我是电脑小白，我想知道哪里有语音转文字的软件，中文版，免费的。谢谢

以下是为您找到的与“Attention is all you need”相关的内容： 相关链接：https://research.google/pubs/pub46201/ 相关介绍：Transformers 于 2017 年被引入，在语言理解方面有重要应用。相关网页包括： https://ai.googleblog.com/2017/08/transformernovelneuralnetwork.html https://en.wikipedia.org/wiki/Transformer_:~:text=Transformers%20were%20introduced%20in%202017,allowing%20training%20on%20larger%20datasets. 此外，还为您提供了其他一些 AI 相关的资源： 生成式人工智能简介相关： The Power of Scale for ParameterEfficient Prompt Tuning:https://proceedings.neurips.cc/paper/2020/file/1457c0d6bfcb4967418bfb8ac142f64aPaper.pdf Google Research,2022 & beyond:Language models:https://ai.googleblog.com/2023/01/googleresearch2022beyondlanguage.htmlLangu ageModels Accelerating text generation with Confident Adaptive Language Modeling:https://ai.googleblog.com/2022/12/acceleratingtextgenerationwith.html Solving a machinelearning mystery:https://news.mit.edu/2023/largelanguagemodelsincontextlearning0207 What is Temperature in NLP?https://lukesalamone.github.io/posts/whatistemperature/ Bard now helps you code:https://blog.google/technology/ai/codewithbard/ Model Garden:https://cloud.google.com/modelgarden Autogenerated Summaries in Google Docs:https://ai.googleblog.com/2022/03/autogeneratedsummariesingoogledocs.html GPT4 官方技术报告的参考文献： Rewon Child,Scott Gray,Alec Radford,and Ilya Sutskever.Generating long sequences with sparse transformers.arXiv preprint arXiv:1904.10509,2019. Markus N.Rabe and Charles Staats.Selfattention does not need omemory.arXiv preprint arXiv:2112.05682,2021. . Dan Hendrycks,Collin Burns,Steven Basart,Andy Zou,Mantas Mazeika,Dawn Song,and Jacob Steinhardt.Measuring massive multitask language understanding.Proceedings of the International Conference on Learning Representations,2021. Dan Hendrycks,Collin Burns,Steven Basart,Andrew Critch,Jerry Li,Dawn Song,and Jacob Steinhardt.Aligning AI with shared human values.Proceedings of the International Conference on Learning Representations,2021. Alec Radford,Jeff Wu,Rewon Child,David Luan,Dario Amodei,and Ilya Sutskever.Language models are unsupervised multitask learners.2019. Alec Radford,Karthik Narasimhan,Tim Salimans,and Ilya Sutskever.Improving language understanding by generative pretraining.2018. Ashish Vaswani,Noam Shazeer,Niki Parmar,Jakob Uszkoreit,Llion Jones,Aidan N Gomez,Łukasz Kaiser,and Illia Polosukhin.Attention is all you need.NeurIPS,2017. Paul F Christiano,Jan Leike,Tom Brown,Miljan Martic,Shane Legg,and Dario Amodei.Deep reinforcement learning from human preferences.Advances in Neural Information Processing Systems,30,2017. Claude 官方提示词（含 API Prompt）中的俗语解码员相关：您的任务是提供一个清晰的解释，说明用户给出的俗语或谚语的含义和起源。简明扼要地解释它的比喻意义，以及它在对话或写作中的典型用法。接下来，深入探讨这个短语的起源，提供历史背景、文化参考或词源信息，解释这个俗语或谚语是如何产生的。如果有任何有趣的故事、轶事或理论与起源有关，也要包括在内。旨在全面理解这个俗语或谚语的含义和背景。

