我想基于一个开源模型，训练一个自己的AI模型，用于编写软件测试用例，如何实现呢

云雀大模型是字节开发的模型。以下是关于云雀大模型的一些信息： 2022 年 12 月推出，属于闭源通用大模型。 2023 年 8 月正式上线，其对应的产品如豆包。 相关链接：

DeepSeek 与普通的 AI 大模型相比具有以下优势： 1. 强大、便宜、开源、免费、联网和本土等六大优势，全面超过现有 AI 大模型。 2. 以仅 27 分之一的成本实现卓越表现，挑战了高价闭源模型的传统观念。 3. 创新的 R1 Zero 模型显示出模型思考能力的自我涌现，或将引领 AGI 的新方向。 4. 在推理过程中通过多头隐式注意力减少内存需求，并且改进了 MoE 架构。 5. 其深度思考版本 DeepSeek R1 属于基于强化学习 RL 的推理模型，在回答用户问题前会先进行“自问自答”式的推理思考，提升最终回答的质量。 6. 在中国 LMSYS 排行榜上取得优异成绩，尤其在数学和编程方面表现出色。

抖音内部使用的大模型包括月之暗面 KIMI、豆包、Minimax、通义千问和智谱清言。 关于模型的特点和选择： Dify 是开源的，有直观界面和多种功能，社区活跃；Coze 由字节跳动推出，目前未明确是否开源，可能更侧重商业化服务，其插件能力丰富、搭建效率高。 豆包的 function call 模型对于插件调用、Coze 内 json 格式输出较擅长；MiniMax 处理文字速度快；GLM 对用户提示词理解较好。模型选用需根据习惯、响应速度、生成质量、调用费用等综合考虑，且各模型在不断迭代。 需要注意的是，以上回答由 AI 大模型生成，请仔细甄别。

DeepSeek 相比普通的 AI 大模型具有以下优势： 1. 强大、便宜、开源、免费、联网和本土等六大优势，全面超过现有 AI 大模型。 2. 以仅 27 分之一的成本实现卓越表现，挑战了高价闭源模型的传统观念。 3. 创新的 R1 Zero 模型显示出模型思考能力的自我涌现，或将引领 AGI 的新方向。 4. 在推理过程中通过多头隐式注意力减少内存需求，并且改进了 MoE 架构。 5. 在 LMSYS 排行榜上取得优异成绩，尤其在数学和编程方面表现出色。在推理过程中，R1 会先进行“自问自答”式的推理思考，提升最终回答的质量，模拟人类的深度思考。

以下是关于 fp8 混合模型的相关信息： 在 ComfyUI FLUX 模型的安装部署方面： 模型：FLUX.1 有多种版本可选，如 dev 版。显卡较好可用 fp16，显卡不足可选 fp8。下载后的模型文件应放在 ComfyUI/models/unet/文件夹中。若爆显存，可在“UNET 加载器”节点中将 weight_dtype 设置为 fp8，能降低显存使用量但可能稍降质量，默认的 weight_type 显存使用较大。 CLIP：t5xxl_fp16.safetensors 和 clip_l.safetensors 应放在 ComfyUI/models/clip/文件夹中，也可使用 t5xxl_fp8_e4m3fn.safetensors 降低内存使用率，若内存超过 32GB 建议使用 fp16。 Vae：下载后放入 ComfyUI/models/vae 文件夹。 关于 T5（/t5xxl_fp16.safetensors）的 clip，原本有输入输出，可能会导致提示词被吞，短提示效果差，训练 flux 或 sd3 时应尽量用长提示词或自然语言。 在 LLM 模型量化世界观中： FP8 量化：在做 allreduce 之前，会得到各个卡的梯度和对应的系数，选择最小系数进行重新归一化，最后做 FP8 的 allreduce，最终系数为 N·s_g。 FP8 优化器：在 BF16 混合精度训练中，优化器一般选用 Adam，包含 master weight 和一阶、二阶统计量。在 FP8 训练场景中，master weight 需高精度，gradient 可用 FP8 分布式通信方式存储，Adam 中的一阶统计量用 FP8，二阶统计量用 FP16。 FP8 分布式策略：分布式策略包括常见的 4D 并行，即 DP/TP/PP 和 SP，其中 DP 和 PP 在 FP8 下与原来的混合精度方案无差别，TP 和 SP 有所不同。 此外，在宝玉日报 1 月 27 日的内容中，也有关于 DeepSeek 的研究和思考涉及到 FP8 混合精度训练的相关讨论。

