AI 画图的秘密：扩散模型如何从噪点里变出图片
读完本文你会明白：AI 绘画从输入一句话到输出一张图中间发生了什么，扩散模型为什么先学“加噪”再学“去噪”，以及为什么每次生成的图都不一样。…
图像、视频、语音生成技术，扩散模型与 AIGC 应用实践。
读完本文你会明白：AI 绘画从输入一句话到输出一张图中间发生了什么，扩散模型为什么先学“加噪”再学“去噪”，以及为什么每次生成的图都不一样。…
几分钟录音就能复制一个人的声音，这背后是什么技术？本文梳理语音合成从拼接波形到神经声学模型的演进，解释音色与内容如何被分离建模，并讨论假冒风险、检测手…
让两个神经网络互相对抗：一个专心造假，一个专心鉴伪，最后造假者的作品能以假乱真——这就是生成对抗网络的设计思路。本文讲清生成器与判别器如何互相推动，也…
视频比图片难在哪？本文解释时序一致性这一核心挑战，介绍在扩散模型基础上引入时间维度的常见做法，以及关键帧、插值、音画合成等工程手段，并说明当前能做什么…
同为文生图工具，底层思路并不相同。本文从公开原理出发，解释开源路线与在线服务在模型、部署与使用方式上的差异，以及潜空间、采样器、引导强度这些常见概念的…
AI 画图的主流方法叫扩散模型。本文用先打碎再学会复原的比喻解释两个方向：训练时不断往图片加噪声，生成时从纯噪声一步步去噪，说明它为何比早期方法更稳定，以…
能看图说话、听音作答的模型叫多模态模型。本文解释模态对齐的基本思路：把图像、音频切成小块转成与文字同类的表示，让它们在同一个空间里被一起处理，并介绍典…