以下为一些前沿、齐全且好用的写教案的中文版 AI 网站及相关资源推荐： B 站 up 主「PAPAYA 电脑教室」的 Python 入门课，其很多课都很棒且完全免费。 对于大模型的讲解，Andrej Karpathy 讲得很好，油管地址：https://www.youtube.com/watch?v=zjkBMFhNj_g ，B 站地址：https://www.bilibili.com/video/BV1AU421o7ob 。 资料库方面，推荐 AJ 和众多小伙伴们共创的飞书文档「🌈通往 AGI 之路」，这是当下最全的中文 AI 资料库，免费、开源、共创，包含几乎所有有价值的文档、文章、资料、资讯，并永远第一时间更新，链接：https://waytoagi.feishu.cn/wiki/QPe5w5g7UisbEkkow8XcDmOpn8e 。 对于初学者，以下课程也可供参考： 微软的 AI 初学者课程：https://microsoft.github.io/AIForBeginners/ ，发布日期 2023/02/10 。 AI for every one（吴恩达教程）：https://www.bilibili.com/video/BV1yL411u7q6 ，发布日期 2023/03/15 。 大语言模型原理介绍视频（李宏毅）：https://www.bilibili.com/video/BV1TD4y137mP/ ，发布日期 2023/05/01 。 谷歌生成式 AI 课程：目录 https://ywh1bkansf.feishu.cn/wiki/DTm0way7QiKyHckMXsjc00kIn6e 。 ChatGPT 入门：目录 https://ywh1bkansf.feishu.cn/wiki/QddLw0teKi7nUCkDRIecskn3nuc 。

目前免费且专业的中文版 AI 修图工具相对较少。一些常见的修图工具可能会有部分 AI 相关的功能，但可能并非完全免费或专业。您可以关注一些图像处理软件的官方网站，了解其是否推出了相关的免费且专业的 AI 修图服务。

Gamma 是一个在线演示文稿制作平台，利用人工智能技术帮助用户快速创建和设计演示文稿。用户通过简单文本输入生成幻灯片，其 AI 系统会提供布局建议和设计元素，支持多种多媒体格式嵌入，如 GIF 和视频，提供多种预设主题和自定义选项。 官网为：https://gamma.app/ 。它是一个新的通过人工智能来呈现思想的媒介，能帮助用户创作美观、引人入胜的内容，无需关注格式和设计工作，由一键模板和零代码编辑功能组成，可快速创建文档、演示文稿和网页。 Gamma 网站有中文版。

对于新手小白学习 AI，以下是一份详细的指南： 1. 了解 AI 基本概念： 阅读「」部分，熟悉 AI 的术语和基础概念，包括其主要分支（如机器学习、深度学习、自然语言处理等）以及它们之间的联系。 浏览入门文章，了解 AI 的历史、当前的应用和未来的发展趋势。 2. 开始 AI 学习之旅： 在「」中，找到为初学者设计的课程，特别推荐李宏毅老师的课程。 通过在线教育平台（如 Coursera、edX、Udacity）上的课程，按照自己的节奏学习，并有机会获得证书。 3. 选择感兴趣的模块深入学习： AI 领域广泛（比如图像、音乐、视频等），根据自己的兴趣选择特定的模块进行深入学习。 4. 掌握提示词技巧： 提示词上手容易且很有用。 5. 实践和尝试： 理论学习之后，实践是巩固知识的关键，尝试使用各种产品做出作品。 知识库提供了很多大家实践后的作品、文章分享，欢迎实践后的分享。 6. 体验 AI 产品： 尝试使用如 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人，了解它们的工作原理和交互方式。 通过与这些 AI 产品的对话，获得对 AI 在实际应用中表现的第一手体验，并激发对 AI 潜力的认识。 7. 持续学习和跟进： AI 是一个快速发展的领域，新的研究成果和技术不断涌现。关注 AI 领域的新闻、博客、论坛和社交媒体，保持对最新发展的了解。 考虑加入 AI 相关的社群和组织，参加研讨会、工作坊和会议，与其他 AI 爱好者和专业人士交流。 需要记住，学习 AI 是一个长期的过程，需要耐心和持续的努力。不要害怕犯错，每个挑战都是成长的机会。随着时间的推移，您将逐渐建立起自己的 AI 知识体系，并能够在这一领域取得自己的成就。 如果您想学习 AI 绘画，可以体验《AI 绘画助手》，他是一位专业且贴心的导师。他能够将复杂的知识用通俗易懂的语言解释清楚，介绍流行的绘画工具及使用步骤，擅长风格迁移技术等领域，拥有丰富的实战案例经验，能为您答疑解惑并规划学习路径，帮助您在 AI 绘画之旅上不断突破，充分释放创意与想象。

