文章列表-AI魔法学院

文章列表

AI虚拟主播数字人技术实现Wav2Lip

公众所熟知知道的一个常见用例是面部交换的应用。

数字人视频

20个常见AI绘画工具大汇总（含免费版哦~）

改头换面之后，他现在可牛逼了！

文生图

造梦师手记：ComfyUI快速量产数字小姐姐

这个任务说复杂并不复杂，习惯用AI的，完全可以找个动漫大模型用图生图转换一下。

comfyui 文生图

阿里通义实验室薄列峰：从兵马俑跳“科目三”到照片唱歌，四大框架让AI生成的人物活起来丨GenAICon 2024

四大框架玩转AI人物视频生成，已落地通义千问APP。

通义文生视频

2023年人工智能行业总结

而变声模型vits和文本转语音TTS的发展，也让GPT有了耳朵和嘴巴。

人工智能 AGI 思考总结

从 GPT-4o 到 LiveKit：实时语音交互的开源实现

LiveKit 支持语音、视频和数据流处理，内置了自动语音识别（ASR）和文本转语音（TTS）功能，简化了语音到文本和文本到语音的转换过程。

GPT-4o 语音交互

Stable Diffusion

Stable Diffusion | 2D表情3D化，看着笑不停

通过谷歌的emojikitchen制作2D表情，然后通过2D表情在SD里面转换为3D表情。

Stable Diffusion

通俗易懂地解释OpenAI Sora视频生成的特点有哪些？它与此前的Runway Gen2、Pika有什么区别？以及缺点是什么？

但是，与其它平台的真实物理世界视频生成不同的是，OpenAI Sora可以以运动相机拍摄的方式来展示视频，包括运动相机的转换、旋转等。

sora 视频生成

MCP服务介绍及应用场景报告-来自Manus

批量文件处理：AI可以帮助用户批量重命名、移动或转换文件格式，大大提高工作效率。

MCP 大模型

阿里最近推出AI项目的动作太过频繁，脑子跟不上了，事出反常必有妖，盘点一下

一个静态图片转视频的项目。

阿里大模型

17K star！30秒偷走你的声音，开源声音克隆工具

Text Prompt 将需要转音频的文字写在这里 Style 可以根据需要选择语气。

OpenVoice 声音克隆开源

一个产品经理的大模型观察、反思与预测

Transformers / 双向编码器表征模型） 2018年：OpenAI GPT（Generative Pre-trained Transformer / 生成式预训练转换器

工作

十大开源语音识别项目

Automatic Speech Recognition（ASR）是一项自动语音识别技术，其目标是通过计算机自动将人类口头语音转录为文本。

语音识别开源项目

Prompt工程入门

删除任何可用于识别个人身份的信息 (PII)，并用相应的占位符替换它。

prompt 提示词

手把手！做Llama3的MoE专家混合模型！底层原理怎样的？做自己的MoE模型？需要多少算力？

上图表示有三名专家，示意如何将 Mistral-7B 转换为具有稀疏 MoE 层（前馈网络 1、2 、 3）和路由 MoE！

MoE 专家混合模型

<...13 14 15 161718 19 20 21 22 ...>

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