文章列表-AI魔法学院

文章列表

GLM-4-Voice 9B——实时多语言语音对话 AI——几分钟内即可在本地安装

然而，大多数模型在流利地切换语言、理解口语查询的细微差别以及提供高质量响应方面仍然面临挑战。

GLM-4-Voice 9B 语音安装

腾讯开源的数字人MuseTalk到底行不行？

MuseTaIk是由腾讯团队开发的先进技术，它是一个实时高质量的音频驱动唇部同步模型。

MuseTalk 数字人音频

世界顶级七大管理工具：SWOT、PDCA、6W2H、SMART、WBS、时间管理、二八原则、波特五力分析

大师级的管理专家绝不是徒有虚名的，他们总会打开一个新的管理视角让你发现你的盲点和误区，提供给你一种崭新的项目管理工具，掌握了这七大项目管理工具，对你的工作将有大幅度的帮助，你会感到自己进入了一个新的境界

管理工具

5个最佳开源RPA框架

这个AI大脑要实现的就是智能化；而RPA则是通过配置自动化软件模拟和人类在软件系统中交互的动作来执行业务流程；RPA软件机器人在应用程序界面上识别数据并像人类一样操纵应用程序；RPA软件根据规则与其他系统交互

开源模型智能自动化

一文带你看懂OpenAI-Sora生成视频的原理

接下来，让我们探讨Sora模型的大脑——扩展变换器，它是如何将这些时空潜在补丁巧妙组合，创造出符合我们文本提示的精彩视频。

视频生成 sora

Sora物理悖谬的几何解释

Sora声称“作为世界模拟的视频生成模型”，豪气干云。

Sora 解释

省钱！微软开源框架LLMLingua + LlamaIndex实现提示词压缩

这些数据，作为对模型的输入，也就是提示词，贡献了绝大多数资源的开销。

LLMLingua LlamaIndex 开源框架

MidjourneyV6高级提示词技巧（人物篇）

Midjourney创意总监Nick近期为用户准备了一个MidjourneyV6的提示词书写模板。

Midjourneyv6 文生图提示词

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！

它基本上就是通过一个巧妙的方法来让大型语言模型（LLM）生成更精准、更有用的回答。

OCR RAG 开源

体验Outfit Anyone，高质量虚拟换装，效果如何？

Outfit Anyone，阿里智能计算研究院最新发布的基于条件扩散模型的虚拟试穿技术。

Outfit Anyone 模拟

ReplaceAnything：阿里最新项目！重绘图片里的任何元素，商用价值极高！用最简单的部署创造最大的价值！

摘要 ReplaceAnything是阿里团队即将开源的项目，针对图像里的人物替换、服装替换、背景替换等方面做了极大的优化，使用户上传图片可以指定部分区域生成新内容，并且做到了严格保留遮挡区域，这对AIGC

ReplaceAnything 文生图

开源版妙鸭相机来了，无限出个人写真图（阿里达摩院出品）

FaceChain的模型由ModelScope开源模型社区提供支持。

妙鸭相机

高效选择：Ollama与LM Studio深度对比

今天，我们就来深度对比这两个本地语言模型（LLMs）工具，帮助你找到最适合你的那一款。

Ollama LM Studio 对比

Stable Diffusion

99%的人都不懂的Stable Diffusion高级功能，Negative Prompt如何正确使用?

零、前言随着AI绘画Stable Diffusion图像生成模型的火热，Negative Prompt 这个功能也被广泛使用起来。

Negative Prompt 文生图

神奇的 OuteTTS - 0.1 - 350M：用几秒钟音频克隆声音的黑科技！

它采用纯语言建模方式，打破了传统 TTS 模型依赖复杂架构和外部适配器的模式，为语音合成领域带来了新的思路。

OuteTTS-0.1-350M 音频

<...54 55 56 575859 60 61 62 63 ...>

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