直达「 通往AGI之路 」飞书知识库 →
首页/问答列表/问答详情

如何合成照片

回答

以下是关于合成照片的相关内容：

使用 Midjourney（MJ）生成人物图片：

  1. 确定人物形象：如“a little girl wearing a yellow floral skirt + 人物动作 + 风格词”，在 MJ 中生成直到得到满意的人物图像。
    • 垫图 URL + “In the forest,a little girl wearing a yellow floral skirt is playing happily,super high details,HDsmooth,by Jon Burgerman,--s 400 --ar 3:4 --niji 5 --style expressive --iw 2”
    • “--iw”取值范围在[0.5,2]，不填写默认“iw = 1”，“iw”值越大越接近垫的图像，反之更接近提示词。为确保人物一致性，取“--iw 2”。

合成人物和场景：

  1. 使用 PS 或者 Canva 将人物和场景合成到一张图，若色调不和谐：
    • 将合成后的图作为垫图（“--iw 2”），MJ 重新生图，提示词如：“垫图 url + Little girl wearing a yellow floral skirt,and her friend brown bear,taking shelter in the cave,rainstorm,super high details,HDsmooth,by Jon Burgerman,--s 400 --ar 3:4 --niji 5 --style expressive --iw 2”

使用 Camera Motion 合成照片：

  1. 上传图片：点击“AddImage”上传图片。
  2. 输入提示词：在“Prompt”中输入提示词。
  3. 设置运镜方向：选择想要的运镜方向，输入运镜值。
  4. 设置运动幅度：运动幅度和画面主体运动幅度有关，与运镜大小无关，可设置成任意值。
  5. 其它：选择好种子（seed），是否高清（HD Quality），是否去除水印（Remove Watermark）。
  6. 生成视频：点击“create”，生成视频。

照片数字人工作流及语音合成（TTS）API - 出门问问 Mobvoi：

  1. 照片数字人工作流 - 使用文档：
    • 出门问问：语音合成（TTS）API 获取地址
    • 参数及说明：
      • 字段名：text，必填，类型为 String，要合成的文本内容，限制为 1000 字符。支持 ssml 标记语言，使用说明见附录 3。
      • 字段名：appkey，必填，类型为 String，开发者在 AI 开放平台上申请的 appkey。
      • 字段名：signature，必填，类型为 String，签名，通过“appkey + secret + timestamp”进行 md5 加密，得到的 32 位 MD5 值。每次请求实时计算签名，签名有效期为 10 分钟。
      • 字段名：timestamp，必填，类型为 Long，当前时间戳，单位为秒。
      • 字段名：speaker，否，类型为 String，合成音频指定发音人，默认值：cissy_meet，其他发音人传值及计费价格请参考声音商店。
      • 字段名：audio_type，否，类型为 String，合成音频的格式，默认值：mp3，可选值：pcm/mp3/speex-wb-10/wav，只支持这四种格式中的一种。
      • 字段名：speed，否，类型为 Float，发音人合成的语速，支持小数点后两位，默认值：1.0，可选值：0.5 - 2.0。
      • 字段名：convert，否，类型为 String，默认值：无，可选值：robot，是否转化为机器声。
    • Request Header 设置
内容由 AI 大模型生成，请仔细甄别（powered by aily）

参考资料

MJ应用篇 儿童绘本制作、人物一致性解

确定人物形象：a little girl wearing a yellow floral skirt+人物动作+风格词，在mj中生成直到得到一张满意的人物图像垫图URL+In the forest,a little girl wearing a yellow floral skirt is playing happily,super high details,HDsmooth,by Jon Burgerman,--s 400 --ar 3:4 --niji 5 --style expressive --iw 2--iw取值范围[0.5,2]，不填写默认iw = 1，iw值越大越接近垫的图像，反之更接近提示词。为了确保人物一致性，取-- iw 2[heading1]合成人物和场景，垫图并重新生成[content]使用PS或者Canva将人物和场景合成到一张图，但是在色调上不太和谐：（如果这里画面和谐/ps技术足够，也可以不用图生图）将合成后的图作为垫图（--iw 2），mj重新生图如下。prompt：垫图url + Little girl wearing a yellow floral skirt,and her friend brown bear,taking shelter in the cave,rainstorm,super high details,HDsmooth,by Jon Burgerman,--s 400 --ar 3:4 --niji 5 --style expressive --iw 2[heading1]绘本展示

Camera Motion 使用教程

点击"AddImage"上传图片。[heading2]2.输入提示词[content]在“Prompt”中输入提示词。[heading2]3.设置运镜方向[content]选择您想要的运镜方向，输入[运镜值](https://waytoagi.feishu.cn/docx/Ci9yd5xu2o46rXxNofdcnqH9nXb#doxcniTMBNtWHj6MSpXvB2DTyUh)。（下图中所示为向右运镜）[heading2]4.设置运动幅度[content]运动幅度和画面主体运动幅度有关，与运镜大小无关，可以设置成您想要的任意值。[heading2]5.其它[content]选择好种子（seed），是否高清（HD Quality），是否去除水印（Remove Watermark）。[heading2]6.生成视频[content]点击“create”，生成视频。