新手小白入门 AI 可以参考以下步骤： 1. 了解 AI 基本概念： 阅读「」部分，熟悉 AI 的术语和基础概念，包括其主要分支（如机器学习、深度学习、自然语言处理等）以及它们之间的联系。 浏览入门文章，了解 AI 的历史、当前的应用和未来的发展趋势。 2. 开始 AI 学习之旅： 在「」中，找到为初学者设计的课程，特别推荐李宏毅老师的课程。 通过在线教育平台（如 Coursera、edX、Udacity）上的课程，按照自己的节奏学习，并有机会获得证书。 3. 选择感兴趣的模块深入学习： AI 领域广泛（比如图像、音乐、视频等），根据自己的兴趣选择特定的模块进行深入学习。 4. 掌握提示词的技巧：提示词上手容易且很有用。 5. 实践和尝试： 理论学习之后，实践是巩固知识的关键，尝试使用各种产品做出作品。 在知识库提供了很多大家实践后的作品、文章分享，欢迎实践后的分享。 6. 体验 AI 产品： 与现有的 AI 产品进行互动，如 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人，了解它们的工作原理和交互方式。 7. 持续学习和跟进： AI 是一个快速发展的领域，新的研究成果和技术不断涌现。关注 AI 领域的新闻、博客、论坛和社交媒体，保持对最新发展的了解。 考虑加入 AI 相关的社群和组织，参加研讨会、工作坊和会议，与其他 AI 爱好者和专业人士交流。 入门工具推荐：Kimi 智能助手 Chatgpt 的国产平替，实际上手体验最好，推荐新手用 Kimi 入门学习和体验 AI。 不用科学🕸️、不用付费、支持实时联网。 是国内最早支持 20 万字无损上下文的 AI，也是目前对长文理解做的最好的 Ai 产品。 能一次搜索几十个数据来源，无广告，能定向指定搜索源。 点我去下载 记住，学习 AI 是一个长期的过程，需要耐心和持续的努力。不要害怕犯错，每个挑战都是成长的机会。随着时间的推移，您将逐渐建立起自己的 AI 知识体系，并能够在这一领域取得自己的成就。

如果您是 AI 小白，想要从 0 开始学习 AI，以下是为您推荐的学习步骤： 1. 记忆阶段： 先从 AI 的历史（https://ywh1bkansf.feishu.cn/wiki/PFXnwBTsEiGwGGk2QQFcdTWrnlb?table=tbl1tOC3ZKbrcHVn&view=vewTtypUZc）、基本术语（https://ywh1bkansf.feishu.cn/wiki/PFXnwBTsEiGwGGk2QQFcdTWrnlb?table=tbltvr7KExCt7Jpw&view=vewjxk9tDu）、重要人物（https://ywh1bkansf.feishu.cn/wiki/PFXnwBTsEiGwGGk2QQFcdTWrnlb?table=tblLtN12KuvP5reO&view=vewuvGBXhd）、方法和原理（https://ywh1bkansf.feishu.cn/wiki/PFXnwBTsEiGwGGk2QQFcdTWrnlb?table=tblolGx2mprs1EQz&view=vewx5ROYtl）等开始了解。 看看入门课程（https://waytoagi.feishu.cn/wiki/ZYtkwJQSJiLa5rkMF5scEN4Onhd?table=tblWqPFOvA24Jv6X&view=veweFm2l9w）。 2. 理解阶段： 进一步了解 AI 领域的主要思想和概念（https://ywh1bkansf.feishu.cn/wiki/PFXnwBTsEiGwGGk2QQFcdTWrnlb?table=tblC69kVi8xZMQ4B&view=vewFgR7hhS）。 将精选 AI 网站（https://ywh1bkansf.feishu.cn/wiki/BVmWwpSJGioFyJkfAI3crXWTnyb?table=tblrU3QwceYkyu5Y&view=vewhpVxSzR）和 APP 产品都试一试。 完整的学习路径建议参考「通往 AGI 之路」知识库首页（https://waytoagi.feishu.cn/wiki/QPe5w5g7UisbEkkow8XcDmOpn8e）的布鲁姆分类法，设计自己的学习路径。 首先，建议阅读「从这里启程」（https://waytoagi.feishu.cn/wiki/PFXnwBTsEiGwGGk2QQFcdTWrnlb?table=blkjooAlLFNtvKJ2）部分，熟悉 AI 的术语和基础概念。了解什么是人工智能，它的主要分支（如机器学习、深度学习、自然语言处理等）以及它们之间的联系。浏览入门文章，这些文章通常会介绍 AI 的历史、当前的应用和未来的发展趋势。 然后，在「入门：AI 学习路径」（https://waytoagi.feishu.cn/wiki/ZYtkwJQSJiLa5rkMF5scEN4Onhd?table=tblWqPFOvA24Jv6X&view=veweFm2l9w）中，您将找到一系列为初学者设计的课程。这些课程将引导您了解生成式 AI 等基础知识，特别推荐李宏毅老师的课程。通过在线教育平台（如 Coursera、edX、Udacity）上的课程，您可以按照自己的节奏学习，并有机会获得证书。 最后，AI 领域广泛（比如图像、音乐、视频等），您可以根据自己的兴趣选择特定的模块进行深入学习。

