文章列表-AI魔法学院

本文介绍了生物识别技术，包括指纹识别、虹膜识别、声音识别、掌纹识别、静脉识别以及人脸识别等多种技术，这些技术利用人体自身特征进行身份认证。同时，文章还介绍了一个开源的人脸识别项目——InsightFace，它基于PyTorch和MXNet，支持2D和3D人脸识别，以及人脸关键点检测等功能，是一个强大的人脸识别分析工具，适用于人脸识别研究、人脸姿态估计、动画生成等领域。

人脸识别开源项目 2024-04-29

利用AI技术自动化爬取网页数据的利器——MLScraper

MLScraper是一个强大的Python库，利用机器学习和自然语言处理技术自动解析和提取网页数据。它支持各种网页类型，并提供灵活的选择器来定位和提取数据。MLScraper还具备智能识别能力和高效性能，适用于数据采集、价格比较、舆情分析和学术研究等领域。尽管在处理复杂和动态网页时可能需要额外配置，但总体上，它是一个值得推荐的网页数据提取工具。

MLScraper Python库 2024-04-29

RAG

RAG与Long-Context之争—没必要争

文章讨论了RAG与Long-Context在大模型应用中的不同角色和争议。RAG被视为粗排，通过检索系统从数据库/知识库中找到相关片段内容，再利用大模型查找或总结出答案。Long-Context则是精排，将所有文本内容输入大模型，用户提问后，大模型直接查找或总结答案。文章指出，两者的本质区别在于外部知识如何给到大模型，以及给多少。虽然Long-Context随着模型支持长度增加可能降低检索的重要性，但由于大模型处理长度增加会导致KV Cache资源占用剧增，因此RAG仍有其存在价值。文章还探讨了Long-Context对RAG场景的影响，以及部署大模型服务的挑战和成本问题。最后强调，在技术发展中，Long-Context和RAG都是为了让大模型找到更好的答案，而真正的智能还需依赖模型本身。

RAG Long-Context 大模型 2024-04-29

Prompt

写不好Prompt？可以先写个粗糙版本，然后让GPT帮助优化。

本文介绍了如何优化Prompt以更好地与ChatGPT互动。首先，文章通过一个粗糙版本的Prompt示例展示了如何开始这一过程。接着，文章介绍了如何通过明确目标和可用资源来继续优化Prompt，使其更加具体和有效。此外，文章还提到了让GPT4向用户提问的方法，以进一步完善Prompt。最后，文章总结了有效Prompt编写的重要性，并鼓励读者通过实践来掌握和精进这项技能。

Prompt GPT 2024-04-29

数字人

最强开源数字人对口型系统介绍

本文介绍了开源的数字人克隆方法Easy-Wav2Lip，无需额外训练即可实现高清口型同步。相比其他开源方法，该方法具有更高的清晰度和更快的推理速度。提供了三种推理模型：原始模型、改进模型和增强模型。虽然增强模型推理速度较慢，但在非实时场景下仍具有应用价值。此外，文章还提供了一个在线服务网站，方便用户体验该代码。使用要求包括声音时长与视频时长等长、视频分辨率不超过1080P、帧率不超过30、音频为单人声、噪音降到最低、视频为单人露面视频且脸部清晰。

数字人开源模型 2024-04-29

芯片拼接技术：英伟达新核弹，站在苹果的肩膀上！

在2024年的GTC大会上，英伟达发布了新型GPU架构Blackwell和B200 GPU，该GPU的理论AI性能可达20PFLOPS，是前一代H100的五倍，晶体管规模也高达2080亿。不同于以往通过先进制程提升性能的方法，B200通过物理上将两块芯片“粘合”成一个更大的芯片来实现性能的提升。这种方案在物理学边缘进行了大胆的冲锋与冒险，虽然面临技术挑战和成本问题，但为芯片行业带来了新的思考方向。英伟达通过合作和技术研发，成功实现了这一创新，为未来的计算性能提升提供了新的路径。同时，文章也回顾了芯片封装技术的发展历程，以及苹果、台积电等公司在这一领域的探索和实践。最终，这种创新的封装技术为整个行业带来了新的机遇和挑战，推动了科技革命的进程。

