文章列表-AI魔法学院

文章列表

【TTS语音克隆开源最强王者】5款爆火开源模型(Fish、F5、GPT、CosyVoice、MaskGCT)效果对比，等你来评!

模型介绍 CosyVoice模型介绍模型对应的license总结实战篇:部署5款模型进行语音克隆 GPT-SoVITS模型代码语音克隆-推理部分

语音克隆开源模型

10个具有代表性的AI-Agents，将如何改变互联网/重塑Web3

这篇论文以及这个实验验证了基于LLM形成的代理所产生的交互行为，得以在一个数字环境中行为可信的模拟人类交互的行为，生成式代理可以在很多数字化环境中发挥作用，尤其是生成式代理与人类所形成的一种人机交互关系

开源模型

让ChatGPT帮我写SQL

推荐一个Github上Start超过3.4K，可将自然语言转化为SQL语句的开源项目。

SQL

字正腔圆,万国同音,coqui-ai TTS跨语种语音克隆,钢铁侠讲16国语言

此外，通过在训练过程中使用多个讲话者的语音数据，并引入自动编码输入来帮助稳定注意力，进一步扩展了模型的规模，使其能够在所有训练过程中看到的语种中一致地合成可理解的语音，包括训练讲话者的本地口音或外国口音

coqui-ai TTS 语音

微软对 Sora 进行了逆向工程分析，揭秘 Sora 的秘密

自 2021 年以来，AI 研究的一个重点是开发能够理解人类指令的生成式语言和视觉模型，即多模态模型。

Sora 微软

ChatGLM3-6B：新一代开源双语对话语言模型，流畅对话与低部署门槛再升级

更强大的基础模型： ChatGLM3-6B 的基础模型 ChatGLM3-6B-Base 采用了更多样的训练数据、更充分的训练步数和更合理的训练策略

ChatGLM3 语音模型开源模型

Stable Diffusion

stable diffusion十七种controlnet详细使用方法总结

前言今天我要做个controlnet 使用方法总结，如果你们对所有controlnet用法，可能了解但是有点模糊，希望能对你们有用。

绘画作图

2024年傅盛开年AI大课演讲内容PPT

他特别提到了猎户星空推出的大型机器学习模型——140亿参数的模型。

猎豹 AI 演讲

用ComfyUI整了一套照片转Q版手办的工作流

之所以要搞这个，主要是因为它跟我目前要做的很多内容都息息相关，比如2D图片转3D模型，blender的插件、图片生成视频等，而且据说生成速度很快，对设备的要求低。

comfyui 文生图

大模型能自己优化Prompt了，曾经那么火的提示工程要死了吗？

举个例子，人们发现如果让模型自己一步步地解释自己的推理过程（即思维链技术），其在许多数学和逻辑问题上的性能都能得到提升。

prompt 大模型提示

神奇的 OuteTTS - 0.1 - 350M：用几秒钟音频克隆声音的黑科技！

而 OuteTTS-0.1-350M 作为一款新兴的 TTS 模型，正以其独特的技术和功能特点吸引着众多关注。

OuteTTS-0.1-350M 音频

Stable Diffusion

Stable Diffusion｜提示词高阶用法（二）双人同图

让SD绘制多人画面不再靠抽卡。

文生图

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

我们新的多模态扩散变换器（MMDiT）架构为图像和语言表示使用了单独的权重集，与 SD3 以前的版本相比，提高了文本理解和拼写能力。

SD 论文

研究人员开源中文文本嵌入模型，填补中文向量文本检索领域的空白

中文开源文本嵌入模型中最被广泛使用的 text2vec 主要是在中文自然语言推理数据集上进行训练的。

GPT

聊天机器人阅读 PDF？用这25个提示词技巧，亲测有效！(ChatGPT & Claude 2)

多模式支持：支持多种类型的数据。

GPT-4 工作

<...47 48 49 505152 53 54 55 56 ...>

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