对于零基础的小白想学习 AI，可以按照以下步骤开始： 1. 了解 AI 基本概念： 阅读「」部分，熟悉 AI 的术语和基础概念，包括其主要分支（如机器学习、深度学习、自然语言处理等）以及它们之间的联系。 浏览入门文章，了解 AI 的历史、当前的应用和未来的发展趋势。 2. 开始 AI 学习之旅： 在「」中，能找到为初学者设计的课程，特别推荐李宏毅老师的课程。 通过在线教育平台（如 Coursera、edX、Udacity）上的课程，按照自己的节奏学习，并有机会获得证书。 3. 选择感兴趣的模块深入学习： AI 领域广泛（比如图像、音乐、视频等），可以根据自己的兴趣选择特定的模块进行深入学习。 完整的学习路径建议参考「通往 AGI 之路」的布鲁姆分类法，设计自己的学习路径。

对于小白学习 AI，以下是一些建议： 了解 AI 基本概念：首先，建议阅读「」部分，熟悉 AI 的术语和基础概念。了解什么是人工智能，它的主要分支（如机器学习、深度学习、自然语言处理等）以及它们之间的联系。浏览入门文章，这些文章通常会介绍 AI 的历史、当前的应用和未来的发展趋势。 开始 AI 学习之旅：在「」中，您将找到一系列为初学者设计的课程。这些课程将引导您了解生成式 AI 等基础知识，特别推荐李宏毅老师的课程。通过在线教育平台（如 Coursera、edX、Udacity）上的课程，您可以按照自己的节奏学习，并有机会获得证书。 选择感兴趣的模块深入学习：AI 领域广泛（比如图像、音乐、视频等），您可以根据自己的兴趣选择特定的模块进行深入学习。完整的学习路径建议参考「通往 AGI 之路」的布鲁姆分类法，设计自己的学习路径。 我原以为，这种涉及代码和大模型能力的东西从来都是阳春白雪，我等小白触碰不得，可如今借由相关活动，意识到它和我们就隔着几天的发烧努力。学习始于 prompt，3.5 刚出来的时候，对 AI 生成原理的理解加上 prompt 写得好，问问题和解决问题的效率是巨大的。然而作为小白类型的 Chat 网页终端用户，更多的是临时捏一些 prompt 解决具体的问题，将 prompt 规范、抽象用以让 AI 拟人，当然试过，却远远做不到。但来都来了，自然要参加一下，学习一下也是好的。作为围观人群，虽然没有躬身入局，却因为近距离地作为线上志愿者，惊觉原来这一切其实门槛都在社区里一一解决过，需要的只是愿意花一些时间和做一些准备。在这个过程中，也会直接被点燃学习的热情。

对于小白了解 AI ，以下是一些关键的知识点： 编码器和解码器：不止一个，都有多头注意力层，且解码器与编码器的多头注意力层不同（带掩码的多头自注意力）。解码器还包含线性层和 Softmax 层，其作用是将解码器的输出转化为词汇表的概率分布，代表下一个被生成 token 的概率。 后续变种： 仅编码器，如 BRET 模型，用于理解语言，如掩码语言建模、情感分析等。 仅解码器，如文本生成。 编码器 解码器，如 T5、BART 模型，用于翻译、总结等。 其他概念科普： SFT 模型：监督微调（Supervised Finetuning）。 奖励模型：基于 3H 原则打分。 小样本提示：提示词给出样例样本。 思维链：谷歌在 2022 年一篇论文提到思维链可以显著提升大语言模型在复杂推理的能力（即有推理步骤），即使不用小样本提示，也可以在问题后面加一句【请你分步骤思考】。 RAG：检索增强生成 RetrievalAugmented Generation，外部知识库切分成段落后转成向量，存在向量数据库。用户提问并查找到向量数据库后，段落信息会和原本的问题一块传给 AI，可搭建企业知识库和个人知识库。

