文章列表-AI魔法学院

文章列表

阿里出品自动化视频剪辑工具FunClip！

它依托于阿里巴巴通义实验室的FunASR Paraformer系列模型，实现了视频中语音的自动识别。

FunClip 视频阿里

中文开源OCR框架对比及介绍

从严格定义来看，学字符识别（Optical Character Recognition, OCR）是指对文本资料的图像文件进行分析识别处理，获取文字及版面信息的过程。

OCR

Stable Diffusion

Stable Diffusion高级教程 - 图生图(img2img)模式

顾名思义，除了根据正向和反向提示词之外，还需要基于一张图片生成图。

Stable Diffusion 图生图

请以“续航”为题目，写一篇议论文

通义千问 “续航”一词，原指连续航行，今天在使用中被赋予了新的含义，如为青春续航、科技为经济发展续航等，都是指在长时间的持续中保持足够的能量，以完成自己的任务。

中文训练大模型

Stable Diffusion

Stable Diffusion基础：ControlNet之细节替换

如果提示词和区块内的对象匹配，它会在不改变对象定义的情况下，生成新的细节，替换之前的细节；如果提示词和区块内的对象不匹配，它会以对象为准，降低提示词的影响。

StableDiffusion 文生图

提高写作能力的90个prompt大全

无论是创意写作、信息检索还是解决问题，任务定义的特异性都是至关重要的。

prompt 写作

基于LLM+向量库的文档对话痛点及解决方案

痛点：文档切分粒度不好把控，既担心噪声太多又担心语义信息丢失笔者之前采用了Longchain的文档切分工具，发现不能问题。

开源模型

哈工大科大讯飞联合推出中文LLaMA-2 & Alpaca-2大语言模型

这些模型在原版Llama-2的基础上扩充并优化了中文词表，使用了大规模中文数据进行增量预训练，进一步提升了中文基础语义和指令理解能力，相比一代相关模型获得了显著性能提升。

训练

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

这不仅对于娱乐行业有着重要的意义，同时在教育、社交等领域也展现出巨大的潜力。

MimicTalk 开源模型

万字长文，大语言模型如何宣告心理学的死亡？

通过操作性定义，研究者将这些稳定的特质转化为可以观察和量化的行为数据或问卷得分1。

大语音模型

一位芯片投资人的十年复盘：谁是中国的英伟达｜AI光年

2015年，杨光和前同事白宗义一起创立了耀途资本，布局半导体领域围绕消费电子、汽车电子、数据中心与云计算等应用场景，投资了壁仞科技、瀚博半导体、爱芯元智、云豹智能、Hailo、Vayyar和星宸科技（301536

AI光年芯片投资

新模型Cascade你真的用对了吗？！

§ § 其次是硬件要求降低，甚至与sd1.5相比，该架构比之前版本实现了16倍的成本降低； § 最后一大亮点是模型更加理解提示词语义。

Stable Cascade 模型

十大开源语音识别项目

Automatic Speech Recognition（ASR）是一项自动语音识别技术，其目标是通过计算机自动将人类口头语音转录为文本。

语音识别开源项目

最受欢迎的SDXL模型，Turbo极速来袭！

文章介绍了C站上最受欢迎的SDXL模型DreamShaper。该模型色彩丰富，具有想象力，几乎成为C站用户必备大模型。作者在SDXL0.9和1.0发布时同步放出了适配的大模型。Dreamshaper的含义是梦想制造者。作者还提供了多个使用该模型的提示词，用于生成不同主题的图像。该模型在采样器dpmpp SDE的Turbo版本下出图速度快，在12G的3060显卡上能在5-8秒钟内出图。文章还提供了C站主页和网盘下载链接。

sdxlturbo 绘画

微信向量检索分析一体化数仓探索：OLAP For Embedding

相比于语义性检索引擎（ES）与专业的高性能检索服务，OLAP 数仓的向量检索能力在场景有何区别？

OLAP For Embedding 一体化数仓

<...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