文章列表-AI魔法学院

文章列表

完全指南——使用python提取PDF中的文本信息（包括表格和图片OCR）

这种类型的文件可以包含各种组件，例如图像、文本和链接，这些组件都是可以被选中、搜索和易于编辑的。

大语言模型 python

AI国力战争：GPU是明线，HBM是暗线

HBM也是AI芯片中占比最高的部分，根据外媒的拆解，H100的成本接近3000美元，而其中占比最高的是来自海力士的HBM，总计达到2000美元左右，超过制造和封装，成为成本中最大的单一占比项。

GPU HBM 大模型

46.6k星星！最强开源AI集合系统，一键部署全网AI工具都能直接用，UI简直是视觉盛宴！

链接在文章最后。

AI开源集合

爆火！腾讯开源PhotoMaker：高效地定制化生成任意风格的逼真人类照片！

00 | 导言现状：在文本到图像生成方面的最新进展在合成基于给定文本提示的逼真人类照片方面取得了显着进展。

PhotoMaker 文生图

AIGC沸腾200多天后，投资人达成三大共识

大模型的推理和训练对芯片计算能力和显卡提出直接要求,而且模型层需要非常强的技术团队支撑，这使得资本投入非常巨大。

大模型

阿里&字节发表VividTalk，只需单张照片即可根据音频生成栩栩如生的人物说话头像视频

只需提供一张人物的静态照片和一段语音录音，VividTalk即可制作出一个看起来像是实际说话的人物的视频。

VividTalk 视频

OpenAI真的开源了！这波「实时语音」操作，让万物开口说话，我爱了

Sonatino - ESP32-S3 音频开发板 esp32s3 ，学过单片机的小伙伴都比较清楚，是一款微控制器芯片，如图长这个样子： ESP32-S3 是一款由 Espressif

OpenAI 嵌入式实时语音 SDK

把ChatGPT装进二次元手办，你来吗？AI桌面机器人众筹

咱们拼200套下单，等三四天厂家出货，再从一个硬件小白，开始手工组装出来，测试好功能，最后就可以给大家发货。

ai小车 esp32 开源

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

该系列模型接受图像和文本输入，并提供高质量的文本输出。

minicpm 面壁

中学生也能看懂的Sora视频生成原理解读

就好比是从全世界的视觉数据中找到那些能够拼凑出你想象中的“猫坐在窗台上”场景的片段，并将它们组合起来，创造出一个全新的视觉作品。

视频生成 sora

Stable Diffusion

Stable Diffusion基础：ControlNet之身份标识

这个ControlNet可以提取人的面部信息，然后在生成的人物图片中使用此面部。

ControlNet 文生图

全球最强大模型一夜易主，GPT-4时代终结！Claude 3提前狙击GPT-5，3秒读懂万字论文理解力接近人类

如果你已经开通了Claude Pro，现在就可以直接使用性能最强大的王炸模型Claude 3 Opus了！

claude 大模型

【本地部署】智谱chatglm3-6B第三代！性能如何？支持调用tools+Agent+代码执行！小白教程！附网盘下载！

寒武纪、摩尔线程、百度昆仑芯、灵汐科技、长城超云等。

chatglm 智普大模型

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

接下来分享每个模块各自的工作。

通义文生视频

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

//github.com/adieyal/sd-dynamic-prompts 抽卡文件准备咱不讲怎么自己写通配符去让模型选择单词（如果有需要可以看文末我引用的知乎文章），咱就直接简单粗暴地让你知道该咋用

文生图

<1 2 3 456 7 8 9 10 ...>

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