以下是一些语音转文字的 API 或应用： 基于开源大型v2 Whisper 模型的语音转文本 API，提供转录和翻译两个端点，可用于将音频转录为任何语言或翻译并转录成英语。目前文件上传限制为 25MB，支持的输入文件类型包括 mp3、mp4、mpeg、mpga、m4a、wav 和 webm。 OpenAI 的 wishper：https://huggingface.co/openai/whisperlargev2 ，还有相关项目：https://huggingface.co/spaces/sanchitgandhi/whisperjax ，该项目在 JAX 上运行，后端支持 TPU v48，与 A100 GPU 上的 PyTorch 相比，速度快 70 多倍，是目前最快的 Whisper API。 出门问问的语音合成（TTS）API： 接口请求域名：https://open.mobvoi.com/api/tts/v1 接口请求频率限制：5 次/秒 可以将任意文本转化为语音，应用场景广泛，如视频 APP 配音解说、小说 App 有声阅读、移动 App 语音播报新闻、智能设备语音提醒、车载导航语音合成的个性化语音播报等。提供普通话、台湾腔、粤语、四川话、东北话等多种方言，数百个发音人，上千种风格，实时合成支持 SSML，语法详见 SSML 标记语言。请求参数方面，HTTP Method 支持 POST 请求。

以下是为您推荐的文字转语音的免费 AI 工具： 飞书妙记：https://www.feishu.cn/product/minutes ，是飞书的办公套件之一。 通义听悟：https://tingwu.aliyun.com/home ，阿里推出的 AI 会议转录工具。 讯飞听见：https://www.iflyrec.com/ ，讯飞旗下智慧办公服务平台。 Otter AI：https://otter.ai/ ，用于转录采访和会议纪要。 更多相关工具请访问网站：https://waytoagi.com/sites/category/29 。 以下是一些在线 TTS 工具： Eleven Labs：https://elevenlabs.io/ ，功能强大且多功能的 AI 语音软件，能生成逼真、高品质的音频。 Speechify：https://speechify.com/ ，人工智能驱动的文本转语音工具，可在多种平台使用。 Azure AI Speech Studio：https://speech.microsoft.com/portal ，Microsoft Azure 的语音服务。 以下是一些给视频配音效的 AI 工具： Wavel Studio：支持 30 多种语言的配音，音质自然流畅，能自动去除背景噪音和杂音，提供添加字幕和文本叠加层的工具，界面友好且有多种自定义选项。 Elai.io：支持 65 多种语言的配音，音色和语调真实，能自动将唇形与语音同步，生成字幕提高视频可访问性，支持多位配音者适合复杂对话场景。 Rask AI：支持 130 多种语言的配音，包括稀有和濒危语言，采用先进语音合成技术音质高保真，提供语音参数自定义和音效添加工具，与多种视频编辑平台和工作流程整合。 Notta：提供快速实惠的多语言配音解决方案，保留原声说话风格和细微差别，提供调整语音速度和音调的工具，支持批量处理高效完成多视频配音。 Dubverse：支持 60 多种语言的配音，音质接近真人，提供文本转语音和语音克隆功能，提供语音参数自定义和情感添加工具。

Bot 接入微信机器人可以实现语音聊天。具体步骤如下： 1. 登录宝塔面板，在宝塔面板中可视化控制云服务器，部署 docker 容器，启动 COW 项目与微信取得关联。 2. 点击“Docker”中的“项目模板”中的“添加”按钮。 3. 项目模板代码示例如下：将编译好的内容复制进来。 4. 在容器中创建容器，选择容器编排，填入模板和名称，确定。 5. 现实运行成功后，点击容器，可以看到运行的是两个服务。 6. 点击“wcandyaibot”后面的日志按钮，在弹出层中用提前预备好的微信进行扫码。此界面不会实时更新显示，需要手动刷新一下。点击“刷新日志”，如果看到“WeChat login success”，就成功将 Bot 接入微信中了。 7. 如果扫描二维码出现预料之外的情况，可以退回到容器配置处，重启容器服务，然后重新扫码登录。 8. 若想修改 COW 组件的配置，比如修改机器人回复的前缀或开启语音识别等，进入对应的编排模板的配置界面，点击模板编辑，修改对应的配置参数，点击保存，然后回到容器编排界面重新部署新的容器编排即可。 至此，完成 COW 组件的部署和微信号的绑定，就可以开始与机器人微信号进行语音聊天了。

