AI修图

要让企业微信接上 AI 并变成一个 AI 客服，可以参考以下内容： 1. 基于 COW 框架的 ChatBot 实现方案：这是一个基于大模型搭建的 Chat 机器人框架，可以将多模型塞进微信（包括企业微信）里。张梦飞同学写了更适合小白的使用教程，链接为： 。 可以实现打造属于自己的 ChatBot，包括文本对话、文件总结、链接访问、联网搜索、图片识别、AI 画图等功能，以及常用开源插件的安装应用。 正式开始前需要知道：本实现思路需要接入大模型 API 的方式实现（API 单独付费）。 风险与注意事项：微信端因为是非常规使用，会有封号危险，不建议主力微信号接入；只探讨操作步骤，请依法合规使用，大模型生成的内容注意甄别，确保所有操作均符合相关法律法规的要求，禁止将此操作用于任何非法目的，处理敏感或个人隐私数据时注意脱敏，以防任何可能的滥用或泄露。 支持多平台接入，如微信、企业微信、公众号、飞书、钉钉等；多模型选择，如 GPT3.5/GPT4.0/Claude/文心一言/讯飞星火/通义千问/Gemini/GLM4/LinkAI 等等；多消息类型支持，能处理文本、语音和图片，以及基于自有知识库进行定制的企业智能客服功能；多部署方法，如本地运行、服务器运行、Docker 的方式。 2. DIN 配置：先配置 FastGpt、OneAPI，装上 AI 的大脑后，可体验知识库功能并与 AI 对话。新建应用，在知识库菜单新建知识库，上传文件或写入信息，最后将拥有知识库能力的 AI 助手接入微信。

围棋 AI 领域具有重要的研究价值和突破。在古老的围棋游戏中，AI 面临着巨大挑战，如搜索空间大、棋面评估难等。DeepMind 团队通过提出全新方法，利用价值网络评估棋面优劣，策略网络选择最佳落子，且两个网络以人类高手对弈和 AI 自我博弈数据为基础训练，达到蒙特卡洛树搜索水平，并将其与蒙特卡洛树搜索有机结合，取得了前所未有的突破。在复杂领域 AI 第一次战胜人类的神来之笔 37 步，也预示着在其他复杂领域 AI 与人类智能对比的进一步突破可能。此外，神经网络在处理未知规则方面具有优势，虽然传统方法在处理象棋问题上可行，但对于围棋则困难重重，而神经网络专门应对此类未知规则情况。关于这部分内容，推荐阅读《这就是 ChatGPT》一书，其作者备受推崇，美团技术学院院长刘江老师的导读序也有助于了解 AI 和大语言模型计算路线的发展。

以下 AI 工具可以实现提取多个指定网页的更新内容： 1. Coze：支持自动采集和手动采集两种方式。自动采集包括从单个页面或批量从指定网站中导入内容，可选择是否自动更新指定页面的内容及更新频率。批量添加网页内容时，输入要批量添加的网页内容的根地址或 sitemap 地址然后单击导入。手动采集需要先安装浏览器扩展程序，标注要采集的内容，内容上传成功率高。 2. AI Share Card：能够一键解析各类网页内容，生成推荐文案，把分享链接转换为精美的二维码分享卡。通过用户浏览器，以浏览器插件形式本地提取网页内容。

以下是关于文字生成视频（文生视频）的相关信息： 一些提供文生视频功能的产品： Pika：擅长动画制作，支持视频编辑。 SVD：Stable Diffusion 的插件，可在图片基础上生成视频。 Runway：老牌工具，提供实时涂抹修改视频功能，但收费。 Kaiber：视频转视频 AI，能将原视频转换成各种风格。 Sora：由 OpenAI 开发，可生成长达 1 分钟以上的视频。 更多相关网站可查看：https://www.waytoagi.com/category/38 。 制作 5 秒单镜头文生视频的实操步骤（以梦 AI 为例）： 进入平台：打开梦 AI 网站并登录，新用户有积分可免费体验。 输入提示词：涵盖景别、主体、环境、光线、动作、运镜等描述。 选择参数并点击生成：确认提示词无误后，选择模型、画面比例，点击「生成」按钮。 预览与下载：生成完毕后预览视频，满意则下载保存，不理想可调整提示词再试。 视频模型 Sora：OpenAI 发布的首款文生视频模型，能根据文字指令创造逼真且充满想象力的场景，可生成长达 1 分钟的一镜到底超长视频，视频中的人物和镜头具有惊人的一致性和稳定性。