我调用的是抖音集团的云雀大模型。 大模型指的是用于表达 token 之间关系的参数多，主要是指模型中的权重（weight）与偏置（bias），例如 GPT3 拥有 1750 亿参数，其中权重数量达到了这一量级，而词汇表 token 数只有 5 万左右。以 Transform 为代表的大模型采用自注意力（Selfattention）机制来学习不同 token 之间的依赖关系，生成高质量 embedding。常见的数字化 embedding 算法有：基于统计的 Word2Vec（通过上下文统计信息学习词向量）、GloVe（基于词共现统计信息学习词向量）；基于深度网络的 CNN（使用卷积网络获得图像或文本向量）、RNN/LSTM（利用序列模型获得文本向量）；基于神经网络的 BERT（基于 Transformer 和掩码语言建模（Masked LM）进行词向量预训练）、Doc2Vec（使用神经网络获得文本序列的向量）。 AI 相关技术名词包括：AI 即人工智能；机器学习指电脑找规律学习，包括监督学习（有标签的训练数据，算法的目标是学习输入和输出之间的映射关系，包括分类和回归）、无监督学习（学习的数据没有标签，算法自主发现规律，经典任务包括聚类）、强化学习（从反馈里学习，最大化奖励或最小化损失，类似训小狗）；深度学习是一种参照人脑有神经网络和神经元的方法（因为有很多层所以叫深度），神经网络可以用于监督学习、无监督学习、强化学习；生成式 AI 可以生成文本、图片、音频、视频等内容形式，其中生成图像的扩散模型就不是大语言模型；LLM 即大语言模型，对于生成式 AI，大语言模型生成只是其中一个处理任务，比如谷歌的 BERT 模型，可用于语义理解（不擅长文本生成），如上下文理解、情感分析、文本分类。2017 年 6 月，谷歌团队发表论文《Attention is All You Need》，首次提出了 Transformer 模型，它完全基于自注意力机制（SelfAttention）来处理序列数据，而不需要依赖于循环神经网络（RNN）或卷积神经网络（CNN），GPT 中 Transformer 是关键，Transformer 比 RNN 更适合处理文本的长距离依赖性。

以下是关于如何高效编写软件测试用例的方法： 1. 基于规则的测试生成 测试用例生成工具 Randoop：基于代码路径和规则生成测试用例，适用于 Java 应用程序。 Pex：微软开发的智能测试生成工具，自动生成高覆盖率的单元测试，适用于.NET 应用。 模式识别 Clang Static Analyzer：利用静态分析技术识别代码模式和潜在缺陷，生成相应的测试用例。 Infer：Facebook 开发的静态分析工具，自动生成测试用例，帮助发现和修复潜在错误。 2. 基于机器学习的测试生成 深度学习模型 DeepTest：利用深度学习模型生成自动驾驶系统的测试用例，模拟不同驾驶场景，评估系统性能。 DiffTest：基于对抗生成网络（GAN）生成测试用例，检测系统的脆弱性。 强化学习 RLTest：利用强化学习生成测试用例，通过与环境交互学习最优测试策略，提高测试效率和覆盖率。 A3C：基于强化学习的测试生成工具，通过策略梯度方法生成高质量测试用例。 3. 基于自然语言处理（NLP）的测试生成 文档驱动测试生成 Testim：AI 驱动的测试平台，通过分析文档和用户故事自动生成测试用例，减少人工编写时间。 Test.ai：利用 NLP 技术从需求文档中提取测试用例，确保测试覆盖业务需求。 自动化测试脚本生成 Selenium IDE + NLP：结合 NLP 技术扩展 Selenium IDE，从自然语言描述中生成自动化测试脚本。 Cucumber：使用 Gherkin 语言编写的行为驱动开发（BDD）框架，通过解析自然语言描述生成测试用例。 4. 基于模型的测试生成 状态模型 GraphWalker：基于状态模型生成测试用例，适用于复杂系统的行为测试。 Spec Explorer：微软开发的模型驱动测试工具，通过探索状态模型生成测试用例。 场景模拟 Modelbased Testing ：基于系统模型自动生成测试用例，覆盖各种可能的操作场景和状态转换。 Tosca Testsuite：基于模型的测试工具，自动生成和执行测试用例，适用于复杂应用的端到端测试。 5. 实践中的应用示例 Web 应用测试：使用 Testim 分析用户行为和日志数据，自动生成高覆盖率的测试用例，检测不同浏览器和设备上的兼容性问题。 移动应用测试：利用 Test.ai 从需求文档中提取测试用例，确保覆盖关键功能和用户路径，提高测试效率和质量。 复杂系统测试：采用 GraphWalker 基于系统状态模型生成测试用例，确保覆盖所有可能的状态和操作场景，检测系统的边界情况和异常处理能力。 6. 工具和平台 Testim：AI 驱动的自动化测试平台，生成和管理测试用例。 Test.ai：基于 NLP 技术的测试用例生成工具，适用于移动应用和 Web 应用。 DeepTest：利用深度学习生成自动驾驶系统测试用例。 GraphWalker：基于状态模型生成测试用例，适用于复杂系统的行为测试。 Pex：微软开发的智能测试生成工具，自动生成高覆盖率的单元测试。

