文章列表-AI魔法学院

文章列表

OCR是什么以及推荐几款开源中文OCR识别软件

对于cv和深度学习进行一定程度的积累和了解，为后续工作做一些铺垫。

OCR

「语音转换新速度」— 探秘Whisper JAX的70倍速提升

此外，它还可以用于自动生成视频内容的字幕，这对于内容创作者来说是一个非常有价值的工具。

Whisper 语音识别

RAG 修炼手册｜一文讲透 RAG 背后的技术

这样，相似的单词或句子就会在嵌入空间中被映射为相近的向量，具有相似语义的词语或句子在向量空间上的距离也会较近。

RAG Embedding

Stable Diffusion

Stable Diffusion生成图片参数查看与抹除

如果不是SD生成的图片，或者被抹除的信息，我们就什么也得不到：抹除图片的生成参数这里介绍一个开源的小工具：exifcleaner，地址在：https://github.com/szTheory

文生图 Stable Diffusion

Stable Diffusion

【Stable Diffusion操作入门】Stable Diffusion 操作界面及基础参数介绍

c 如果你正在创建带有毛皮或任何具有详细纹理的主题的面部或动物，并且觉得生成的图像缺少其中一些细节，请尝试将其提高到40或者更高。

文生图 SD

变天了，AI可以一键生成中文海报了......

第一步：使用Claude（或者其他AI聊天工具），上传图片并输入提示词：“请详细描述该海报的设计风格、画面构成和文字布局，要求通过文字描述准确还原视觉效果。”

2.1图像模型文生图

比 remini 更便宜，比美图更有风格！黏土滤镜免费做，速领

那具体怎么做呢？

SDXL 文生图

WebUI使用用InstantID，AI换脸完美版

优点是操作简便，缺点是换个姿势的时候，往往不太像，roop等插件是基于这个思路；二是炼制专属LoRA，用目标的5-20张甚至更多脸部照片，训练一个LoRA，从而生成满意的换脸画面，妙鸭相机、EasyPhoto等工具都是基于这个思路

换脸小红书

生成式AI领域拓展！MetaAI开源AudioCraft：一个支持AudioGen、MusicGen等模型的音频生成开发框架

音乐可能是最具挑战性的音频类型，因为它由局部和长程模式组成，从一系列音符到具有多种乐器的全局音乐结构。

开源模型

第一个StableCascade动漫大模型上架了

大量的爱好者投入到各种插件和大模型开发中，有一定“折腾”能力的选手，能够熟练的应用Stable Diffusion，生成AI图片的效果远远强于闭源工具。

StableCascade 文生图

最受欢迎的15个ChatGPT提示词，优化给ChatGPT用户，拿走不谢

提示：我希望你充当 Midjourney 人工智能程序的提示生成器。

ChatGPT 提示词

如何看待大型语言模型的Prompt

Transformer通过学习一系列逐步精细化的嵌入空间来工作，每个空间都基于从前一个空间重新组合元素。

prompt 大语言模型

AI视频新技能！这套流程教你打造视频人物和声音完美同步！

但目前的AI视频尚未解决视频和音频结合的问题，让人物的嘴与音频完美同步仍然具有挑战性。

AI视频

ComfyUI学习笔记：插件安装

进阶：我没有使用这个插件来安装模型，而是手动下载，并且把所有模型都集中放在电脑另一处公共文件夹里，供ComfyUI、webui共享。

comfyui 插件绘画

Stable Diffusion

【ComfyUI】Blender+Stable Diffusion！少年啊，这盛世如你所愿！（附中文汉化插件）

ComfyUI的界面很简单，主要是节点操作，而在一款三维软件当中，节点工作流可是家常便饭了。

开源模型

<...73 74 75 767778 79 80 81 82 ...>

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