文章列表-AI魔法学院

文章列表

【开源项目】Flow Matching 语音合成

CFM是一种新技术，已被证明可以改进扩散模型，Meta的Voicebox模型将CFM引入语音合成领域，下面是voicebox的一个工作流程图 Matcha-TTS是第一个开源conditional

音视频 Flow Matching

7个有用的Prompt参数

通过调整上下文窗口，可以控制模型在生成输出时考虑的上下文级别。

prompt

2024年值得关注的Agent框架

它们在规划、用户体验、记忆和大模型调用等方面表现出色。

Agent 框架

AI绘画当前的应用场景有哪些？

麦橘写实_v6 2、controlnet插件模型以及黑白蒙版图在大模型选择上，大家可以灵活点，用上一些主流的写实模型即可，后续我给大家分享一下Stable Diffusion一些主流模型及下载地址

文生图

【CLIP系列Paper解读】CLIP: Learning Transferable Visual Models From Natural Language Supervision

Abstract（此部分翻译为主）当前的计算机视觉（CV）模型通常被训练用于预测有限的物体类别。

OpenAI 自然语言监督

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

而 OuteTTS-0.1-350M 作为一款新兴的 TTS 模型，正以其独特的技术和功能特点吸引着众多关注。

OuteTTS-0.1-350M 音频

15个中文AI写作提示词帮你覆盖所有主流写作场景！！！

3、通过优质内容吸引更多来自搜索引擎的流量，提升网站的曝光度和用户访问量。

写作 prompt 提示词

深度 | Meta AI助手大测评，市值蒸发万亿都因它？

Meta 的新大型语言模型 Llama 3，驱动着富有想象力命名的“Meta AI”，这是一款新的聊天机器人，该社交媒体和广告公司已安装在尽可能多的应用程序和界面中。

Meta AI 测评

微软对 Sora 进行了逆向工程分析，揭秘 Sora 的秘密

通过结合视觉和语言知识，CLIP 能够在多模态生成框架中作为图像编码器的角色。

Sora 微软

StableDiffusion使用Roop插件一键换脸教程

训练模型也可以实现上面的需求，但是需要的图比较多，很麻烦。

AI换脸

Sora懂不懂物理世界？

一方面因为临界态样本的稀缺，另一方面因为扩散模型将稳恒态数据流形的边界模糊化，消弭了临界态的存在，生成的视频出现了不同稳恒态之间的跳跃。

文生视频视频生成 sora

从0到1谈谈智能客服系统的设计与实现

特别是从各个团队的访谈中，我们获得了许多细节性的宝贵经验和一系列建议，这对我们如何具体做好产品和之后推动系统的落地起到了巨大的作用。

智能客服

图片拖拽神器DragGAN介绍及官方安装文档说明

拖放图像编辑是一项功能强大的技术，它涉及训练生成模型来根据用户提供的指令转换图像。

开源

有道开源的国产语音库EmotiVoice爆火了！具有情绪控制功能的语音合成引擎！

前不久小圈为大家介绍过 Coqui 文本转语音（Text-to-Speech，TTS）模型，相比较市面上原有的开源TTS模型，Coqui 有其独特的优势，也受到了广大科技互联网爱好者的青睐

EmotiVoice 语音库

Stable Diffusion

Stable Diffusion教程：文生图

最近几天AI绘画没有什么大动作，正好有时间总结下Stable Diffusion的一些基础知识，今天就给大家再唠叨一下文生图这个功能，会详细说明其中的各个参数。

文生图 Stable Diffusion

<...58 59 60 616263 64 65 66 67 ...>

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