以下是关于文字转语音的相关信息： Hedra 工具可以直接进行文字转语音，目前有 6 个语音，也可以直接上传音频。 Text to Speech（TTS）是一种将文本转换为自然语音输出的人机交互技术，在智能语音助手、语音识别、语音合成等领域广泛应用。在 WaytoAGI 的工具网站（https://www.waytoagi.com/sites/category/50）上有一系列推荐，以下是几个编辑精选的工具： 1. Eleven Labs（https://elevenlabs.io/）：ElevenLabs Prime Voice AI 是一款功能强大且多功能的 AI 语音软件，能高保真地呈现人类语调和语调变化，并能根据上下文调整表达方式。 2. Speechify（https://speechify.com/）：Speechify 是一款人工智能驱动的文本转语音工具，可作为 Chrome 扩展、Mac 应用程序、iOS 和 Android 应用程序使用，用于收听网页、文档、PDF 和有声读物。 3. Azure AI Speech Studio（https://speech.microsoft.com/portal）：Microsoft Azure Speech Studio 是一套服务，赋予应用程序“听懂、理解并与客户进行对话”的能力。

以下是一些支持语音的外语对话 AI： 1. Google Assistant：支持多种语言，可用于日常对话练习和词汇学习。使用方法是设置目标语言，通过语音命令或文本输入与助手进行互动，练习日常用语。 2. ChatGPT：能够模拟对话练习，帮助提高语言交流能力。在聊天界面选择目标语言，与 AI 进行对话练习，可以询问语法、词汇等问题，甚至模拟实际交流场景。

以下是为您整理的关于文字转语音的相关项目信息： 语音转文字推荐 OpenAI 的 wishper： 链接：https://huggingface.co/openai/whisperlargev2 一分钟搞定 23 分钟的音频 项目在 JAX 上运行，后端支持 TPU v48。与 A100 GPU 上的 PyTorch 相比，它要快 70 多倍，是目前最快的 Whisper API。 XiaoHu.AI 日报 11 月 20 日相关： 能根据需要选择性地听取特定声音。链接： 实时生活解说项目：开发者利用 GPT4V 和 ElevenLabs 技术模仿名人声音解说日常生活。项目代码已在 GitHub 公开。链接： StyleTTS 2：开源文本转语音工具，提供多样化、自然的语音风格，高效生成和精确控制语音。链接：

对于审计人员利用大模型本地化部署进行数据分析的电脑配置，以下是相关建议： 生成文字大模型： 最低配置：8G RAM + 4G VRAM 建议配置：16G RAM + 8G VRAM 理想配置：32G RAM + 24G VRAM（如果要跑 GPT3.5 差不多性能的大模型） 生成图片大模型（比如跑 SD）： 最低配置：16G RAM + 4G VRAM 建议配置：32G RAM + 12G VRAM 生成音频大模型： 最低配置：8G VRAM 建议配置：24G VRAM 需要注意的是，最低配置运行速度可能非常慢。另外，对于 SDXL 的大模型，分为两个部分： 第一部分，base + refiner 是必须下载的，base 是基础模型，用于文生图操作；refiner 是精炼模型，用于对生成的模型进行细化，生成细节更丰富的图片。 第二部分，还有一个配套的 VAE 模型，用于调节图片的画面效果和色彩。 想要在 webUI 中使用 SDXL 的大模型，首先要在秋叶启动器中将 webUI 的版本升级到 1.5 以上。接下来，将模型放入对应的文件夹中，base 和 refiner 放在“……\\sdwebuiakiv4.2\\models\\Stablediffusion”路径下；vae 放在“……\\sdwebuiakiv4.2\\models\\VAE”路径下。完成之后，启动 webUI，就可以在模型中看到 SDXL 的模型。

