文章列表-AI魔法学院

文章列表

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

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

全量免费的EMO模型上架通义APP，外媒称之为Sora之后最受期待的大模型之一

本文介绍了阿里巴巴通义实验室研发的AI模型EMO，该模型能够让照片中的人物按照音频内容“张嘴”唱歌、说话，并且口型基本保持一致。EMO在两个月内被产品化并上线通义APP，成为全民免费可用的AI视频模型。该模型降低了人物视频的生成门槛，提升了生成质量，有望在视频制作、影视创作、电商直播等领域得到广泛应用。然而，随着EMO的普及，人们开始担心其可能被滥用，阿里云方面表示将采取措施确保内容安全并保护用户信息安全。文章还指出，AI大模型行业正在快速发展，通义APP有望成为一个包罗万象的工具铺，成为每位用户手中一个随叫随到的超级AI助手。阿里在大模型的C端入口上步伐最快，已经上线了众多免费功能。

EMO 阿里全民演唱 2024-04-27

openpose原理及安装教程（姿态识别）

OpenPose是一个基于深度学习的开源库，用于实时多人姿态估计。它采用卷积神经网络（CNN）准确识别图像或视频中的人体关键点，包括头部、肩部、手肘等，进而生成完整的多人姿态估计结果。安装OpenPose需下载源代码或预编译版本，安装依赖库，使用CMake配置和生成项目文件，编译生成可执行文件或库文件，最后运行示例程序或集成到项目中。OpenPose具有多人姿态估计、多关键点检测、跨平台支持和开放源代码等优势，可用于精细的姿态分析。在GitHub上安装OpenPose需克隆代码库，下载并编译依赖库，配置和编译OpenPose，最后安装并运行。使用时需注意选择合适的硬件设备和参数配置以保证准确性和效率。

行为识别姿态识别 2024-04-27

实测：本地跑llama3:70B需要什么配置

文章介绍了开源大语言模型Llama 3 70B的能力达到了新的高度，可与顶级模型相媲美，并超过了某些GPT-4模型。文章强调了Llama 3的普及性，任何人都可以在本地部署，进行各种实验和研究。文章还提供了在本地PC上运行70B模型所需的资源信息，并展示了模型加载前后系统硬件占用情况的对比。最后，文章认为Llama 3 70B模型作为本地化Agent的底座模型非常适合，并预示着未来将有更多有趣的应用出现。

llama GPU内存 2024-04-25

为什么说AI现在还不行！

AI最近有点被妖魔化了，很像一个老虎在还没有橘猫大的时候，就已经被天天当成虎力大仙来讨论。这种普遍的高预期其实是有害的，尤其是当事情本身还需要耐心细致深耕且长跑的时候。资本、品牌可以匹配高预期所对应的增长倍数，业务则不行，业务先天挤出一切泡沫。也正因此最近写了几篇文章都在提应该以一种更加理性的态度来看待AI的进展，甚至设想了一种测试智能程度的方式：图灵测试2.0。这篇文章则是对此前各文章的综合。

大模型 2024-04-25

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

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

数字人大模型文生图 2024-04-25

微信向量检索分析一体化数仓探索：OLAP For Embedding

在过去的一年里，大型语言模型 (LLM) 以及 ChatGPT 等产品吸引了全世界的想象力，推动新一轮技术浪潮。embedding 和 vector search(向量搜索)的概念是支持推荐、问答、图像搜索等功能的核心。我们发现社区中“向量搜索”的兴趣显著增加;具体来说，大家感兴趣了解的是：何时需要专门向量数据库，何时不需要？相比于语义性检索引擎（ES）与专业的高性能检索服务，OLAP 数仓的向量检索能力在场景有何区别？

OLAP For Embedding 一体化数仓 2024-04-25

写好Prompt要记住这六点！

写好一个有效的prompt是实现与人工智能成功互动的关键。良好的prompt不仅清晰明确，而且具有针对性，能够准确引导AI理解和回应你的需求。

prompt 写作 2024-04-25

又快又好，秒级出图的AI大模型

最近被问到一个问题，如果为了Stable Diffusion绘画，应该本着什么原则购买显卡。原则很简单：预算之内选显存最大的。

Stable Diffusion 文生图大模型 2024-04-25

整理了近期所有TTS相关的大模型

从 XTTS 到 Pheme,从OpenVoice 到 VITS，每个大模型包括源码地址，支持的语言，非常棒！

TTS 大模型 2024-04-25

Stable Diffusion

stable diffusion最全18种controlnet模型，详细教程讲解。

目前AIgc领域正在持续关注，等到年底的时候做一个最全面的视频和文字讲解，现在还是在等等，目前AI领域热度确实是在持续降温，但是呢，深入了解AI的人都知道，AI的发展不是想人一样需要很长时间的积累，有时候可能就是一个算法的突破，就能应用到文字，图像声音等。

Stable Diffusion 文生图 controlnet 2024-04-25

让AI记住你说的话、让AI给你生成几十万字的小说！StreamingLLM 让无限长token成为可能

如今全世界有很多公司都在研究AI大模型（LLM）。但是在我们使用ChatGPT这样AI时候，可能聊着聊着它就告诉你要重新开始对话了！这就好像七秒记忆的鱼一样，转身就忘记了刚才聊天内容。你不得不重新开始！

StreamingLLM 写作 2024-04-25

使用思维链写Prompt

思维链（CoT），即 Chain of Thought，是一种解决问题的方法，这种方法涉及逐步、逻辑地思考问题，以便更好地理解和解决它。

思维链 prompt 2024-04-24

<...23 24 25 262728 29 30 31 32 ...>

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