文章列表-AI魔法学院

文章列表

从声纹模型到语音合成：音频处理 AI 技术前沿 | 开源专题 No.45

它包含了两个最先进的 AI 生成模型 (AudioGen 和 MusicGen) 的推理和训练代码，可以产生高质量音频。

AudioCraft 音频

一招让你的 AI 图像更惊艳！DALL-E 3 自定义指令魔法

DALL-E 3 的简单易用让 AI 绘画变得更普及了。

DALL-E3 文生图

国外报告90%的AI类产品公司已经实现盈利，而国内大模型和AIGC的访谈说太卷了

“ 国外AIGC产品的发展情况：市场规模不断扩大，用户付费意愿高，小团队创业成功率高。

大模型

绝对是你的下载神器！AixDownloader可让你从任何网页下载你想要的内容，音乐、视频、图像、文件等！

嘿，小伙伴们！

AixDownloader 下载

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！

I2VGen-XL，阿里推出的图像到视频生成模型，也就是图生成视频又新增了一个 AI 工具，之前常用的效果好的有 Gen-2、pika、pixverse 这些。

阿里云视频音频

最新最全的开源中文大语言模型列表

LMFlow支持用户快速训练个性化模型，仅需单张3090和5个小时即可微调70亿参数定制化模型。

大模型

Insanely Fast Whisper：超快的Whisper语音识别脚本

通过使用Transformers和Optimum技术，可以在不到10分钟内转录300分钟（5小时）的音频。

音频 Whisper

Stable Diffusion

【ComfyUI】Blender+Stable Diffusion！少年啊，这盛世如你所愿！（附中文汉化插件）

在上一期介绍了ComfyUI的本地部署之后，很多小伙伴发现界面还是英文的，这样使用起来属实不太友好。

开源模型

LLM native策略的内部状态是否应该结构化【2023Q3】

考虑这样一个场景：通过对话机器人来订火车票。

大模型

TTS它又来了！OpenVoice：一款借鉴于TTS实现的强大的AI语音克隆工具！

各种AI工具也层出不穷，其中语音克隆技术也是尤为引人瞩目的产品之一。

tts 文本转语音

GLM-4-Voice 9B——实时多语言语音对话 AI——几分钟内即可在本地安装

这正是Zhipu AI的GLM-4-Voice脱颖而出的地方。

GLM-4-Voice 9B 语音安装

DeepMusic发布“和弦派”2.0：重塑AI音乐创作范式，赋予创作者全方位掌控

4月29日，国内领先的人工智能音乐服务商DeepMusic，发布了自主研发的AI音乐工作站——“和弦派”2.0正式版。

和弦派 DeepMusic 音乐创作

一款构建AI数字人项目开源了！自动实现音视频同步！

1、Video-Tetalking Video-ReTalking 是一个利用AI实现视频人物嘴型与输入的声音同步的创新技术。

AI数字人音视频同步

国产AI大模型哪家强？十大维度横评四款主流大模型！

最后是讯飞星火，这是这个问题中唯一把两个小问都答对的选手：也许是因为科大讯飞本身有做 AI 教育业务的因素，掌握大量的教育大数据，因此整体测下来在知识丰富性和准确性方面的表现是比较亮眼的。

开源模型

摆脱 OpenAI 依赖，8 分钟教你用开源生态构建全栈 AI 应用

大模型时代的到来使得 AI 应用开发变得更加轻松、省时，尤其是在 CVP Stack 的范式下，开发者甚至可以用一个周末的时间做出一个完整的应用程序。

开源模型

<...27 28 29 303132 33 34 35 36 ...>

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