文章列表-AI魔法学院

文章列表

Yann LeCun杨立昆最新观点：AGI不存在

LeCun 讨论了基于能量的模型 (EBM)。

AGI 大语言模型观点

【语音识别】OpenAI语音力作Whisper

其用于训练的标注音频时长高达68万小时，比Wav2Vec 2.0使用的未标注训练数据 (6 万小时) 还多一个数量级。

语音转文字 whisper

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

这些学生被独特地描绘成鳄梨小胳膊小腿，脸上流露出喜悦和兴奋的表情。

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

它来了！SDXL + ControlNet 终于强强联合！

/OpenPoseXL2.safetensors 另外，Depth 和 Canny 两种模型还提供了两种缩小版的模型，会损失部分性能，但能够大幅降低存储空间以及提高出图速度。

SDXL

百万token上下文窗口也杀不死向量数据库？CPU笑了

§ § Volume（体量）：即使上下文窗口越发得长，但和全网庞大的非结构化数据相比就是小巫见大巫；尤其是企业级动辄GB、TB这种体量，还涉及众多私有数据的情形。

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

OpenAI的官方Prompt工程指南详解 - 看这一篇真的就够了！

如何写出清晰的指令，OpenAI给出了6条小技巧： 1.

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

图片，这张图片会作为 Conditioning 和最开始的 prompt 一起再输入到 Stable Diffusion 模型中，从而影响模型生成的图片。

ControlNet 文生图

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

迄今为止，最强ChatGPT写论文技巧，总共6步，手把手告诉你！

代写论文，不知道有多少朋友听说过，这是一门严格来说有点小众，但盈利空间非常可观的生意。

chatgpt 提示词

如何用AI做LOGO？

在写文章领域，以ChatGPT为首的生成式AI已经可以驾轻就熟的写出各种文档，从公文到小说，从年终总结到广告文案，甚至还会写代码。

Stable Diffusion 文生图

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

<...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