文章列表-AI魔法学院

文章列表

铁锅炖blender+ComfyUI配置，更改模型地址

直接去Blender_ComfyUI\ComfyUI文件夹里找到extra_model_paths.yaml.example 用记事本打开即可，然后把里面的path改掉，再把文件名重命名为extra_model_paths.yaml

comfyui 文生图

中学生能看懂：Sora 原理解读

通过这种基于文本条件的Diffusion模型，Sora不仅能生成具有高度创造性的视频和图片，还能确保生成内容与用户的文本提示保持高度一致。

Sora 原理

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！

直接端到端输出结果：无论是中英文的大段文字：还是包含了公式的文档图片：又或是手机页面截图：甚至可以将图片中的表格转换成 Latex 格式：当然，作为多模大模型，通用能力的保持也是必须的

OCR 手写文字识别

社区供稿｜GPT-4 与国产模型，大！横！评！

GLM4：GPT4：文心4.0：豆包：祝福语环节各家都有瑕疵，评判标准按整句都有压上韵、且能给到更长，各家分数如下2、语义理解，来一轮常识快问快答~问问用户画像？

GPT-4 大模型

FaceFusion又更新咯，增强功能再增强！

主题细化为简约扁平化设计通过参数分组增强 --help 和文档将默认图像和视频质量降低至 80% 向安装程序引入新的 --torch 参数使用最新的

FaceFusion 文生图

划重点！全网最全AI数字人工具合集！

HeyGen 01 以其逼真的数字人效果闻名，HeyGen给用户提供了绝佳的视频创作体验： · 选择模板：无论你是喜欢炫酷的风格，还是简约的风格，这里的丰盛模板总有一款适合你

AI 数字人

一文彻底搞懂多模态 - 多模态推理

接下来分两部分：知识图谱推理、多模态推理任务，一起来深入了解多模态应用：多模态推理。

多模态推理大模型

比GPT-4快18倍，世界最快大模型Groq登场！每秒500 token破纪录，自研LPU是英伟达GPU 10倍

它使用的是SRAM，其速度比GPU所用的存储器快约20倍。

Groq 大模型

「语音识别的未来已来」——探索Distil-Whisper，轻量级AI的强大力量

技术深度：Distil-Whisper的构建原理与应用潜能 Distil-Whisper的成功并非偶然。

Distil-Whisper 语音识别

对于AI，我们现阶段可以有的态度

包括AI绘画也一样，会用会玩，图个新鲜有趣，自然很容易就能上手使用；但如果要想做到可以落地商用的程度，就需要你投入相对应的时间成本来深入学习和熟练掌握了。

文生图

【语音领域-又双叒更新】阿里开源FunAudioLLM: 2大核心模型、5大亮点功能！效果炸裂！手把手带你理论+实战部署推理!

低延迟：特别是 SenseVoice-Small 版本，采用非自回归端到端架构，提供了极低的推理延迟。

asr tts 声音

一文汇总市面上所有prompts提示词框架

因为Prompt框架隐藏着掌控未来AI应用的钥匙，引领我们进一步解锁AI技术在各个垂直行业中的巨大潜力。

提示词框架 prompt

AutoGPT与LLM Agent解析

其中一个典型场景是长 session 的聊天过程，由于 GPT API 本身的输入信息有 4000 个 token 的限制，所以当聊天进行比较久之后，用户经常会发现 ChatGPT 已经“忘了”之前讲过的内容

大模型

宁德核电推出全球参数量最大的核工业大模型｜InfoQ 独家

利用从用户那里收集的反馈信息，不断地评估和优化 AI 的对话能力。

宁德核电大模型

揭秘DeepSeek:一个更极致的中国技术理想主义故事

这些使得它经常被遗忘在牌桌之外，但在另一端，它又经常在社区被用户“自来水”式传播。

DeepSeek 大模型

<...67 68 69 707172 73 74 75 76 ...>

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