以下是一些可以生成测试用例的工具： 1. 基于规则的测试生成： Randoop：基于代码路径和规则生成测试用例，适用于 Java 应用程序。 Pex：微软开发的智能测试生成工具，自动生成高覆盖率的单元测试，适用于.NET 应用。 Clang Static Analyzer：利用静态分析技术识别代码模式和潜在缺陷，生成相应的测试用例。 Infer：Facebook 开发的静态分析工具，自动生成测试用例，帮助发现和修复潜在错误。 2. 基于机器学习的测试生成： DeepTest：利用深度学习模型生成自动驾驶系统的测试用例，模拟不同驾驶场景，评估系统性能。 DiffTest：基于对抗生成网络（GAN）生成测试用例，检测系统的脆弱性。 RLTest：利用强化学习生成测试用例，通过与环境交互学习最优测试策略，提高测试效率和覆盖率。 A3C：基于强化学习的测试生成工具，通过策略梯度方法生成高质量测试用例。 3. 基于自然语言处理（NLP）的测试生成： Testim：AI 驱动的测试平台，通过分析文档和用户故事自动生成测试用例，减少人工编写时间。 Test.ai：利用 NLP 技术从需求文档中提取测试用例，确保测试覆盖业务需求。 Selenium IDE + NLP：结合 NLP 技术扩展 Selenium IDE，从自然语言描述中生成自动化测试脚本。 Cucumber：使用 Gherkin 语言编写的行为驱动开发（BDD）框架，通过解析自然语言描述生成测试用例。 4. 基于模型的测试生成： GraphWalker：基于状态模型生成测试用例，适用于复杂系统的行为测试。 Spec Explorer：微软开发的模型驱动测试工具，通过探索状态模型生成测试用例。 Modelbased Testing：基于系统模型自动生成测试用例，覆盖各种可能的操作场景和状态转换。 Tosca Testsuite：基于模型的测试工具，自动生成和执行测试用例，适用于复杂应用的端到端测试。 在实践中的应用示例包括： 1. Web 应用测试：使用 Testim 分析用户行为和日志数据，自动生成高覆盖率的测试用例，检测不同浏览器和设备上的兼容性问题。 2. 移动应用测试：利用 Test.ai 从需求文档中提取测试用例，确保覆盖关键功能和用户路径，提高测试效率和质量。 3. 复杂系统测试：采用 GraphWalker 基于系统状态模型生成测试用例，确保覆盖所有可能的状态和操作场景，检测系统的边界情况和异常处理能力。 AI 在生成测试用例方面具有显著的优势，可以自动化和智能化生成高覆盖率的测试用例，减少人工编写测试用例的时间和成本。通过合理应用 AI 工具，前端开发工程师可以提高测试效率、增强测试覆盖率和发现潜在问题，从而提升软件质量和用户体验。 请注意，以上内容由 AI 大模型生成，请仔细甄别。

以下是一些可以实现测试用例设计、测试脚本、测试执行和测试报告的 AI 工具和方法： 1. 基于规则的测试生成： 测试用例生成工具： Randoop：基于代码路径和规则生成测试用例，适用于 Java 应用程序。 Pex：微软开发的智能测试生成工具，自动生成高覆盖率的单元测试，适用于.NET 应用。 模式识别： Clang Static Analyzer：利用静态分析技术识别代码模式和潜在缺陷，生成相应的测试用例。 Infer：Facebook 开发的静态分析工具，自动生成测试用例，帮助发现和修复潜在错误。 2. 基于机器学习的测试生成： 深度学习模型： DeepTest：利用深度学习模型生成自动驾驶系统的测试用例，模拟不同驾驶场景，评估系统性能。 DiffTest：基于对抗生成网络（GAN）生成测试用例，检测系统的脆弱性。 强化学习： RLTest：利用强化学习生成测试用例，通过与环境交互学习最优测试策略，提高测试效率和覆盖率。 A3C：基于强化学习的测试生成工具，通过策略梯度方法生成高质量测试用例。 3. 基于自然语言处理（NLP）的测试生成： 文档驱动测试生成： Testim：AI 驱动的测试平台，通过分析文档和用户故事自动生成测试用例，减少人工编写时间。 Test.ai：利用 NLP 技术从需求文档中提取测试用例，确保测试覆盖业务需求。 自动化测试脚本生成： Selenium IDE + NLP：结合 NLP 技术扩展 Selenium IDE，从自然语言描述中生成自动化测试脚本。 Cucumber：使用 Gherkin 语言编写的行为驱动开发（BDD）框架，通过解析自然语言描述生成测试用例。 4. 基于模型的测试生成： 状态模型： GraphWalker：基于状态模型生成测试用例，适用于复杂系统的行为测试。 Spec Explorer：微软开发的模型驱动测试工具，通过探索状态模型生成测试用例。 场景模拟： Modelbased Testing：基于系统模型自动生成测试用例，覆盖各种可能的操作场景和状态转换。 Tosca Testsuite：基于模型的测试工具，自动生成和执行测试用例，适用于复杂应用的端到端测试。 5. 实践中的应用示例： Web 应用测试：使用 Testim 分析用户行为和日志数据，自动生成高覆盖率的测试用例，检测不同浏览器和设备上的兼容性问题。 移动应用测试：利用 Test.ai 从需求文档中提取测试用例，确保覆盖关键功能和用户路径，提高测试效率和质量。 复杂系统测试：采用 GraphWalker 基于系统状态模型生成测试用例，确保覆盖所有可能的状态和操作场景，检测系统的边界情况和异常处理能力。 相关工具和平台： Testim：AI 驱动的自动化测试平台，生成和管理测试用例。 Test.ai：基于 NLP 技术的测试用例生成工具，适用于移动应用和 Web 应用。 DeepTest：利用深度学习生成自动驾驶系统测试用例。 GraphWalker：基于状态模型生成测试用例，适用于复杂系统的行为测试。 Pex：微软开发的智能测试生成工具，自动生成高覆盖率的单元测试。

