频 2024-07-09

教会AI画汉字（ComfyUI篇）

文章介绍了如何使用ControlNet模型（一款基于qrcode的图图融合模型）和ComfyUI插件，通过详细步骤创建工作流并生成AI与文字相结合的图片效果。提供了模型下载链接和使用教程，展示了最终生成的效果图。

comfyui 文生图 2024-07-09

用上这10条神指令（prompt)，让ChatGPT快速写出优质高分科研论文

本文提供了十个高效利用ChatGPT辅助科研论文写作的提示词指令，涵盖研究方向、总结要点、提出研究问题、选择研究方法、寻找数据源、起草大纲、提高文本可读性、解释审稿人反馈、撰写摘要及推广论文等方面，旨在提高研究论文的质量和影响力。

prompt ChatGPT 写作 2024-07-09

7.1k Star！RAGFlow：最新开源OCR+深度文档理解的RAG引擎、大海捞针测试、降低幻觉、服务化API集成进业务！

RAGFlow是一个基于深度文档理解的开源RAG（检索增强生成）引擎，旨在通过整合检索到的信息和大型语言模型（LLM）来提升回答的质量和准确性。它支持多种文件类型，具有智能解析、可视化处理和可解释性等特点，允许用户轻松上传、管理和查询文档。RAGFlow不仅提高了知识库RAG的召回率，还提供了易于集成的API，适用于各类企业系统。此外，RAGFlow持续更新，集成新的模型和功能，以满足不同需求。部署RAGFlow需要一定的系统配置，包括Docker和适当的硬件资源。

OCR RAG 开源 2024-07-09

6个最佳开源TTS引擎

本文总结了多个优秀的开源文本到语音（TTS）引擎，这些引擎基于深度学习或传统技术，支持多种语言，包括中文。文章列举的引擎如CoQuiTTS、mozillaTTS、OpenTTS、MaryTTS、eSpeak、Mimic、CMU Flite TTS、MBROLA、mandarin-tts、FCH-TTS和rhasspypiper等，各自具有独特的功能和优势，适用于不同的应用场景，如帮助视觉障碍者理解文本、在车辆中播报文本信息、模拟人声、虚拟主播和歌手等。这些开源项目有助于提升TTS技术的发展和应用。

TTS引擎开源模型 2024-07-09

【万字长文-进阶教程】一文带你从入门到精通ChatTTS, 手把手教你固定音色、设置语速、添加停顿词、口头语、笑声！！

ChatTTS 文本转语音项目在github爆火出圈，引来大家极大的关注。短短2周左右的时间，在 GitHub 上已经斩获了23.5k的Star量。本文带你从入门到精通ChatTTS, 手把手教你固定音色、设置语速、添加停顿词、口头语、笑声！！

chattts tts 文生语音 2024-06-21

使用python调用comfyui-api，实现出图自由

本文介绍了如何使用Python调用ComfyUI-API，实现自动化出图功能。首先，需要在ComfyUI中设置相应的端口并开启开发者模式，保存并验证API格式的工作流。接着，在Python脚本中，通过导入必要的库，定义一系列函数，包括显示GIF图片、向服务器队列发送提示信息、获取图片和历史记录等。通过解析工作流并获取图片，可以生成并显示所需的图像。最后，通过读取CSV文件中的提示词列表，循环调用生成图像的函数，实现批量处理。文章还提供了参考来源链接。

comfyui 工作流 2024-06-21

快手版Sora「可灵」开放测试：生成超120s视频，更懂物理，复杂运动也能精准建模

「可灵」全新国产视频生成大模型开始内测了。它采用了Sora相似的技术路线，结合多项自研技术创新，生成的视频不仅运动幅度大且合理，还能模拟物理世界特性，具备强大的概念组合能力和想象力。主打一个务实，不开空头支票、发布即上线，可灵大模型已在快影APP中正式开启邀测。

可灵快手文生视频 2024-06-09

开源新标杆，千问Qwen2系列模型发布，全面超越LLama3

Qwen2系列模型开源，包含五个尺寸，支持27种语言，性能优异。模型使用GQA，实现推理加速和显存降低。在基准测试中超越当前领先模型。支持多种框架，可微调、量化、部署和二次开发。Qwen团队将继续探索更大模型和多模态模型。无资源部署者可体验大模型竞技场中的Qwen2-72B-instruct。

qwen 千问开源 2024-06-07

GLM4 开源了！！！还有多模态

智谱AI开源了GLM-4-9B预训练模型，该模型在语义理解、数学推理、代码执行等领域表现卓越，支持多轮对话、网页浏览、代码执行等功能，同时增加了对26种语言的支持。基于GLM-4-9B的多模态模型GLM-4V-9B表现突出。GLM-4-9B系列模型在多个评测任务中均展现卓越性能，可快速调用体验。这一开源举措将为AI社区带来新活力和创新动力。

智普 ChatGLM 多模态 2024-06-05

SD3 正式开源 Sora同源架构

本文介绍了stability_ai发布的最新模型Stablediffusion3，该模型与OpenAI的Sora在架构上相似，都采用了Diffusion Transformer方式。Stablediffusion3具有生成视频、3D内容的能力，模型参数量增加至8亿，提升了图像质量。同时，介绍了即将推出的SD3 Medium模型，具有照片级真实感、优秀的字体排印学表现、高效性能以及微调能力，适用于定制和创意工作。

SD3 绘画 2024-06-03

有感情的语音合成开源模型：ChatTTS安装使用详解

ChatTTS是专为对话场景设计的语音生成模型，支持中英文，效果出色。它可集成于大型语言模型助手，提供自然流畅的交互体验。用户可简单提供文本获取语音文件。项目提供安装指南，包括下载源码、安装依赖、编写执行代码、自动下载模型及通过webui运行等步骤。用户可通过界面添加笑声和停顿，提升语音效果。

ChatTTS 语音合成 2024-05-30

从零开始学习大模型-第一章-大模型简介

大模型是人工智能领域拥有大量参数的深度学习模型，通过学习大规模数据，能处理复杂任务。大模型具有高性能、泛化能力和多功能性，广泛应用于自然语言处理、图像识别等领域。其兴起得益于数据量的增加、计算能力的提升和算法的改进。初学者需掌握基础知识、大模型原理、工具和框架，通过实践项目、参与社区和持续学习提升能力。大模型的微调是将预训练模型适配到特定任务的关键过程，需注意学习率选择、冻结层和数据不平衡等问题。

大模型从零开始 2024-05-24

动作识别模型有哪些

动作识别模型主要包括TWO-STREAM CNN、TSN、C3D、RNN等。TWO-STREAM CNN由处理RGB图像和光流图像的两个部分构成，并联合训练。TSN是TWO-STREAM的改进版，通过将视频分段并随机选取片段进行训练，解决了TWO-STREAM不能对长时间视频建模的问题。C3D则使用三维卷积核处理视频，虽效果略低但训练速度快且网络结构简洁。RNN因能处理序列问题而被用于动作识别，相关研究工作提出了结合姿态注意力的RNN模型。此外，还有TRN、TSM和SlowFast等模型，它们分别对TSN的融合方式、2D网络的时序建模以及不同时间频率的语义捕获进行了改进和优化。

动作识别模型 2024-05-24

<...13 14 15 161718 19 20 21 22 ...>

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