芯片拼接技术 2024-04-29

Stable Diffusion

Stable Diffusion高精度换脸

本文介绍了使用Stable Diffusion进行高精度换脸的操作流程，包括初版换脸、精修和高精度处理三个步骤，涉及参数设置、模型选择等，并强调了面部修复的重要性。文章还提供了具体的操作步骤和示例，展示了如何通过调整参数和模型实现高精度换脸。

Stable Diffusion 文生图 2024-04-29

ChatGPT

如何使用ChatGPT进行写作

本文介绍了如何使用ChatGPT进行内容创作，并提供了七个步骤来优化和训练ChatGPT以符合个人写作风格和需求。通过明确指导、提供示例和反馈，可以使ChatGPT产生高质量、个性化的内容。

ChatGPT 写作 2024-04-28

RAG

如何提高RAG 的效果

本文探讨了如何提高RAG（Retrieval-Augmented Generation）的效果，包括参考信息主题的唯一性、预设多个Prompt模板、query改写、多种检索方式以及rerank等策略。文章强调了落地过程中细节问题的重要性，并提供了一些实践经验和解决方案。这些方法旨在帮助模型更好地利用参考信息，提高生成质量。

RAG 大模型 2024-04-28

大模型

大模型在金融行业的应用场景

本文概述了大模型在金融行业中的应用场景，包括知识库/知识问答、智能客服、运营助手、风控、催收、信用评估、反欺诈、智能投顾、研发辅助和HR等。文章通过国内外实例展示了这些应用场景的具体应用和效果，如农业银行推出的ChatABC、摩根士丹利的知识问答系统、工商银行的智能客服等。这些应用不仅提高了金融业务的效率和准确性，还为客户提供了更个性化的服务。

大模型金融应用 2024-04-28

将这些“阴谋诡计”喂给AI，使AI一天写一篇短篇小说

文章探讨了小说世界中的权谋策略，包括离间计、谋名诱敌、藏龙之际等十三种策略，旨在启迪思考并引导人们在生活中运用谋略之精华。这些策略不仅体现了智者的智慧，也考验了运用者的演技和策略布局能力。通过理解这些策略，人们可以更好地应对复杂的人际关系和竞争环境，从而在生活的棋局中更加从容地行走。文章鼓励人们与AI携手共创美好明天。

AI 写作 2024-04-28

Stable Diffusion

Stable Diffusion真实人物转卡通证件照（2.0版）

本文介绍了如何使用Stable Diffusion中的dreamshaper_7模型和卡通证件照_v2.0模型，结合ControlNet插件，将真实人物照片转化为卡通证件照头像。通过三个实操案例，详细展示了所需模型和参数配置，如正向和反向提示词、迭代步数、采样方法等。

Stable Diffusion 文生图 2024-04-28

VividTalk：用一张照片和一段音频让人物栩栩如生地说话

VividTalk是南京大学、阿里巴巴、字节跳动和南开大学联合开发的前沿技术，能将单张照片和音频结合生成逼真的讲话视频。该技术通过音频到3D网格的映射和网格到视频的转换，实现了高质量的视觉效果和真实感。VividTalk在数字媒体制作、虚拟现实和人工智能等领域有广阔应用前景，为创造更丰富和互动的数字体验提供了新可能。

VividTalk 视频 2024-04-28

OpenAI

whisper-live：OpenAI Whisper模型的近实时实现

本文介绍了OpenAI的Whisper的近乎实时实现项目——WhisperLive。该项目是一个实时转录应用程序，可以将语音输入转换为文本输出，支持实时音频输入和预录制的音频文件。WhisperLive使用语音活动检测（VAD）技术，仅在检测到语音时才发送音频数据，提高了转录输出的准确性和效率。用户可以通过安装PyAudio和ffmpeg，运行转录服务器和客户端程序，使用Whisper模型进行实时转录。此外，WhisperLive还支持多语言转录和翻译功能，用户可以通过设置选项来指定目标语言和任务。项目链接为https://github.com/collabora/WhisperLive。

OpenAI Whisper 大模型 2024-04-28

Stable Diffusion

Stable Diffusion插件：提示词

本文介绍了两个Stable Diffusion WebUI的提示词插件：sd-webui-prompt-all-in-one和SDWebUI Tag Autocomplete。前者提供书写提示词的辅助功能，如自动翻译和预置关键词；后者则具有自动完成提示词的能力，并支持翻译功能。文章还详细说明了这两个插件的安装和使用方法。

Stable Diffusion 提示词 2024-04-28