以下是在钉钉上学 AI 的相关内容： 从 AI 助教到智慧学伴的应用探索： 登录钉钉客户端，在右上角依次选择钉钉魔法棒、AI 助理、创建 AI 助理。进入创建 AI 助理页面后，填写 AI 助理信息，设置完成即可创建成功。 AI 领导力向阳乔木：未提及具体的在钉钉上学 AI 的操作方法。 基于 COW 框架的 ChatBot 实现步骤： 创建应用： 进入，登录后点击创建应用，填写应用相关信息。 点击添加应用能力，选择“机器人”能力并添加。 配置机器人信息后点击发布，发布后点击“点击调试”，会自动创建测试群聊，可在客户端查看。点击版本管理与发布，创建新版本发布。 项目配置： 点击凭证与基础信息，获取 Client ID 和 Client Secret 两个参数。 参考项目，将相关配置加入项目根目录的 config.json 文件，并设置 channel_type:"dingtalk"，注意运行前需安装依赖。 点击事件订阅，点击已完成接入，验证连接通道，会显示连接接入成功。 使用：与机器人私聊或将机器人拉入企业群中均可开启对话。

以下是一些常见的 AI 术语解释： Agents（智能体）：一个设置了一些目标或任务，可以迭代运行的大型语言模型。与大型语言模型在像 ChatGPT 这样的工具中的通常使用方式不同，Agent 拥有复杂的工作流程，模型本质上可以自我对话，无需人类驱动每一部分的交互。属于技术范畴。 ASI（人工超级智能）：尽管存在争议，但通常被定义为超越人类思维能力的人工智能。属于通识范畴。 Attention（注意力）：在神经网络的上下文中，有助于模型在生成输出时专注于输入的相关部分。属于技术范畴。 Bias（偏差）：AI 模型对数据所做的假设。“偏差方差权衡”是模型对数据的假设与给定不同训练数据的模型预测变化量之间必须实现的平衡。归纳偏差是机器学习算法对数据的基础分布所做的一组假设。属于技术范畴。 Chatbot（聊天机器人）：一种计算机程序，旨在通过文本或语音交互模拟人类对话。通常利用自然语言处理技术来理解用户输入并提供相关响应。属于通识范畴。 CLIP（对比语言图像预训练）：由 OpenAI 开发的 AI 模型，用于连接图像和文本，使其能够理解和生成图像的描述。属于技术范畴。 TPU（张量处理单元）：谷歌开发的一种微处理器，专门用于加速机器学习工作负载。属于技术范畴。 Training Data（训练数据）：用于训练机器学习模型的数据集。属于技术范畴。 Transfer Learning（迁移学习）：机器学习中的一种方法，其中对新问题使用预先训练的模型。属于技术范畴。 Validation Data（验证集）：机器学习中使用的数据集的子集，独立于训练数据集和测试数据集。用于调整模型的超参数（即架构，而不是权重）。属于技术范畴。 Knowledge Distillation（数据蒸馏）：数据蒸馏旨在将给定的一个原始的大数据集浓缩并生成一个小型数据集，使得在这一小数据集上训练出的模型，和在原数据集上训练得到的模型表现相似。在深度学习领域中被广泛应用，特别是在模型压缩和模型部署方面。可以帮助将复杂的模型转化为更轻量级的模型，并能够促进模型的迁移学习和模型集成，提高模型的鲁棒性和泛化能力。属于技术范畴。 RAG（检索增强生成）：检索增强生成。属于技术范畴。 Forward Propagation（前向传播）：在神经网络中，输入数据被馈送到网络并通过每一层（从输入层到隐藏层，最后到输出层）以产生输出的过程。网络对输入应用权重和偏差，并使用激活函数生成最终输出。属于技术范畴。 Foundation Model（基础模型）：在广泛数据上训练的大型 AI 模型，旨在适应特定任务。属于技术范畴。 GAN（通用对抗网络）：一种机器学习模型，用于生成类似于某些现有数据的新数据。使两个神经网络相互对抗：一个“生成器”，创建新数据，另一个“鉴别器”试图将数据与真实数据区分开来。属于技术范畴。 Generative AI/Gen AI（生成式 AI）：AI 的一个分支，专注于创建模型，这些模型可以根据现有数据的模式和示例生成新的原创内容，例如图像、音乐或文本。属于通识范畴。 GPU（图形处理单元）：一种特殊类型的微处理器，主要用于快速渲染图像以输出到显示器。在执行训练和运行神经网络所需的计算方面也非常高效。属于产品范畴。

