文章列表-AI魔法学院

文章列表

17K star！30秒偷走你的声音，开源声音克隆工具

用户只需要提供一段大约30秒的音频样本，可以是任何人的声音，然后系统会通过深度学习技术对音频进行分析和处理，精确地克隆出原声音。

OpenVoice 声音克隆开源

本地运行140亿参数，阿里千问玩起来！Qwen+Win11+3060

文档提供了：快速上手Qwen-Chat教程，玩转大模型推理.

大模型

一文带你认识ELMo

最简单的理解就是：将词进行向量化表示，实体的抽象成了数学描述，就可以进行建模，应用到很多任务中。

embedding

结构化Prompt必备基础：5分钟学会Markdown语法，实现提示词创作自由！

同时，你也可以用它来借助一些支持Markdown语法的平台或者软件，进行文字的创作，结合平台定义的快捷键，会大大的提高你的工作效率。

Prompt 提示词 Markdown

Stable Diffusion

stable diffusion如何确保每张图的面部一致？

不过 Stable Diffusion 本身支持的提示词都是文本提示词，文本到图像的映射存在很大的不确定性。

图生图文生图 sd

AI音乐热潮下，“神曲工作室”率先失业

其次，它的段落结构极其合理，例如主歌和副歌的安排都非常合理，你标记好后，会发现副歌中对和声的处理很细致，有的句子会特别突出，例如一个五字的句子，后三个字会被重复唱一遍。

音乐音频

智谱AI静悄悄的上线了一大波新模型，过年了，真的

图像和视频理解模型GLM-4V-Plus。

智谱AI 大模型

清华系17人，撑起中国大模型创业半壁江山

：有两个人的名字一定会率先浮现在眼前，那就是王慧文和王小川。

大模型

AIGC生成客服虚拟人

再说了，谁定的空姐才是职业女性是标杆，这算不算物化女性。

文生图

大规模训练系列之技术挑战

可以发现，单独使用大数据集或者是大模型，均能带来一定的精度提升。

开源模型

Stable Diffusion

超级干货，自学stable diffusion，看完这篇就够了

tagger.git sd-webui-prompt-all-in-one 预设了很多AI可以理解的描述词

Stable Diffusion 文生图

字节开源项目MimicTalk：快速打造逼真3D Talking Face的利器

NeRF的核心思想是「将场景建模为一个连续的3D辐射场，并通过神经网络预测给定位置和方向的辐射强度」。

MimicTalk 开源模型

更快更好的chatglm3来了

部署门槛低等众多优秀特性的基础上，ChatGLM3-6B 引入了如下特性： 1.更强大的基础模型： ChatGLM3-6B 的基础模型 ChatGLM3-6B-Base 采用了更多样的训练数据、更充分的训练步数和更合理的训练策略

开源模型 ChatGLM

3 个令人惊艳的 AI 文档神器，开源了！

但是，人的精力与任务处理速度毕竟有限，我们难以在短时间内，快速通读各种文档与提取要点。

大模型开源模型

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

<...71 72 73 747576 77 78 79 80 ...>

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