文章列表-AI魔法学院

文章列表

语音、视频转文字神器：开源whisper介绍

Whisper是通过收集来自多个数据源（如YouTube、TED、Twitter等）的多语言、多任务的数据进行训练的。

人工智能大模型 wisper

18种 DALL-E 3 炫酷的文字效果和提示词

DALL-E 3 不仅可以在图片上生成文字，还可以把文字巧妙地融合到图像中。

DALL-E 3 提示词文生图

图解检索增强式生成（RAG）技术 | 万字长文

此外，LlamaIndex 和 LangChian 这两个惊人的开源项目发展速度极快，它们的文档内容已经比 2016 年的机器学习教科书还要丰富。

检索增强式生成 RAG

万字长文，AI大模型的应用实践总结

因此，虽然扩词表看起来很诱人，但是实际操作起来，还是很有难度的。

大模型

换脸软件 FaceFusion 保姆级教程

在制作定制数字人时，有时候为了不侵权，会使用换脸软件将原素材的脸型进行替换，今天一个客户就提出了这样的需求，所以，这里我使用 FaceFusuion 这款软件来进行操作。

FaceFusion 教程

Stable Diffusion

Stable Diffusion生成图片参数查看与抹除

这篇文章就来专门分享如何查看和抹除图片的参数。

文生图 Stable Diffusion

国产“小钢炮”MiniCPM3-4B：小参数，大能量！

MiniCPM 3.0 以仅 4B 参数的“轻量级”模型，成功超越了 GPT-3.5，在移动端 AI 应用场景中展现出强大的实力。

MiniCPM3-4B 大模型

阿里Outfit Anyone实现真人百变换装

上线全民舞王：用一张照片就可生成《科目三》今天我要分享另一个阿里的AI工具：Outfit Anyone，它是一项适合任何服装和任何人的超高质量AI虚拟试穿技术，使用户能够在不真实试穿衣物的情况下尝试不同的时尚款式

Outfit Anyone 阿里

基于 OpenAI Whisper 模型的实时语音转文字工具

WhisperLive 是一款专注于音频处理和创作的开源软件，使用 OpenAI Whisper 模型将语音输入转换为文本输出，可以用于转录麦克风的实时音频输入和预先录制的音频文件，为艺术家和音乐制作人提供了一个强大的平台

WhisperLive 音频开源软件

什么是prompt（人话版）

在这个提示词里，我是这样做的： 1：我设定AI的角色为“资深编辑” 2：我描述了它的能力“了解专业知识” 3：我描述了它所处的任务背景“正在写一个关于什么的文章” 4：我定义了这个任务的需求“标题要吸引人眼球

prompt

本地运行140亿参数，阿里千问玩起来！Qwen+Win11+3060

今天来尝试一下14B（140亿参数），普通显卡，纯本地运行！

大模型

微软最强全自动数据可视化工具！现已开源

生成数据概要。

大模型

AI写作不如意？万字长文深度剖析背后原因

根据Quora的数据，一部典型的两小时电影有40-60个场景。

AI写作

14.6K star！最好用的OCR文字识别项目，没有之一！

伙伴们，平时都会用到文字识别吧？

Umi-OCR 开源项目文字识别

8个常用中文OCR数据集，附下载链接

CTW数据集样例示意（图源：参考资料[2]）对于每张图像，数据集中都标注了所有中文字符。

OCR

<...3 4 5 678 9 10 11 12 ...>

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