文章列表-AI魔法学院

文章列表

中文OCR超越GPT-4V，参数量仅2B，面壁小钢炮拿出了第二弹

模型通用能力越强，意味着幻觉水平越低，事实准确性越高。

MiniCPM 大模型

ChatGPT写论文最强指令

三、我正在寻找关于（XX主题）的最新综述文章，希望通过这些文献了解该领域的最新进展和主要观点。

ChatGPT 指令

一个万能提问公式，让大模型生成高质量回答

比如我们可以通过 AI 与特斯拉的 CEO 马斯克对话，向他请教什么是“第一性原理”。

提示词

AI提示词|一词千金，写提示词的这个技巧你一定没想到！(一）

通过提供草稿编辑、内容生成、语言简化等功能，AI可以帮助提高写作效率和质量，但它不能完全替代人类的创造性和批判性思维。

提示词写作

Stable Diffusion

用 Stable Diffusion 10分钟实现电商模特换装/换模特

接下来，让我们通过实际案例来了解实现过程。

Stable Diffusion 文生图

腾讯出品！开源AI数字人框架！号称可以不限时长

8、AnyText：一种能够生成和编辑多语言文本图像的神奇模型 9、通过声音生成逼真的全身形象？！

MuseV 视频数字人框架

用so-vits-svc-4.1进行音色转换的极简教程！

其实歌声转换不仅仅适用于歌声，普通讲话也可以，只是歌唱的音调基本能覆盖到低、中、高全域声音类型，而正常说话可能无法做到全域覆盖，但是如果在录制声音的时候能够做到覆盖多种音调类型，也可以实现声音转换。

so-vits-svc 音色转换教程

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

复旦开源中文医疗大模型，基于百川微调，模型和数据集都公开

这意味着，DISC-MedLLM不仅仅提供通用性的语言模型输出，更能够弥合真实世界医疗对话与通用模型之间的差距。

大模型

把ChatGPT装进二次元手办，你来吗？AI桌面机器人众筹

USB投屏，秒变电脑副屏、扬声器、麦克⻛，电竞和3A大作通吃：黑悟空，王者荣耀。

ai小车 esp32 开源

Stable Diffusion

详解Stable Diffusion提示词prompt语法

反面提示词 1.画质如果我们没有任何画质的 prompt ，那么得出的效果就会很糊添加画质的 prompt 就可以很好的解决这个问题，画质也分为了两大类通用型

SD prompt 文生图提示词

Stable Diffusion

Stable Diffusion基础：ControlNet之身份标识

原理先看左侧上部：Instant ID 通过 IP-Adapter 技术提取参考图片中的面部特征信息，然后通过交叉注意力（Cross Atttention）将面部特征信息传递给 UNet，用于在反向扩散过程中影响人脸的生成

ControlNet 文生图

LLMOps框架Dify发布Workflow功能，RAG进入自由编排时代（附产品负责人分享PPT ）

通过编排可以将开放域，复杂多步问题，分解为多个子问题分开解决，能用模型用模型，不能用模型的用流程，甚至采用“Human in Loop”的方式，将整个工作流程白盒化，把大模型能力限制在封闭的问题内，让大模型更可控

RAG 自由编排 Workflow

ComfyUI | 这么入门就顺了，硬入疼的是自己

ComfyUI较于SD web UI没有普及的先机优势，我们在玩了一段时间web的时候，直接启动Comfy，看到Comfy的界面第一反应就被劝退了，密密麻麻的眼花缭乱，比如加载默认的这个最基础工作的版面，几个板块通过线条连接

生成式AI

Stable Diffusion

Meta发布业界最强文生图模型CM3Leon，实力碾压Stable Diffusion、Midjourney

CM3leon具有自回归模型的通用性和有效性，同时保持较低的训练成本和推理效率。

文生图

<...64 65 66 676869 70 71 72 73 ...>

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