对于审计人员利用大模型本地化部署在电脑上进行数据分析，电脑配置需要考虑以下方面： 模型选择与下载： SDXL 大模型分为 base+refiner 两个必须下载的部分，base 是基础模型用于文生图操作，refiner 是精炼模型用于细化生成的模型，还有一个配套的 VAE 模型用于调节图片效果和色彩。您可以关注公众号【白马与少年】，回复【SDXL】获取下载链接。 除了上述模型，还可在 Civitai（C 站）https://civitai.com/ 寻找更多模型。使用 C 站时需科学上网，点击右上角筛选按钮找到所需模型类型，如 Checkpoint=大模型、LoRA=Lora，看到感兴趣的模型点击下载保存到电脑本地。 模型存放路径与使用： 将下载的模型放入对应文件夹，base 和 refiner 放在“……\\sdwebuiakiv4.2\\models\\Stablediffusion”路径下，vae 放在“……\\sdwebuiakiv4.2\\models\\VAE”路径下。启动 webUI 后可在模型中看到 SDXL 模型。 硬件配置需求： ChatGLM6B 模型：模型文件下载至本地需要 15 GB 存储空间。量化等级不同，对 GPU 显存要求不同，如 FP16（无量化）最低 GPU 显存（推理）需 13 GB，高效参数微调需 14 GB；INT8 推理需 8 GB，高效参数微调需 9 GB；INT4 推理需 6 GB，高效参数微调需 7 GB。 MOSS 模型：模型文件下载至本地需要 70 GB 存储空间。FP16（无量化）最低 GPU 显存（推理）需 68 GB。 Embedding 模型：默认选用的约占用显存 3GB，也可修改为在 CPU 中运行。

以下是关于使用开源大模型本地化部署所需电脑配置及笔记本电脑推荐的相关信息： 运行大模型需要较高的机器配置，个人玩家大多负担不起。以下是不同类型大模型的配置要求： 生成文字大模型： 最低配置：8G RAM + 4G VRAM 建议配置：16G RAM + 8G VRAM 理想配置：32G RAM + 24G VRAM（跑 GPT3.5 差不多性能的大模型） 生成图片大模型（比如跑 SD）： 最低配置：16G RAM + 4G VRAM 建议配置：32G RAM + 12G VRAM 生成音频大模型： 最低配置：8G VRAM 建议配置：24G VRAM 对于本地化部署，不建议使用最低配置，因为速度会非常慢。例如，用 8G 的 Mac 电脑尝试过，效果不佳。 由于本地化部署对电脑配置要求较高，不太推荐本地化安装实现。如果想使用开源大模型，可选择利用云厂商已提供好的大模型运行环境和计算能力，比如阿里云的 PAI 和 AutoDL。 在笔记本电脑选择方面，建议选择具备以下配置的机型： 1. 内存：16GB 及以上的 RAM。 2. 显卡：具有 8GB 及以上 VRAM 的独立显卡。 但具体的笔记本电脑型号还需根据您的预算和其他需求来确定。

截止 2024 年 5 月，主流的 AI 台式电脑主要是一些专门为人工智能和深度学习设计的高性能设备。这类电脑通常配备了强大的 GPU（如 NVIDIA RTX 系列）、大容量内存和高速固态硬盘，以满足 AI 模型训练和推理的计算需求。一些知名品牌的 AI 台式电脑包括： 1. 戴尔（Dell）Precision 系列。 2. 惠普（HP）Z 系列。 3. 联想（Lenovo）ThinkStation 系列。 这些台式电脑一般采用英特尔酷睿或 AMD Ryzen 的高端 CPU，配备 NVIDIA RTX 30/40 系列或 AMD Radeon Pro 专业级 GPU。同时也提供了大容量内存（32GB 以上）和高速 NVMe SSD 存储选配。除了硬件配置，这些 AI 台式电脑还通常预装了 NVIDIA CUDA、cuDNN 等深度学习框架，以及各种 AI 开发工具，为用户提供了开箱即用的 AI 开发环境。 当然，这类高端 AI 台式电脑价格也相对较高。用户可以根据自身的 AI 应用需求和预算情况，选择合适的型号。同时也要关注电脑的散热、稳定性等实际使用体验。需要注意的是，以上内容由 AI 大模型生成，请仔细甄别。