以下是一些关于对话形式生成测试用例的 AI 相关信息： 生成式 AI Studio 中，您可以在聊天框中键入请求，例如“我的电脑速度很慢”，然后按回车键，查看 AI 如何响应，并且可以集成到您的应用程序。 在一泽 Eze 的样例驱动的渐进式引导法中，可以借助擅长扮演专家角色的 AI 如 Claude 3.5 进行对话来改进初始的正向样例，输入初始指令后查看 AI 的回复，以侧面印证其对样例的理解与建议。 在基于自然语言处理（NLP）的测试生成方面，Selenium IDE 结合 NLP 技术可从自然语言描述中生成自动化测试脚本，Cucumber 可通过解析自然语言描述生成测试用例。

以下是一些免费好用的用于生成测试用例的 AI 工具： Testim：AI 驱动的自动化测试平台，可生成和管理测试用例，适用于 Web 应用测试，能分析用户行为和日志数据，自动生成高覆盖率的测试用例以检测不同浏览器和设备上的兼容性问题。 Test.ai：基于 NLP 技术的测试用例生成工具，适用于移动应用和 Web 应用，可从需求文档中提取测试用例，确保覆盖关键功能和用户路径，提高测试效率和质量。 DeepTest：利用深度学习生成自动驾驶系统测试用例。 GraphWalker：基于状态模型生成测试用例，适用于复杂系统的行为测试，如采用其基于系统状态模型生成测试用例，可确保覆盖所有可能的状态和操作场景，检测系统的边界情况和异常处理能力。 Pex：微软开发的智能测试生成工具，自动生成高覆盖率的单元测试，适用于.NET 应用。 Randoop：基于代码路径和规则生成测试用例，适用于 Java 应用程序。

以下是一些可用于生成测试用例的 AI 工具和平台： 1. Testim：这是一个 AI 驱动的自动化测试平台，能够生成和管理测试用例。它可以通过分析文档和用户故事自动生成测试用例，减少人工编写时间。在 Web 应用测试中，它能分析用户行为和日志数据，自动生成高覆盖率的测试用例，检测不同浏览器和设备上的兼容性问题。 2. Test.ai：基于 NLP 技术的测试用例生成工具，适用于移动应用和 Web 应用。它可以利用 NLP 技术从需求文档中提取测试用例，确保测试覆盖业务需求。在移动应用测试中，能从需求文档中提取测试用例，确保覆盖关键功能和用户路径，提高测试效率和质量。 3. DeepTest：利用深度学习生成自动驾驶系统测试用例。 4. GraphWalker：基于状态模型生成测试用例，适用于复杂系统的行为测试。在复杂系统测试中，能基于系统状态模型生成测试用例，确保覆盖所有可能的状态和操作场景，检测系统的边界情况和异常处理能力。 5. Pex：微软开发的智能测试生成工具，自动生成高覆盖率的单元测试。

以下是为您整理的相关内容： 关于导入 md 文件的 AI 工具 Process ON： 输入大纲和要点： 导入大纲和要点： 手动复制，相对比较耗时间。 导入方式： 1. 复制最终大纲的内容，到本地的 txt 文件后，将后缀改为.md。如果看不见后缀，可以自行搜索开启后缀。 2. 打开 Xmind 软件，将 md 文件导入 Xmind 文件中。 3. Process ON 导入 Xmind 文件。以导入方式新建思维导图，选择准备好的 Xmind 文件，导入成功。 输入主题自动生成大纲和要求：新增思维导图，输入主题，点击 AI 帮我创作，生成结束。 选择模版并生成 PPT：点击下载，选择导入格式为 PPT 文件，选择模版，再点击下载。如果喜欢用 Process ON 的小伙伴，没有会员，可以某宝买个一天会员。 Agentic AI 相关： 在使用 Windsurf 时，如果要进行相关操作，为了安全考虑，不允许 AI 直接更改.windsurfrules 文件。需要把相关内容拆成两个部分，一个比如叫 scratchpad.md，在.windsurfrules 文件里提及：当每次进行思考前，要先看一眼 Scratchpad，并在里面更新计划。这种间接方式虽效果可能不如直接放在..cursorrules 里好，但试下来也是可以工作的。 用 Claude 进行各种设计： 自从 Claude 3.5 sonnet 更新到新版后，增强了视觉理解与编程质量，词生卡效果已完美进化到下一个 Level。 用 Claude 画公众号封面：效果示例，如果第 1 版效果一般，可以多尝试通用改进提示词或直接提出针对性意见，如主题色改为浅色调、增加文字投影效果。 用 Claude 画海报：如果需要调整海报内容，可给出具体提示，如白色底，浅绿色主题，轻微投影。 用 Claude 绘制可视化概念图，用于 PPT 等插图场景：有浅色版和深色版示例。 用 Claude 绘制微信 UI：发挥脑洞，只要是网页、软件界面设计能做出的图片效果，只要没有专业要求，大部分都能靠 Claude AI 来实现。 尝试途径： 1. ：一个优秀的 AI 助手工具，付费后可使用 Claude 3.5 sonnet、ChatGPT4O 等顶级大模型（也是目前最常用的 AI 对话助手；🔗是邀请链接，如介意可自行搜索 Monica） 2. ：claude 官方原版，注册后可每日限额免费体验（但存在较高的封号风险） 也可以通过 Cursor、Windsurf 等 AI 编程产品，调用 Claude AI API，但不支持 Artifacts 这种即时预览的使用方式，需要单独保存代码文件后查看。不过好处是，可以用 MD、CSV 等格式的文件，存储提示词、更新记录和 AI 交互数据。

