文章列表-AI魔法学院

Sora，一款由 OpenAI 在 2024 年 2 月推出的创新性文转视频生成式 AI 模型，能够依据文字说明，创作出既真实又富有想象力的场景视频，展现了其在模拟现实世界方面的巨大潜能。本文基于公开技术文档和逆向工程分析，全面审视了 Sora 背后的技术背景、应用场景、当前面临的挑战以及文转视频 AI 技术的未来发展方向。文章首先回顾了 Sora 的开发历程，探索了支撑这一“数字世界构建者”的关键技术。接着，我们详细探讨了 Sora 在电影制作、教育、市场营销等多个领域内的应用潜力及其可能带来的影响。文章还深入讨论了为实现 Sora 的广泛应用需克服的主要挑战，例如保证视频生成的安全性和公正性。最后，我们展望了 Sora 乃至整个视频生成模型技术未来的发展趋势，以及这些技术进步如何开创人机互动的新方式，进而提升视频创作的效率和创新性。

Sora 微软 2024-04-30

Stable Diffusion

用 Stable Diffusion 10分钟实现电商模特换装/换模特

本文介绍了Stable Diffusion在电商设计中的应用，通过安装插件、制作蒙版、换模特和换服装等步骤，可以实现高效且自然的图像处理效果，大大降低了拍摄成本，为电商行业带来革命性的变革。文章强调了AI在电商设计领域的重要性，并展望了AI浪潮对各行业的影响。

Stable Diffusion 文生图 2024-04-30

提示词

震撼！AI语言模型突破瓶颈，26个提示词原则引领GPT-4响应质量飙升57.7%！你的模型还在等什么？

本文探讨了大型语言模型（LLMs）如GPT-4在自然语言处理领域的强大能力，并强调了优化提示词对于提高模型响应质量和准确性的重要性。文章介绍了26个优化提示原则，包括提示结构与清晰度、具体性与信息、用户交互与参与、内容与语言风格以及复杂任务与编码提示等方面。这些原则旨在帮助用户更有效地与LLMs进行交互，提升模型的输出效果。实验验证显示，仅通过优化提示词，就能显著提高模型的响应质量和准确性，尤其是在大型模型上效果更为显著。文章最后提到，这些原则就像是给LLMs装上了翅膀，让它们在AI的天空中飞得更高、更远。

语言模型提示词 GPT-4 2024-04-30

大模型

大模型套壳祛魅：质疑套壳，理解套壳

本文讨论了大模型套壳的问题，指出套壳一词在行业内存在不同的理解。文章从大模型的训练过程入手，分析了模型架构、预训练、微调等阶段中可能存在的套壳场景，并强调了在不同场景中，套壳行为应被视为正常的商业行为。同时，文章也指出了套壳行为可能带来的问题，如缺乏核心竞争力、数据隐私等。因此，文章呼吁行业应更加理性客观地看待套壳问题，把焦点放在如何降低成本、提高模型性能等关键问题上，以推动大模型应用的发展。

大模型套壳 2024-04-30

数字人

Threejs: 数字人生成金色动态粒子效果

本文介绍了生成金色动态粒子人的代码，包括顶点着色器和片元着色器的代码，这些代码可以模拟亚运会的数字人效果。动画功能使用了gsap的插件，粒子效果主要用的是glsl代码。文章提供了源码地址，并出自微信公众号。

Threejs 数字人 2024-04-29

开源

来个优秀的开源人脸识别项目！

本文介绍了生物识别技术，包括指纹识别、虹膜识别、声音识别、掌纹识别、静脉识别以及人脸识别等多种技术，这些技术利用人体自身特征进行身份认证。同时，文章还介绍了一个开源的人脸识别项目——InsightFace，它基于PyTorch和MXNet，支持2D和3D人脸识别，以及人脸关键点检测等功能，是一个强大的人脸识别分析工具，适用于人脸识别研究、人脸姿态估计、动画生成等领域。

人脸识别开源项目 2024-04-29

利用AI技术自动化爬取网页数据的利器——MLScraper

MLScraper是一个强大的Python库，利用机器学习和自然语言处理技术自动解析和提取网页数据。它支持各种网页类型，并提供灵活的选择器来定位和提取数据。MLScraper还具备智能识别能力和高效性能，适用于数据采集、价格比较、舆情分析和学术研究等领域。尽管在处理复杂和动态网页时可能需要额外配置，但总体上，它是一个值得推荐的网页数据提取工具。

