文章列表-AI魔法学院

文章列表

GPT-4o实时语音方案提供商Livekit开源voice agent：轻松处理音视频流

在本地计算机上开发的代理代码在部署到生产中的服务器时，可以扩展以支持数千个并发会话。

voice agent 开源音视频

现在LLM 的大小为什都设计成6/7B、13B和130B几个档次？

://www.zhihu.com/question/627258986/answer/3260798103 LLM现在一般都是基于Transormer结构，参数总和可以看作Embedding部分参数和

大模型

【万字长文】全球AI Agent大盘点，大语言模型创业一定要参考的60个AI智能体

2、AgentGPT AgentGPT允许您配置和部署自主AI智能体。

大语言模型

阿里出品自动化视频剪辑工具FunClip！

FunClip Logo FunClip是由阿里达摩院精心打造的一款完全开源、本地部署的自动化视频剪辑工具。

FunClip 视频阿里

LangChain: LLM 应用聚焦的两大方向，RAG 和 Agents

图一：RAG 结构图在当前这个时间点（2023.9.6）打开 langchain.com 的主站，你会发现不同于之前的 docs 关于应用场景的 8 种介绍，Use-Cases 部分明确的分为了

大模型

WebUI使用用InstantID，AI换脸完美版

InstantID 的工作原理可分为三个关键部分： ID Embedding：团队利用预训练的面部识别模型代替 CLIP 来提取语义人脸特征，并使用可训练的投影层，将这些特征映射到文本特征空间，形成

换脸小红书

耗时7天，终于把15种ControlNet模型搞明白了

这篇文章是SD三部曲的第三篇——「ControlNet的终极攻略」前面我们说到如果想真正把SD应用起来，最重要的两个功能是：Lora和ControlNet Lora负责把想要画面的“主体”或“场景

文生图

动作识别模型有哪些

动作识别模型主要有： · TWO-STREAM CNN:网络顾名思义分为两个部分，一部分处理RGB图像，一部分处理光流图像。

动作识别模型

腾讯开源的数字人MuseTalk到底行不行？

MuseTaIk是由腾讯团队开发的先进技术，它是一个实时高质量的音频驱动唇部同步模型。

MuseTalk 数字人音频

AI Agents大爆发：软件2.0雏形初现，OpenAI的下一步

该方法具有足够的灵活性，可以合并各种类型（标量值或自由形式的语言）和反馈信号的来源（外部或内部模拟），并在不同的任务（顺序决策、编码、语言推理）中获得比基线代理显著的改进。

agent

CMU华人打破大模型黑盒，Llama 2撒谎被一眼看穿！脑电波惨遭曝光，LLM矩阵全破解

在它们内部，具有可解释的内部表征。

大模型

十个节省数百小时无聊工作的GPT提示词

ChatGPT不会取代您的工作，它将取代你工作中最无聊的部分。

prompt 提示词

体验完阿里的EMO模型，我emo了

简单来说，EMO（Emote Portrait Alive）是一个AI肖像视频生成系统，能够通过输入单一的参考图像，生成具有一定表现力的面部标签和各种头部姿态。

EMO 文生图

在SD中一键换脸！！！

在我们平时使用SD的过程中经常会出现对AI生成的脸部不满意的情况，也可能会想改变照片中的脸部来对周围的朋友进行恶搞等想法。

AI换脸

Agent：OpenAI的下一步，亚马逊云科技站在第5层

§ § Agent，能自主执行链式调用，以及访问外部工具。

开源模型

<...2 3 4 567 8 9 10 11 ...>

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