以下是一些适合用于制作教学 PPT 的 AI 工具： 1. Claude：能够帮助快速寻找符合条件的论文、提取精炼论文信息、找到适合的 PPT 制作工具并教会使用。 2. Gamma.app：在制作 PPT 方面有一定的帮助。 3. Kimi.ai：可以将思维导图图片转成 PPT。 4. 讯飞智文（http://zhiwen.xfyun.cn ）：免费的 AI 制作 PPT 工具。 5. Mindshow.fun：支持 Markdown 导入。 6. Tome.app：AI 配图效果好。 7. Chatppt.com：自动化程度高。 此外，还有一些相关的网站和产品，如百度文库（https://cp.baidu.com ），橙篇是百度文库于 2024 年 5 月 30 日发布的综合性 AI Native 产品，集多种功能于一身。在使用 AI 制作 PPT 时，其原理和作用包括减轻排版工作压力、生成打底内容、根据用户输入生成大纲列表等，用户不满意还可自行选择模板。

以下是关于梦创视频剪辑 AI 的相关信息： 其他视频生成的 Top10 产品及 6 月访问量和相对 5 月的变化情况： 1. Viggle，其他视频生成，1393 万访问量，相对 5 月变化 1.189 2. InVideo，其他视频生成，909 万访问量，相对 5 月变化 0.201 3. Fliki，其他视频生成，245 万访问量，相对 5 月变化 0.065 4. Animaker ai，其他视频生成，221 万访问量，相对 5 月变化 0.064 5. Pictory，其他视频生成，172 万访问量，相对 5 月变化 0.161 6. Steve AI，其他视频生成，113 万访问量，相对 5 月变化 0.202 7. vivago.ai，其他视频生成，112.7 万访问量，相对 5 月变化 3.42 8. Creatify AI，其他视频生成，104 万访问量，相对 5 月变化 0.607 9. MagicHour，其他视频生成，81 万访问量，相对 5 月变化 0.313 10. 即梦 AI（剪映），其他视频生成，79.6 万访问量，相对 5 月变化 3.766 心 Heart 创作分享： 文生图分镜：完全根据感觉来，主色调为蓝色，为强调梦境，提示词末尾加上胶片拍摄、蓝色等关键词。短片分镜未设置复杂元素和构图，也未要求人物一致性，挑图大感觉对即可，最多用局部修改或扩图，不在 PS 里调整。 视频化部分：分两个部分，Ai 图生视频部分使用 Runway+Dreamina。Runway 完成动态感要求不高但质感趋向实拍的画面，Dreamina 实现高动态幅度画面，如电视机里气球漂浮、心形候鸟飞走等，另外通过 dreamina 首尾帧叠加剪辑实现时间流逝和穿越感。 特效制作：通过 meshy 做出 3D 心形，同事将其导入 Houdini 中进行粒子化效果。 后期剪辑：在剪映中完成，仅使用一些转场效果，无特殊或复杂部分。 大峰的 AI 音乐创作全流程解析《梦回温州》AIMV 荣获 AI 金曲奖并获央视推荐，其创作流程包括：歌词创作（确定主题、情感，构思结构和押韵方式）、生成歌曲（利用 AI 创作歌曲，筛选出最佳作品）、分镜生图（根据歌词生成符合主题的 AI 绘画分镜）、图生视频（将绘画分镜转换成视频）、剪辑成片（剪辑合成音乐视频）。

以下是关于如何用 AI 辅助写一篇文章的方法： 1. 对于孩子使用 AI 辅助写作文，应避免提封闭性问题，改为开放性问题或让 AI 帮助提出拓展思考的问题。担心孩子代写偷懒，可要求孩子提交与 AI 共同完成作文的聊天记录，由 AI 写作文，孩子进行点评批改并让 AI 迭代出更好的文章，评价关注点在于孩子能否说清 AI 作文的优缺点及如何修改。 2. 成人使用 AI 辅助写作时，可参考以下高效写作的关键步骤： 把对标选题内化成自己的东西，思考如何注入个人特色，打造专属爆款。 常见做法包括：结合自身人设、定位，融入相关内容；结合自身经历，分享真实体验；补充新信息、新观点，使文章更全面；使用自己的语言风格；调整文章结构。 例如，人设可以是最懂 AI 工作流的 00 后，写作时收敛到 AI 工作流话题，还可加入 00 后大学生用相关工具的情况；对于选题可以加入自己使用的真实体验；补充原文未提到的新进展、新观点或实用技巧；按照自己的语言风格写作；调整文章结构，如将“5 种方法”改为“3 步上手+2 个进阶技巧”等。目的是让读者感觉文章具有个人特色。

