文章列表-AI魔法学院

文章列表

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

RAGFlow：开源的RAG引擎，专注于深入的文档理解，支持处理各种复杂格式的非结构化数据

支持处理各种复杂格式的非结构化数据，包括文本、图片、扫描副本、结构化数据和网页等。

RAGFlow RAG 开源

【工具书】文生图常用的正向反向提示词以及常用词中英文对照表

yuri, 自考虑：easynegative,toony,dated,line art,flat colors 最重要的反向词：NSFW 中英文对照 l 提高图像质量的正向提示词

文生图 prompt 提示词

炸裂！百川开源第1个7B多模态大模型 Baichuan-Omni | 能够同时分析图像/视频/音频/文本

Baichuan-Omni 的架构如图2所示。

Baichuan-Omni 多模态大模型

字节跳动最强AI工具 “豆包” ，近1000款应用！一句话自动生成图文，堪比ChatGPT？

能够聊天，能够生成文案，也能够生成图片。

AI工具文生图

图像修复神器：女神青涩时纤毫毕现！腾讯AI模型GFPGAN火上GitHub热榜第一，Demo在线可玩

包浆老图立刻清晰到头发丝是一种怎样的体验？

修复绘画高清

开源版妙鸭相机来了，无限出个人写真图（阿里达摩院出品）

LoRA是一种具有较少可训练参数的微调模型，在Stable Diffusion中，可以通过对少量输入图像进行文生图训练的方式将输入图像的信息注入到LoRA模型中。

妙鸭相机

SDXL模型lora训练参数详细设置，显存占用22G，不用修脸原图直出

/train/star9，那么star9下应该包含20_star9的文件夹，在文件夹下才是我的图片和标签。

SDXL 训练

让你每次都随机生成各种图片，开盲盒的感觉：SD插件之无限抽卡神器Dynamic Prompts

可以看到刚刚导入的各个模版，我这里新加几个衣服模版进去，就可以出很多不同服装的图像。

文生图

阿里AI黑科技大揭秘：从通义千问到FaceChain，让图片和视频焕发新生！

一个静态图片转视频的项目。

阿里云视频音频

PhotoMaker：腾讯最新开源，根据照片生成该人物各种风格图片，项目可落地！

项目简介 PhotoMaker是腾讯最近开源的照片生成工具，这是一种高效的个性化文本到图像生成方法。

PhotoMaker 文生图

鹅厂最新AI工具刷屏！杨幂寡姐多风格写真秒秒钟生成，LeCun点赞 | 可免费体验

值得注意的是，他们这里强调了，他们不会进行人脸检测，但上传的图片人脸已经要占据图片大部分。

PhotoMaker 图生图

检索增强生成(RAG)有什么好的优化方案？

RAG优化分为两个方向：RAG基础功能优化、RAG架构优化。

RAG 检索增强

图片生成速度最高提升10倍！可以做到“实时”生成！清华推出LCM/LCM-LoRA！

近年来，随着SD和Midjourney的火热，文本到图像生成（Text-to-Image Generation）的研究取得了令人瞩目的进展，让我们能够用自然语言指导AI创造出各种各样的图像。

LCM/LCM-LoRA 文生图

斯坦福宣布前端开发要失业了？！一张截图生成代码，64%优于原网页！

这一任务要求理解视觉元素及其布局，然后将它们翻译成结构化的代码。

设计转代码大模型

<...7 8 9 101112 13 14 15 16 ...>

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