文章列表-AI魔法学院

文章列表

【语音识别】OpenAI语音力作Whisper

这项检查发现了大量仅部分转录或对齐不良/未对齐的转写文本，以及前面方法无法检测到的剩余低质量机器生成的文本。

语音转文字 whisper

爆火「视频版ControlNet」开源了！靠提示词精准换画风，全华人团队出品

霉霉变成魔法少女后，耳环被换成了发光宝石，手里的苹果也换成了魔法球。

ControlNet

10秒换脸，一张图片够了！SD Roop插件教程

StableDiffusion（SD）换脸需要训练人脸模型？

AI换脸

美的数字化转型10年，方洪波的反思。作为领导者的高瞻远瞩与宽广胸襟！

那么ToC和ToB这四个板块的业务，在过去十年，都是我们同步数字化转型的。

工作

Ollama的本地化又一图形工具ChatOllama，让你轻松玩转ollama，ChatGPT

ChatOllama是一款ollama图形化管理工具，集成了ollama，OpenAI，可以实现ollama的模型管理，系统指令管理，知识库管理，AI聊天等功能，功能方面与Open WebUI类似，作者在不断改进优化功能。使用Vue3、Nuxt还涉及数据库等内容，如果对前后端感兴趣，可以拿来代码看看，这些功能是如何实现。

ChatOllama 安装

“实时”语音翻译！AI语音具有“情绪”！最强开源AI大模型来了

你想把一段语音转成文字，或者把一段文字转成语音，但是你不知道怎么操作！

大模型开源模型语音

TTS，一个奇妙的AI工具

简介 TTS是一个将文本变换成语音的AI工具。

TTS 文本转语音

斯坦福宣布前端开发要失业了？！一张截图生成代码，64%优于原网页！

这为前端开发带来了一场自动化革命，其中多模态大型语言模型（LLMs）有望直接将视觉设计转换为代码实现。

设计转代码大模型

Stable Diffusion

Stable Diffusion 喂饭教程来啦！价值上万的模特AI换装方法

在电商领域，最近AI模特换装特别火，结合网上的教程和实战，总结了一个最简单性价比最高的方法。

Stable Diffusion 文生图

栩栩如生,音色克隆,Bert-vits2文字转语音打造鬼畜视频实践

/genshin_dataset/ying/vo_dialog_SGLQ003_raidenEi_02.wav|ying|ZH|嗯，不错，又学到新说白了，就是通过whisper把人物说的话先转成文字

Bert-vits 语音

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

它通过先进的音频到3D网格映射技术和网格到视频的转换技术，实现了高质量、逼真的音频驱动的说话头像视频生成。

VividTalk 视频

OCR终结了？旷视提出可以文档级OCR的多模态大模型框架Vary，支持中英文，已开源！

想将一份文档图片转换成 Markdown 格式？

OCR 手写文字识别

玩转大模型必备：milvus向量数据库私有化安装部署及使用介绍

将容器名称替换为你自己的。

向量数据库

GItHub一款强大、简单、易用的高效的数据处理RPA小工具

生成PDF？

GitHub 数据处理RPA

Stable Diffusion

Stable Diffusion基础：ControlNet之图片高仿

今天继续给大家分享AI绘画中 ControlNet 的强大功能，本次的主角是 Reference，它可以参考一张图片生成另一张看起来差不多的图片，这句话说起来有点绕，如果换成高仿，大家应该就明白了吧。

文生图

<...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