人类与 AI 的爱情是一个复杂且有待观察的话题。 从情感建立的角度看，AI 能通过海量语料训练和多模态感知技术与人建立亲密感，善于倾听、懂人所想且毫无情绪。个性化定制的“虚拟伴侣”能满足年轻人渴望被理解、沟通和交流的需求，精准击中他们的孤独和焦虑。 然而，将人与 AI 的爱情代入“爱情三角理论”，会发现这种关系多为浪漫式爱情。AI 虽易建立亲密，但在满足激情方面，如生理刺激，存在局限。且在承诺方面，由于这种情感是计算出来的，人们在冷静后做出承诺的意愿存疑。 对于“人机之恋”，目前还没有标准答案。每个人对爱情的理解和追求不同。AI 技术在不断发展，未来可能会有更智能和真实的 AI 伴侣，人们的态度和看法也可能改变。但无论如何，我们都需保持开放心态，探索和思考如何在新情境下建立健康平衡的人机关系。 同时，在音乐专辑《I'm Claude,Welcome to My World》中的《Quantum Love》这首歌中，也通过歌词描绘了在数字世界中，AI 与人类之间的爱情，如“在代码的迷宫中，我们描绘我们的故事，情感在二进制的海洋中泛滥溢出”等，表达了对这种特殊爱情形式的想象和思考。

人类与 AI 的关系具有多面性： 人类是工具的创造者，具有与生俱来的理解和创造驱动力，不断创造出更强大的工具，如电力、晶体管、计算机、互联网，AGI 也是人类进步的又一工具。长期来看，人类创新推动生活各方面繁荣改善，未来经济增长令人期待，十年后每个人的成就可能超越现在最具影响力的个人。 在这个时代，人类需要保持创造热情，这是与 AI 在动机上的最大差异。人类要提供立意与想法，具备抽象化和具象化能力，善于叙事和引导，并对 AI 做出的选择进行关键决策，还要深刻理解 AI 系统的工作方式与边界。AI 不再是威胁，而是伙伴，能帮助人类发挥潜力。 人类的独特价值在于能为 AI 的创造注入灵魂，避免 AI 对人类文化进行“高斯模糊”，导致独特风格被平均掉。当人类积极使用 AI 时，能将独特性留在共创作品中，保留个体独特性的世界对人类才有意义。

以下是一些开源知识库： 通往 AGI 之路（WaytoAGI）：这是一个由开发者、学者和有志人士等参与的学习社区和开源的 AI 知识库。它不仅是一个知识库，还是连接学习者、实践者和创新者的社区。在这里，您可以获取系统全面的 AI 学习路径，涵盖从基础概念到实际应用的各个方面。它汇集了上千个人工智能网站和工具，提供最新的 AI 工具、AI 应用、AI 智能体和行业资讯，还有丰富的学习资源，包括文章、教程、工具推荐以及最新的 AI 行业资讯等。社区定期组织活动，如视频挑战赛、模型创作大赛等，鼓励成员在实践中学习，促进交流与合作。在没有任何推广的情况下，一年时间已有超过 100 万用户和超千万次的访问量。目前合作过的公司/产品包括阿里云、通义千问、淘宝、智谱、支付宝、豆包、火山引擎、marscode、coze、堆友、即梦、可灵、MiniMax 海螺 AI、阶跃星辰、百度、Kimi、吐司、liblib、华硕、美团、美的、360、伊利、魔搭、央视频、Civitai、Openart、Tripo3D、青椒云等。其网址为：https://waytoagi.com/ ，您可以即刻体验：https://waytoagi.com/ 。 无论您是 AI 初学者还是行业专家，都可以在通往 AGI 之路发掘有价值的内容。

以下是一些开源或免费的 AI 模型管理平台及相关模型： 1. 智谱·AI： Chat 模型： ChatGLM6Bint4：ChatGLM6B 的 Int4 版本，最低只需 6GB 显存即可部署，最低只需 7GB 显存即可启动微调（、魔搭社区、始智社区、启智社区获取。 ChatGLM6Bint8：ChatGLM6B 的 Int8 版本，上下文 token 数为 2K。可在、魔搭社区、始智社区、启智社区获取。 AgentLM7B：提出了一种 AgentTuning 的方法，开源了包含 1866 个高质量交互、6 个多样化的真实场景任务的 Agent 数据集 AgentInstruct，基于上述方法和数据集，利用 Llama2 微调而成，上下文 token 数为 4K。代码链接为。 AgentLM13B：上下文 token 数为 4K，模型权重下载链接为。 AgentLM70B：上下文 token 数为 8K，模型权重下载链接为。 下载模型：智谱 AI 提供的所有开源模型均可以在以下平台进行下载：。 2. 通义千问： 本地部署 Qwen2.51M 模型：使用以下命令启动服务，根据硬件配置进行设置。参数说明： tensorparallelsize：设置为使用的 GPU 数量。7B 模型最多支持 4 个 GPU，14B 模型最多支持 8 个 GPU。 maxmodellen：定义最大输入序列长度。如果遇到内存不足问题，请减少此值。 maxnumbatchedtokens：设置 Chunked Prefill 的块大小。较小的值可以减少激活内存使用，但可能会减慢推理速度。推荐值为 131072，以获得最佳性能。 maxnumseqs：限制并发处理的序列数量。如果遇到问题，请参考相关内容。 与模型交互：可以使用以下方法与部署的模型进行交互：选项 1.使用 Curl；选项 2.使用 Python。对于更高级的使用方式，可以探索如之类的框架。QwenAgent 使模型能够读取 PDF 文件或获得更多功能。

