文章列表-AI魔法学院

文章列表

AI数字人：重构人货场的新力量

随着人工智能技术的飞速发展，生成式AI正在深刻改变着电商行业的运作模式。

数字人 AI 商业

两天star量破千：OpenAI的Whisper被蒸馏后，语音识别数倍加速

Whisper 是 OpenAI 研发并开源的一个自动语音识别（ASR，Automatic Speech Recognition）模型，他们通过从网络上收集了 68 万小时的多语言（

语音 HeyGen

Github2.1万星！开发者的“瑞士军刀” 开源！

它汇集了许多有用的工具和功能，这些工具和功能在软件开发和编程中经常被使用。

DevToys 工具集开源

解读wav2lip：探究语音驱动唇部动作的技术原理！

（2）传统的基于GAN的判别器在音频-口型同步检测方面准确率较低：传统的GAN判别器只使用单帧图像来评估口型同步，缺乏时间上下文信息，无法评估口型动态变化质量。

wav2lip 语音

AI拟声: 5秒内克隆您的声音

大牛开源了一个项目 mockingbird github 3万多星星！

声音克隆开源

通过声音生成逼真的全身形象？！Meta开源AI工具：audio2photoreal

具体来说，它分为三个部分：人脸生成模型：这个模型可以从音频中生成逼真的人脸表情，包括嘴唇同步，眨眼，眉毛等细节。

audio2photoreal 开源工具

从0到1谈谈智能客服系统的设计与实现

检索式：检索式模型通常利用神经网络技术，将大量的预训练语料数据输入到模型中进行训练。

智能客服

Stable Diffusion

还没有上手Stable Diffusion XL 1.0 的同学，看这篇文章就够了

比如Stable Diffusion是一个多模态语言-图像模型,LoRA可以学习将其语言表征迁移到图像modal中,从而获得跨模态语义一致的表示。

SDXL

ChatGPT 的对话框过时了？这款 AI 产品提供了一种很新的聊天方式

Flowith 支持 GPT 4 Turbo、Claude 3 Opus 等模型，本质和 Perplexity 差不多，都是在他人的地基上搭建服务，但创新之处各有千秋。

ChatGPT 聊天

Fooocus，webui，comfyui优缺点

模型生态肯定比不过mj，毕竟收费的无敌。

Fooocus webui comfyui 文生图

AI面部增强器-Remini

好工具不嫌多，哪怕之前本号已经推荐过好几款图像处理工具，今天还是给大家再次带来一个图像处理神器-Remini。

Remini 面部增强修复文生图

自动化神器Autolt：不再重复工作

Autolt最初是为了模拟键盘和鼠标输入，以便自动执行重复性的任务，如安装软件、配置系统设置等。

RPA 自动

基于 Kimi Chat 的 AI 渐进式阅读法

大语言模型的能力：聊天机器人：对话总结类应用：总结信息/提取信息扩展类应用：续写推理类应用：情绪判断、主题判断转化类应用：翻译、格式转换、纠错 ——来自吴恩达的 ChatGPT

Kimi Chat 阅读

【AI绘画】入门英文名词解析

官方链接：https://huggingface.co/CompVis/stable-diffusion 说明：Stable-Diffusion开源后同步发布的官方原始模型，该模型擅长风景，二次元并不擅长

文生图 AI绘画

写好Prompt提示工程的一套通用框架 - 5个关键要素

输出指示（Output Indicator） - 模型输出响应的类型或格式。

Prompt 提示工程

<...61 62 63 646566 67 68 69 70 ...>

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