使用 AI 的电脑配置需求如下： 对于主流的 AI 笔记本电脑，通常配备强大的 GPU（如 NVIDIA RTX 系列）、大容量内存（32GB 以上）和高速固态硬盘。一些知名品牌包括微软（Microsoft）第 11 代 Surface Pro、微星（MSI）Creator/Workstation 系列、技嘉（GIGABYTE）Aero/Aorus 系列、戴尔（Dell）Precision 移动工作站、惠普（HP）ZBook 移动工作站、联想（Lenovo）ThinkPad P 系列。这些笔记本一般采用英特尔酷睿或 AMD Ryzen 的高端移动 CPU，配备 NVIDIA RTX 30/40 系列或 AMD Radeon Pro 专业级 GPU，同时也提供了大容量内存和高速 NVMe SSD 存储选配。除了硬件配置，这些 AI 笔记本还通常预装了 NVIDIA CUDA、cuDNN 等深度学习框架，以及各种 AI 开发工具，为用户提供了开箱即用的 AI 开发环境。当然，这类高端 AI 笔记本价格相对较高，通常在 2000 美元以上。用户可根据自身的 AI 应用需求和预算情况选择合适的型号，同时也要关注笔记本的散热、续航等实际使用体验。 如果是像能写诗的“拍立得”诗相机这样的特定 AI 应用，计算机方面可以选择带接头的 Raspberry Pi Zero 2 W。Raspberry Pi 是简化的计算机，重量轻、价格便宜、处理能力有限且比典型的消费电子设备更脆弱，对使用的特定电源非常敏感。选择 Pi Zero 2 是因为它在处理能力（Pi Zero 太慢）和紧凑尺寸（市场上大多数其他 Pi 都更大）上有平衡。本教程中的接线图适用于所有 Raspberry Pi，但软件和相机兼容性可能存在差异，特别是对于较旧的设备。Pi 3b+ 测试工作正常，但 Pi 4 可能需要太多电量才能使其成为可行的便携式解决方案。 若要安装灵码 AI 编程助手，在配置 AI 插件之前，需要先安装 python 的运行环境，具体可参考 。

对于 MAC 电脑安装 Stable Diffusion（SD），推荐云端部署，相关链接为：https://qa3dhma45mc.feishu.cn/wiki/A6WYw1Nm0ikGplkuO9Ecwomqnnd 。 如果您选择本地部署，以下是一些相关步骤供您参考： 1. 进入安装页面，等待安装好。 2. 勾选如下项目，要确保包含 Python 和 C++包。 3. 更改到您想要安装的位置，然后点击右下角的安装就行。 4. 安装时间比较长，要耐心等待。 5. 安装好之后，打开 SD 文件目录下的这个文件夹。 6. 在地址栏输入“cmd”，然后回车。 7. 在打开的 dos 界面里面，将这行代码“python m pip install insightface==0.7.3 user”粘贴进来，就会自动开始安装 insightface。 8. 如果这个阶段出现错误，建议去下载使用最新的秋叶 4.2 整合包（6 月 23 号更新），下载包已更新到云盘里，后台回复【SD】就可以下载。 9. 安装完成后，重新打开我们的启动器，后台会继续下载一些模型，此时一定要保证全程科学上网。 另外，对于电脑配置能支持 SD 运行的朋友，也可以使用 B 站秋叶分享的整合包进行本地部署，具体步骤如下： 1. 打开链接 https://pan.baidu.com/s/1hY8CKbYRAj9RrFGmswdNiA?pwd=caru 下载《1.整合包安装》，存放到电脑本地。 2. 打开保存到电脑里的文件夹。 3. 打开文件夹《1.秋叶整合包主包》——鼠标右击文件——点击“解压文件”。 4. 选择解压到 D 盘或者 E 盘，小心 C 盘被占满！点击确定。 5. 解压完成后，来到第二个文件夹，双击里面的文件点击安装。 6. 打开刚刚解压保存的 SD 的根目录，找到启动器，鼠标右击启动器——点击“发送到”——桌面快捷方式。这样下次进入就可以直接在桌面双击进入，不用每次都到文件夹里面找啦！ 7. 双击启动器，等待更新，接着点击左边第二个“高级选项”。 8. 在显存优化里，根据自己电脑的显存选择（就是上面查看的专用 GPU 内存），自己电脑是多少就选多少。 9. 回到第一个一键启动，点击右下角的一键启动。