文章列表-AI魔法学院

文章列表

Stable Diffusion

Stable Diffusion教程：文生图

最近几天AI绘画没有什么大动作，正好有时间总结下Stable Diffusion的一些基础知识，今天就给大家再唠叨一下文生图这个功能，会详细说明其中的各个参数。

文生图 Stable Diffusion

两天star量破千：OpenAI的Whisper被蒸馏后，语音识别数倍加速

前段时间，「霉霉大秀中文」的视频在各个社交媒体走红，随后又出现了「郭德纲大秀英语」等类似视频。

语音 HeyGen

深度体验3天后，我把腾讯这款copilot锁进了程序坞

目前，知识库支持本地文档、网页、笔记类型，据了解其未来会在内容类型和导入方式上进一步迭代。

copilot ima 知识库

PymuPDF4llm：PDF 提取的革命

随着人工智能和自然语言处理技术的发展，对能够与大型语言模型（LLMs）无缝配合的 PDF 提取工具的需求日益增长（利用LLM从非结构化PDF中提取结构化知识）。

PymuPDF4llm PDF

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

超越Animate Anyone! 南加大&字节提出MagicPose，不需任何微调就可生成逼真的人类视频

此外，MagicPose模块可以被视为原始文本到图像模型的扩展/插件，而无需修改其预训练的权重。

MagicPose 视频

它来了！SDXL + ControlNet 终于强强联合！

此模型在上期制作“隐藏字”的文章中已经大展拳脚。

SDXL

Stable Diffusion

Stable Diffusion 抽卡必备神器！Agent Scheduler

相信大家在玩 Stable Diffusion 的时候一直有一个痛点，每次出图抽卡时都只能等待上一次抽卡结束，才能继续下一次抽卡；特别是当我们想抽大量的卡来测试不同的模型，不同的参数的效果时，那么是非常奔溃的

Agent Scheduler Stable Diffusion

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

通俗的讲，就是输入一些额外的控制参数，然后通过所对应的辅助模型（ControlNet专用模型）去控制图片的生成结果，这些控制参数可以是线稿图，深度图，人体姿态图，法线图等。

ControlNet 文生图

从 GPT-4o 到 LiveKit：实时语音交互的开源实现

LiveKit 不仅有一个开源的 voice agent 方案[1]，还能为你提供一个成熟且强大的实时多模态 AI 解决方案。

GPT-4o 语音交互

微信向量检索分析一体化数仓探索：OLAP For Embedding

背景在过去的一年里，大型语言模型 (LLM) 以及 ChatGPT 等产品吸引了全世界的想象力，推动新一轮技术浪潮。

OLAP For Embedding 一体化数仓

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

提示词框架：Markdown结构法

想用好AI，学会提示词是必须的。

prompt 提示词

Stable Diffusion

Stable Diffusion基础：ControlNet之身份标识

本文给大家分享一个新的ControlNet类型：Instant ID，翻译为身份标识，核心能力是由国内的小红书团队开发的。

ControlNet 文生图

<...66 67 68 697071 72 73 74 75 ...>

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

© 2023-2024 AI魔法学院

京ICP备20027199号-1