文章列表-AI魔法学院

文章列表

俄罗斯人开源了最大的文生图模型：参数量12B，比SDXL大了3倍多！

Kandinsky-3的UNet模型参数量为3B，比如SDXL（2.6B）还大一些。

Kandinsky-3 文生图开源模型

快消品企业怎么才能用上大语言模型？

与它的前辈们相比，大语言模型因为打通了语言这一人类沟通中介，并且仅用一个模型统一了多种复杂的任务，在对个人和公司的潜在影响力上明显更上一层楼。

大模型

网易（TTS）EmotiVoice：开源语音合成，支持2000多音色

你是否曾经想过，如果你能用不同的情感和语气来表达你的想法，那该多有趣？

EmotiVoice 语音合成

关于AI声音生成的一切（语音+音乐+嘴型）

其实声音生成也有很多革命性的工具，例如高质量的声音识别、文字转成人声、人声克隆、音乐生成，已经能组成完整工作流了，其中一些工具甚至已经打包好了，只要下载解压就能用！

声音

大语言模型应用中的文本分块策略

往向量数据库中索引的任何内容都需要首先向量化（称为嵌入，embedding）。

开源模型

中文OCR超越GPT-4V，参数量仅2B，面壁小钢炮拿出了第二弹

从应用落地的角度看，轻量级、MoE 大模型已经成为人们重要的探索方向。

MiniCPM 大模型

AI助力Logo设计！5类关键词帮你快速获取高质量灵感

铅笔艺术参考提示词 ②： Architecture logo, line logo, minimalistic, vector --v 5 建筑标志, 线条标志, 极简主义,

midjourney logo制作文生图绘画

最佳开源文生图大模型可图：安装与批量出图的完整教程

经过数十亿个文本图像对的训练，Kolors 在视觉质量、复杂语义准确性以及中英文字符的文本渲染方面比开源和专有模型表现出显著优势。

可图 kolors

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！

接下面让我们看看这款国产语音库为何如何迅速的火遍大江南北的🔥！

EmotiVoice 语音库

最强国产开源多模态大模型MiniCPM-V：可识别图片、视频，还可在端侧部署

MiniCPM-V是面向图文理解的端侧多模态大模型系列。

minicpm 面壁

Stable Diffusion

Meta发布业界最强文生图模型CM3Leon，实力碾压Stable Diffusion、Midjourney

近日，Meta公司宣布开发出一款名为CM3Leon的文生图模型，该模型能够独力解决文本到图像和图像到文本的双向生成任务。

文生图

AI绘画：两组赛博咒语和ComfyUI使用方法！

下面先展示一下两套咒语的效果：这套咒语可以生成动物外形的赛博生物，巨头命令的画面，白色的外壳，充满未来感和科技感。

文生图

大语言模型微调：定制自己的微调数据集

随着大型语言模型如ChatGPT的流行，许多研究机构，企业，兴趣爱好者等都正在尝试微调大语言模型（large language model），以适应特定的应用场景。

大模型

RPA终极发展方向瞄准AI Agent，超自动化智能体时代已经开启

大语言模型时代，AI Agent影响下RPA发展的四个阶段 AI Agent火速影响自动化领域，自主智能体成为超自动化发展新风向自主智能体成为新一代自动化，对超自动化领域有什么影响

RPA 自动化

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

<...6 7 8 91011 12 13 14 15 ...>

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