以下是为您提供的小白学习 AI 辅助修图从入门到精通的教程大纲： 一、基础知识与基本玩法 1. 了解 AI 辅助修图的概念和基本原理。 2. 熟悉常见的 AI 修图工具和软件。 二、常见问题与注意事项 1. 风格局限性：如全是二次元风格，缺少适合特定需求的风格。 2. 图像叙事性不足：画出来的多为美少女看镜头，缺乏叙事内容。 3. 素材局限性：已有素材单一，图生图可行性低，训练泛化性差。 三、常见误区与避坑指南 1. 避免盲目依赖初始的 Embedding、CKPT 等方法，不断尝试和改进。 2. 注意训练集中人物朝向固定等问题，采取相应处理措施，如镜像处理。 四、从入门到精通的进阶玩法 1. 掌握不同的训练方法，如 Lora 等，以获得更理想的效果。 2. 学会引导 AI 画出具有前景后景区分明显的图像，如制作引导图。 五、高级卡 bug 玩法 探索一些非常规但有效的技巧和方法，以突破常规限制，实现更出色的修图效果。但需注意，此部分玩法可能存在一定风险和不确定性。 六、常见红海赛道 分析当前 AI 辅助修图在不同领域的竞争激烈程度和应用热点。 在学习过程中，还需了解以下 AI 相关的技术原理和概念： 1. 生成式 AI 生成的内容称为 AIGC。 2. 相关技术名词： AI 即人工智能。 机器学习包括监督学习、无监督学习、强化学习，监督学习有标签，无监督学习无标签，强化学习从反馈中学习。 深度学习参照人脑神经网络，神经网络可用于多种学习方式。 生成式 AI 可生成多种内容形式。 LLM 为大语言模型，不同模型有不同擅长的任务。 3. 技术里程碑：2017 年 6 月谷歌团队发表的《Attention is All You Need》提出了 Transformer 模型。

以下为一些 AI 修图相关的网站： 1. ILLUMINARTY（https://app.illuminarty.ai/）：通过对大量图片数据的抓取和分析，给出画作属性的判断可能性，但在测试中可能存在对真实摄影作品的误判。 2. Visual Electric（https://visualelectric.com/）：适合设计师，不需要操心技术，只需要发挥创意，图片分享链接也可以直接 remix。 3. MewXAI（https://www.mewxai.cn/）：是一款强大专业且新手友好、操作简单的 AI 绘画创作平台，具有众多功能，如 MX 绘画、MX Cute、MJ 绘画、边缘检测、室内设计、姿态检测、AI 艺术二维码、AI 艺术字等。但需注意内容由 AI 大模型生成，请仔细甄别。

以下是关于 AI 修图的相关内容： AI 作图的创作方法与实操演示： 趣味性通过反差、反逻辑、超现实方式带来视觉冲击，美感需在美术基础不出错前提下形式与内容结合。 纹身图创作要点在于强调人机交互，对输出图片根据想象进行二次和多次微调，确定情绪、风格等锚点再发散联想。 以魔法少女为例，发散联想其服饰、场景、相关元素等，并可采用反逻辑反差方式。 提示词编写要用自然语言详细描述画面内容，避免废话词，Flux 对提示词的理解和可控性强。 实操演示准备时，以未发布的 Lora 为例，按赛题需求先确定中式或日式怪诞风格的创作引子。 人物创作过程从汉服女孩入手，逐步联想其颜色、发型、妆容、配饰、表情、背景等元素编写提示词。 比赛要求及作图思路： 参加由麦乐园和摩达社区发起的 AI 梦一单一世界比赛，须用摩搭平台和麦橘超然模型作为底膜训练 Lora，提交训练好的 Lora 及用其生成的六张以上高质量、展现完整世界观的作品。 作图分三步，一是明确创作主题即锚点，根据 Lora 风格确定创作方向；二是确定主体，联想主体的角色设定；三是增加叙事感，让画面有一到两个及以上角色，制造反差和联想。 图片构成因素与构图： 好看的图片的构成因素包括构图、色彩以及光影。 构图指在框架或空间内元素的摆放位置、形状、物体形状及纹理等，好的构图能引导观看者并创造和谐平衡。 构图分类包括景别（远景、全景、中景、近景、特写）和拍摄视角（俯视、平视、仰视，正面、侧面、背面）。 构图要素有主体、陪体、前景、背景、点线面，合理运用可丰富画面。 构图方式如点中心构图、九宫格构图、三分法构图、对称构图、对角线构图、曲线构图、框架构图、三角形构图等。在 AI 绘图中，推荐中景及以上景别，全身景别可能需开 AD 跳以确保作图质量。 AI 修图行业现状： 目前的 AI 修图新应用，与移动互联网时代的“美图秀秀”相比，缺乏颠覆性创新。“美图秀秀”等主流修图产品也在积极引入 AI 功能，新应用很难脱颖而出。 妙鸭这款产品是特例，2024 年凭借独特的产品功能和用户体验收获大量用户关注和使用，其“先试用后付费”的策略及 9.9 元的定价有吸引力，背靠互联网大厂有资源优势，但市场空间和后续发展潜力需观察。 相较 AI 类应用，传统移动互联网时代成熟的 APP 商业模式通过免费吸引用户，再通过广告等方式实现间接收入，当前阶段或许不再适用于 AI 应用，ToC 创业公司在产品发布早期阶段要敢于向用户收费。