MLScraper Python库 2024-04-29

RAG

RAG与Long-Context之争—没必要争

文章讨论了RAG与Long-Context在大模型应用中的不同角色和争议。RAG被视为粗排，通过检索系统从数据库/知识库中找到相关片段内容，再利用大模型查找或总结出答案。Long-Context则是精排，将所有文本内容输入大模型，用户提问后，大模型直接查找或总结答案。文章指出，两者的本质区别在于外部知识如何给到大模型，以及给多少。虽然Long-Context随着模型支持长度增加可能降低检索的重要性，但由于大模型处理长度增加会导致KV Cache资源占用剧增，因此RAG仍有其存在价值。文章还探讨了Long-Context对RAG场景的影响，以及部署大模型服务的挑战和成本问题。最后强调，在技术发展中，Long-Context和RAG都是为了让大模型找到更好的答案，而真正的智能还需依赖模型本身。

RAG Long-Context 大模型 2024-04-29

Prompt

写不好Prompt？可以先写个粗糙版本，然后让GPT帮助优化。

本文介绍了如何优化Prompt以更好地与ChatGPT互动。首先，文章通过一个粗糙版本的Prompt示例展示了如何开始这一过程。接着，文章介绍了如何通过明确目标和可用资源来继续优化Prompt，使其更加具体和有效。此外，文章还提到了让GPT4向用户提问的方法，以进一步完善Prompt。最后，文章总结了有效Prompt编写的重要性，并鼓励读者通过实践来掌握和精进这项技能。

Prompt GPT 2024-04-29

数字人

最强开源数字人对口型系统介绍

本文介绍了开源的数字人克隆方法Easy-Wav2Lip，无需额外训练即可实现高清口型同步。相比其他开源方法，该方法具有更高的清晰度和更快的推理速度。提供了三种推理模型：原始模型、改进模型和增强模型。虽然增强模型推理速度较慢，但在非实时场景下仍具有应用价值。此外，文章还提供了一个在线服务网站，方便用户体验该代码。使用要求包括声音时长与视频时长等长、视频分辨率不超过1080P、帧率不超过30、音频为单人声、噪音降到最低、视频为单人露面视频且脸部清晰。

数字人开源模型 2024-04-29

芯片拼接技术：英伟达新核弹，站在苹果的肩膀上！

在2024年的GTC大会上，英伟达发布了新型GPU架构Blackwell和B200 GPU，该GPU的理论AI性能可达20PFLOPS，是前一代H100的五倍，晶体管规模也高达2080亿。不同于以往通过先进制程提升性能的方法，B200通过物理上将两块芯片“粘合”成一个更大的芯片来实现性能的提升。这种方案在物理学边缘进行了大胆的冲锋与冒险，虽然面临技术挑战和成本问题，但为芯片行业带来了新的思考方向。英伟达通过合作和技术研发，成功实现了这一创新，为未来的计算性能提升提供了新的路径。同时，文章也回顾了芯片封装技术的发展历程，以及苹果、台积电等公司在这一领域的探索和实践。最终，这种创新的封装技术为整个行业带来了新的机遇和挑战，推动了科技革命的进程。

芯片拼接技术 2024-04-29

Stable Diffusion

Stable Diffusion高精度换脸

本文介绍了使用Stable Diffusion进行高精度换脸的操作流程，包括初版换脸、精修和高精度处理三个步骤，涉及参数设置、模型选择等，并强调了面部修复的重要性。文章还提供了具体的操作步骤和示例，展示了如何通过调整参数和模型实现高精度换脸。

Stable Diffusion 文生图 2024-04-29

ChatGPT

如何使用ChatGPT进行写作

本文介绍了如何使用ChatGPT进行内容创作，并提供了七个步骤来优化和训练ChatGPT以符合个人写作风格和需求。通过明确指导、提供示例和反馈，可以使ChatGPT产生高质量、个性化的内容。

ChatGPT 写作 2024-04-28

RAG

如何提高RAG 的效果

本文探讨了如何提高RAG（Retrieval-Augmented Generation）的效果，包括参考信息主题的唯一性、预设多个Prompt模板、query改写、多种检索方式以及rerank等策略。文章强调了落地过程中细节问题的重要性，并提供了一些实践经验和解决方案。这些方法旨在帮助模型更好地利用参考信息，提高生成质量。

RAG 大模型 2024-04-28

大模型

大模型在金融行业的应用场景

本文概述了大模型在金融行业中的应用场景，包括知识库/知识问答、智能客服、运营助手、风控、催收、信用评估、反欺诈、智能投顾、研发辅助和HR等。文章通过国内外实例展示了这些应用场景的具体应用和效果，如农业银行推出的ChatABC、摩根士丹利的知识问答系统、工商银行的智能客服等。这些应用不仅提高了金融业务的效率和准确性，还为客户提供了更个性化的服务。

大模型金融应用 2024-04-28