文章列表-AI魔法学院

文章列表

Stablediffusion3论文下载-确定了Stablediffusion3与Sora的架构是一致的

具体来说，我们使用三种不同的文本嵌入模型--两种 CLIP 模型和 T5--来编码文本表征，并使用改进的自动编码模型来编码图像标记。

SD 论文

pdf2htmlEX：效果相当好的一个PDF转HTML程序，和原始PDF几乎一模一样。

项目简介这应该是效果相当好的一个PDF转HTML程序，生成的结果和原始PDF几乎一模一样。

PDF转换

Rerank——RAG中百尺竿头更进一步的神器，从原理到解决方案

检索增强生成（RAG）是解决大语言模型（LLM）实际使用中的一套完整的技术，它可以有效解决LLM的三个主要问题：数据时效性、幻觉和数据安全问题（在我之前的文章《大模型主流应用RAG的介绍

RAG 检索增强

百万token上下文窗口也杀不死向量数据库？CPU笑了

向量数据库让大模型能够快速有效地检索和处理大量的向量数据，从而增强了模型的整体性能和应用范围。

向量数据库大模型 cpu

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

该项目提供了一个简化的RAG工作流，适用于各种规模的企业，通过结合使用大型语言模型（LLM）来提供基于严谨引用的真实问答能力。

RAGFlow RAG 开源

它来了！SDXL + ControlNet 终于强强联合！

Stable diffusion V1.5 以及基于此模型的微调模型都能使用非常多种类的 ControlNet 模型，比如 depth（深度图）、canny（边缘检测）和 openpose

SDXL

零一万物API开放平台出场！通用Chat多模态通通开放，还有200K超长上下文版本

3月，国内外模型公司动作频频。

零一万物 YI 李开复

OpenAI的官方Prompt工程指南详解 - 看这一篇真的就够了！

提供参考文本给大模型文本或者文档，能大幅度的降低大模型胡说八道的概率。

OpenAI Prompt 提示词

Fastwhisper + Pyannote 实现 ASR + 说话者识别

前言最近在研究ASR相关的业务，也是调研了不少模型，踩了不少坑，ASR这块，目前中文普通话效果最好的应该是阿里的modelscope上的中文模型了，英文的话，还是非whisper莫属了，而且

faster-whisper 语者识别 ASR

SD入门教程六：ControlNet基础入门

这些信息都可以通过 ControlNet 来控制模型生成的图片。

ControlNet 文生图

数字人直播哪家强？百度、硅基、风平与闪剪四大AI数字人横向评测！

2023年，AIGC技术的爆发将加速AI大模型对部分产业的颠覆，并带来数字人产业的新机遇。

数字人数字分身

图片拖拽神器DragGAN介绍及官方安装文档说明

拖放图像编辑是一项功能强大的技术，它涉及训练生成模型来根据用户提供的指令转换图像。

开源

固定的“魔咒”：正负面质量标准化提示词

fingers, extra digit,bad hands, missing fingers, (((extra arms and legs))), *广泛适用于写实及二次元风格，可以考虑搭配不同模型使用

提示词 prompt 绘画文生图

检索增强生成(RAG)有什么好的优化方案？

图1 RAG工作流程（with memory）从RAG的工作流程看，能优化的模块有：文档块切分、文本嵌入模型、提示工程优化、大模型迭代。

RAG 检索增强

24年首篇离奇论文：加点噪声，RAG效果翻倍？

与传统的大型语言模型相比，RAG系统通过引入外部数据提高了其生成能力。

RAG 检索增强

<...42 43 44 454647 48 49 50 51 ...>

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