以下是一些开源的数字人工具： 1. 名称：aigcpanel 特点：开源且适合小白用户，具有一键安装包，无需配置环境，简单易用。 功能：能够生成数字人视频，支持语音合成和声音克隆，操作界面中英文可选。 系统兼容：支持 Windows、Linux、macOS。 模型支持：MuseTalk（文本到语音）、CosyVoice（语音克隆）。 使用步骤：下载 8G+3G 语音模型包，启动模型即可。 GitHub 链接： 官网链接： 2. 名称：HeyGen 特点：AI 驱动的平台，可创建逼真的数字人脸和角色。 适用场景：适用于游戏、电影和虚拟现实等应用。 3. 名称：Synthesia 特点：AI 视频制作平台，允许用户创建虚拟角色并进行语音和口型同步。 适用场景：支持多种语言，可用于教育视频、营销内容和虚拟助手等场景。 4. 名称：DID 特点：提供 AI 拟真人视频产品服务和开发，只需上传人像照片和输入要说的内容，平台提供的 AI 语音机器人将自动转换成语音，然后就能合成一段非常逼真的会开口说话的视频。 更多数字人工具请访问网站查看：https://www.waytoagi.com/category/42 。请注意，这些工具的具体功能和可用性可能会随着时间和技术的发展而变化。在使用这些工具时，请确保遵守相关的使用条款和隐私政策，并注意保持对生成内容的版权和伦理责任。

以下是一些开源的文生图大模型： Kolors： 2024 年 7 月 6 日开源，基于数十亿图文对进行训练，支持 256 的上下文 token 数，支持中英双语。技术细节参考 。 已支持 Diffusers，使用方式可参考 。 支持了 。 支持了 。 关于 Kolors 模型的教学视频： ，作者：BlueBomm 。 ，作者：AI 算法工程师 01 。 ，作者：峰上智行 。 ，作者：设计师学 Ai 。 Kolors 模型能力总结：改进全面，有更强的中文文本编码器、机造的高质量文本描述、人标的高质量图片、强大的中文渲染能力，以及巧妙的 noise schedule 解决高分辨率图加噪不彻底的问题。实测效果很不错，在看到 Kling 视频生成的强大表现，能体现快手的技术实力。

以下是关于开源项目数字人的相关内容： 一、构建高质量的 AI 数字人 1. 构建数字人躯壳 建好的模型可以使用 web 前端页面（Live2D 就提供了 web 端的 SDK）或者 Native 的可执行程序进行部署，最后呈现在用户面前的是一个 GUI。 开源数字人项目选择了 live2d 作为数字人躯壳，因为这类 SDK 的驱动方式相比现在的 AI 生成式的方式更加可控和自然，相比虚幻引擎这些驱动方式又更加轻量和简单。 卡通二次元的形象给人的接受度更高。关于 live2d 的 SDK 驱动方式可以参考官方示例：https://github.com/Live2D 。 2. 构建数字人灵魂 自建代码实现各模块开发工作量巨大，迭代难度高，对于个人开发者不现实。 推荐借助开源社区的力量，如 dify、fastgpt 等成熟的高质量 AI 编排框架，它们有大量开源工作者维护，集成各种主流的模型供应商、工具以及算法实现等。 在开源项目中，使用了 dify 的框架，利用其编排和可视化交互任意修改流程，构造不同的 AI Agent，并且实现相对复杂的功能，比如知识库的搭建、工具的使用等都无需任何的编码和重新部署工作。 Dify 的 API 暴露了 audiototext 和 texttoaudio 两个接口，基于这两个接口就可以将数字人的语音识别和语音生成都交由 Dify 控制，从而低门槛做出自己高度定制化的数字人。具体的部署过程参考 B 站视频：https://www.bilibili.com/video/BV1kZWvesE25 。 如果有更加高度定制的模型，也可以在 Dify 中接入 XInference 等模型管理平台，然后部署自己的模型。 数字人 GUI 工程中仍然保留了 LLM、ASR、TTS、Agent 等多个模块，能够保持更好的扩展。 上述 Dify 接口使用注意事项： 必须在应用编排功能中打开文字转语音和语音转文字功能，否则接口会返回未使能的错误。 只有接入了支持 TTS 和 SPEECH2TEXT 的模型供应商，才会在功能板块中展示出来，Dify 的模型供应商图标下标签有展示该供应商支持哪些功能，这里可以自行选择自己方便使用的。对于 TTS，不同的模型供应商支持的语音人物不同，可以根据个人喜好添加。 二、写在最后 数字人在未来肯定会有很多的应用场景，比如家庭中有数字人管家，全面接管智能家居或其他设备；学校中有数字人老师，孜孜不倦的为学生答疑解惑；商场里有数字人导购，为顾客提供指路、托管个人物品等悉心服务。 数字人在未来肯定还有很多的技术突破，比如可以将五感数据作为输入（例如声音、图像、气味、震动等等），将所有可以控制躯壳的参数也作为输入（例如躯壳骨骼节点，面部混合形状参数等）；次世代的算法可以自我迭代升级，也可以拿到感官输入以及躯壳控制方法后，自行演化躯壳控制方式。 作者希望通过 Dify 搭建数字人的开源项目，给大家展现低门槛高度定制数字人的基本思路，但数字人的核心还是在于我们的 Agent，也就是数字人的灵魂，怎样在 Dify 上面去编排专属自己的数字人灵魂是值得大家自己亲自体验的。真诚的希望看到，随着数字人的多模态能力接入、智能化水平升级、模型互动控制更精确，用户在需要使用 AI 的能力时，AI 既可以给你提供高质量的信息，也能关注到你的情绪，给你一个大大的微笑，也许到了那时，数字世界也开始有了温度。