以下是关于使用 AI 修图变清晰的方法： 1. 将照片放入后期处理中，使用 GFPGAN 算法将人脸变清晰。您可以参考文章——。但此步骤无法将照片中的头发、衣服等元素变清晰。 2. 将图片发送到图生图中，打开 stableSR 脚本，放大两倍。此放大插件是所有插件中对原图还原最精准、重绘效果最好的。您可以参考文章——。切换到 sd2.1 的模型进行修复，vae 选择 vqgan，提示词可以不写以免干扰原图。 3. 启用 MutiDiffusion 插件，不开放大倍数，仅使用分块渲染功能，可在显存不够时将图片放大到足够倍数。 4. 对于复杂照片，可先在 ps 里调整角度和裁切，然后使用上述步骤上色。若直接上色效果不佳，可放弃人物服装颜色指定，只给场景方向，让 AI 自行决定。比如加入第二个 controlnet 控制颜色，使用 t2ia_color 模型，给出简单关键词如“蓝天、绿树、灰石砖”。 另外，在 Stable Diffusion 中，AI 出图默认分辨率为 512x512，用于商业不够。提高最终出图分辨率的方法之一是高清修复：在文生图功能中有内置的高清修复（HiresFix）功能，将初始分辨率设为 800x420，选择放大倍率为 2，理论上放大倍率越高图片越清晰，但实际效果与电脑配置和显卡显存有关。先以 800x420 画图，获取种子值并填入随机数种子固定图片，放大时算法选择需根据绘图风格，二次元可选 RESRGAN 4x+Anime6B，写实类可选 RESRGAN 4x+。

AI 修图的原理主要包括以下几个方面： 1. 对于 Stable Diffusion 这类软件，其工作原理类似于学习画画。就像学习梵高的风格，需要大量临摹，而 AI 则通过对成千上万美术风格作品的学习形成大模型，如 Checkpoint。用户要想获得满意的作品，需选择合适的大模型。大模型可在 C 站下载，但需科学上网。 2. ComfyUI 是一个开源的用于生成 AI 图像的图形用户界面，主要基于 Stable Diffusion 等扩散模型。其原理包括 Pixel Space（像素空间）和 Latent Space（潜在空间）。像素空间对应输入图像或随机噪声图像，最终生成的图像也会转换回像素空间。许多操作在潜在空间进行，如通过 KSampler 节点执行采样过程，可通过节点调整潜在空间的操作，如噪声添加、去噪步数等。 3. 扩散过程是从噪声生成图像的过程，通过调度器控制，如 Normal、Karras 等，可选择不同调度器控制在潜在空间中处理噪声及逐步去噪回归到最终图像。时间步数也会影响图像生成的精细度和质量。 在实际的 AI 修图过程中，还涉及到提示词编写、对输出图片的二次和多次微调、确定情绪和风格等锚点再发散联想等操作，以获得更符合需求的修图效果。

以下是一些常见的修图 AI 工具： 1. Niji·journey 5：在二次元绘画领域表现出色，能够生成令人惊叹的二次元风格角色。 2. 无界 AI：国内网络可稳定使用，有免费出图点数，支持中文关键词输入，无需额外下载风格模型，可直接取用。 如果您想了解更多关于这些工具的详细信息或使用方法，可以进一步向我提问。