文章列表-AI魔法学院

文章列表

AI虚拟主播数字人技术实现Wav2Lip

本文主要实现图片说话（如下图的蒙娜丽莎）、视频融合语音（这里的核心都是人物口型与音频中的语音唇形同步）。

数字人视频

[开源]面向中小团队的轻量化知识管理应用，构建知识库和知识社区

产品的主要特点如下：汇聚知识：聚合多元知识，积累知识资产；发现知识：便捷精准搜索，分级搜索查找；分享知识：组内便捷共享，组间受控隔离。

大模型

17K star！30秒偷走你的声音，开源声音克隆工具

然后，它可以生成听起来自然的语音，以多种语言模仿该语音，同时为用户提供对情感、口音、节奏和语调等参数的精细控制。

OpenVoice 声音克隆开源

一文彻底搞懂多模态 - 多模态推理

这两种模态的信息可以是图片和文本、视频和语音等。

多模态推理大模型

实战:如何用AI Agent实现ChatGPT流程化写作，产能翻倍

比如，它不能全自动地生成文章，但它的半自动模式确实允许你在写作过程中进行实时监控和调整，对于AI现在的写作能力来说，这也是非常必要的功能。

Agent 写作

搞了一个Dify开源知识库

打造你的智能工作流 · 初衷：也是在机缘巧合下，感谢MAX和众多大佬的呼声支持下，临时组建了这么一个

Dify 大模型知识库

Prompt全攻略(一):ChatGPT时代,什么是Prompt?

简单来说,它是一个可以与用户用自然语言进行交流的AI系统。

prompt

TTS，一个奇妙的AI工具

简介 TTS是一个将文本变换成语音的AI工具。

TTS 文本转语音

【万字长文-进阶教程】一文带你从入门到精通ChatTTS, 手把手教你固定音色、设置语速、添加停顿词、口头语、笑声！！

对话式 TTS: ChatTTS针对对话式任务进行了优化，实现了自然流畅的语音合成，同时支持多说话人。

chattts tts 文生语音

利用LangChain建gpt专属知识库，如何避免模型出现“幻觉”，绕过知识库知识乱答的情况？

第一个问题，其实之前写过一篇文章，教大家如何使用Dify极其简单的搭建自己私人知识库。

LangChain 知识库

FFmpeg之父新作——音频压缩工具 TSAC

其原理和我们之前介绍的突破压缩极限的AI语音编解码器类似，使用深度学习网络进行压缩，TSAC这里引入Transformer结构来提升性能。

TSAC 音频工具

Prompt及AI提问实践

同时，我们需要核实一下您的个人信息，请问您的全名和联系电话是多少？

Prompt 大模型提问

一文带你认识ELMo

花些时间考虑下这两个句子的区别，第一个句子中的动词“read”是过去式，而第二个句子中的“read”却是现在式，这是一种一词多义现象。

embedding

万字长文，大语言模型如何宣告心理学的死亡？

这是一种典型的利用相关性原理的作业方式（特别是这种指令书是LLM的时候）。

大语音模型

Stable Diffusion

耗时80小时！超详细的胎教级Stable Diffusion使用教程，看这一篇就够！

又或者我直接写一个句子：1个漂亮女孩站在大街上上面三种单词、词组、短句的方式都可以，我们比较常用的就是直接输入一个个单词，然后这些单词用英文状态下的逗号隔开当然了，SD只能识别英语

文生图

<...4 5 6 789 10 11 12 13 ...>

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