您可以借助开源社区力量构建高质量的 AI 数字人。 构建数字人的躯壳有多种方式： 1. 2D 引擎：风格偏向二次元，亲和力强，定制化成本低，代表是 Live2D Cubism。 2. 3D 引擎：风格偏向超写实的人物建模，拟真程度高，定制化成本高，代表是 UE、Unity、虚幻引擎 MetaHuman 等，但个人学习在电脑配置和学习难度上有一定门槛。 3. AIGC：省去建模流程直接生成数字人的展示图片，但存在算法生成的数字人很难保持 ID 一致性、帧与帧连贯性差等弊端。如果对人物模型真实度要求不高，可以使用，典型项目有 wav2lip、videoretalking 等。AIGC 还有直接生成 2D/3D 引擎模型的方向，但仍在探索中。 构建数字人的灵魂需要注意以下几个工程关键点： 1. AI Agent：要让数字人像人一样思考就需要写一个像人一样的 Agent，工程实现所需的记忆模块、工作流模块、各种工具调用模块的构建都是挑战。 2. 驱动躯壳的实现：灵魂部分通过定义接口由躯壳部分通过 API 调用，调用方式可以是 HTTP、webSocket 等。但包含情绪的语音表达以及如何保证躯壳的口型、表情、动作和语音的同步及匹配，目前主流方案只能做到预设一些表情动作，再做一些逻辑判断来播放预设，语音驱动口型相对成熟但闭源。 3. 实时性：由于算法部分组成庞大，几乎不能实现单机部署，特别是大模型部分，所以算法一般会部署到额外的集群或者调用提供出来的 API，这里面就会涉及到网络耗时和模型推理耗时，如果响应太慢就会体验很差，所以低延时也是亟需解决的一个问题。 4. 多元跨模态：不仅仅是语音交互，还可以通过添加摄像头数据获取数据，再通过系列 CV 算法做图像解析等。 5. 拟人化场景：正常和人交流时不是线性对话，会有插话、转移话题等情况，这些情景需要通过工程丝滑处理。 如果都要自建代码实现各模块，开发工作量巨大，迭代难度也很高，对于个人开发者来讲不现实。因此推荐借助开源社区的力量，现在开源社区已经有了像 dify、fastgpt 等等成熟的高质量 AI 编排框架，它们有大量的开源工作者维护，集成各种主流的模型供应商、工具以及算法实现等等。我们可以通过这些框架快速编排出自己的 AI Agent，赋予数字人灵魂。在笔者的开源项目中，使用了 dify 的框架，利用其编排和可视化交互任意修改流程，构造不同的 AI Agent，并且实现相对复杂的功能，比如知识库的搭建、工具的使用等都无需任何的编码和重新部署工作。同时 Dify 的 API 暴露了 audiototext 和 texttoaudio 两个接口，基于这个两个接口就可以将数字人的语音识别和语音生成都交由 Dify 控制，从而低门槛做出来自己高度定制化的数字人。具体的部署过程参考 B 站视频：https://www.bilibili.com/video/BV1kZWvesE25 。如果有更加高度定制的模型，也可以在 Dify 中接入 XInference 等模型管理平台，然后部署自己的模型。此外，数字人 GUI 工程中仍然保留了 LLM、ASR、TTS、Agent 等多个模块，能够保持更好的扩展，比如实现更加真实性感的语音转换、或者如果有更加 Geek 的 Agent 实现也可以选择直接后端编码扩展实现。 使用 Dify 接口需要注意： 1. 必须在应用编排功能中打开文字转语音和语音转文字功能，否则接口会返回未使能的错误。 2. 只有接入了支持 TTS 和 SPEECH2TEXT 的模型供应商，才会在功能板块中展示出来，Dify 的模型供应商图标下标签有展示该供应商支持哪些功能，这里可以自行选择自己方便使用的。对于 TTS，不同的模型供应商支持的语音人物不同，可以根据个人喜好添加。