照片数字人工作流及语音合成（TTS）API- 出门问问Mobvoi

[title]照片数字人工作流及语音合成（TTS）API-出门问问Mobvoi[heading1]照片数字人工作流-使用文档[heading2]让我们一起来实际操作吧！[heading3]出门问问：语音合成（TTS）API获取地址[heading4]语音合成（TTS）��参数及说明：|字段名|必填|类型|描述|<br>|-|-|-|-|<br>|text|是|String|要合成的文本内容，限制为1000字符。支持ssml标记语言，使用说明见附录3。|<br>|appkey|是|String|开发者在AI开放平台上申请的appkey。|<br>|signature|是|String|签名，通过“appkey+secret+timestamp”进行md5加密，得到的32位MD5值。其中加号也参与MD5的计算。<br>每次请求实时计算签名，签名有效期为10分钟。|<br>|timestamp|是|Long|当前时间戳，单位为秒。|<br>|speaker|否|String|合成音频指定发音人<br>默认值：cissy_meet<br>其他发音人传值及计费价格请参考声音商店。|<br>|audio_type|否|String|合成音频的格式<br>默认值：mp3<br>可选值：pcm/mp3/speex-wb-10/wav<br>只支持这四种格式中的一种|<br>|speed|否|Float|发音人合成的语速，支持小数点后两位<br>默认值：1.0<br>可选值：0.5-2.0|<br>|convert|否|String|默认值：无<br>可选值：robot<br>是否转化为机器声|Request Header设置

其他人在问
手写字照片转文本的工具
目前暂时没有关于手写字照片转文本工具的相关内容。但您可以通过以下几种常见的方式来实现这一功能： 1. 利用手机端的扫描应用，如扫描全能王等，它们通常具备将手写文字照片转换为文本的功能。 2. 部分办公软件也有类似功能，例如 WPS 中的扫描功能。 3. 在线工具如百度 OCR 等，也能对图片中的手写文字进行识别和转换。
2024-10-15
有没有一个ai，我提供照片之后他可以按照我的要求进行设计
以下为您介绍一些关于通过 AI 按照您的要求对提供的照片进行设计的相关知识： 关键词和主题描述： 图片内容通常分为二维插画和三维立体两种表现形式。 主题描述可以包括场景、故事、元素、物体或人物的细节搭配。比如描述一个动物园，要列举其中的动物、设施等；描述人物要独立描述其特征。 但大场景中多个角色的细节不太容易通过关键词生成。 设计风格： 设计师可能难以直接表达设计风格，可通过找风格类关键词参考或垫图/喂图，让 AI 结合主题描述生成相应风格的图片。 对于某些材质的描述，如玻璃、透明塑料等，关键词的运用有很多门道，需要针对特定风格进行“咒语测试”。 Midjourney 工具： Midjourney 是容易上手的 AI 绘图工具，适合新手。 对于 UI 设计，可使用指令模板「ui design forapplication,mobile app,iPhone,iOS,Apple Design Award,screenshot,single screen,high resolution,dribbble」，将“类型”替换为产品关键词描述（英文）生成 UI 设计图。 如出行类可使用「距离、车费、费用结算、优惠金额、地图」等关键词。 餐饮类可使用「介绍咖啡的特色、口味、咖啡豆产地、价格」等关键词。 运动类可使用「卡路里、步数、距离、某种运动」等描述。 若想指定生成某个页面（如首页、登录页等），可再加页面指令描述，如「landing page、Profile Page」。 社交平台可用「landing page」生成登录页设计。 信息类可用「Profile Page」生成个人资料页。 目前，Midjourney 产出的设计图更适合在 APP 设计的初始阶段，如头脑风暴和风格探索中提供灵感和创意，直接落地开发仍有距离，但随着技术迭代，这种距离有望缩短。
2024-10-13
如何在midjourney中只进行照片背景修改，而不修改人物姿态和表情
在 Midjourney 中只修改照片背景而不修改人物姿态和表情，您可以参考以下方法： 1. 得益于cref，midjourney 能够迅速达成角色一致性的目的而无需 Lora。其中，cref 代表 character reference（角色参考）；cw 则代表 character weight（参考权重），默认为 100，会参考角色的人脸和服装特点。如果您只想关注人脸，请调低到 0。您不需要对角色原图使用/describe 来贴近目标生成角色的形象，因为cref 会帮您完成这件事情。 2. 风格复制和服装的替换，则应当用提示词（prompt）和sref，默认值 100，越高越接近参考图像的风格。 3. 如果遇到“形似而神不似”的问题，即 MJ 直出和原人物在眼睛、眉毛、鼻子等其他地方的大小、间距有一些细微的差距，您可以按照以下步骤操作： 使用/settings 确保您处于模式并且 Remix 设置为打开。 选择带有您想要更改的面部的图像。使用将其从网格中分离出来，然后选择。 由于您已经开启了 Remix，您将能够编辑提示。 从提示中删除cref 和cw。一旦删除了它们，修改提示以对面部进行更改。例如，您可以慷慨地选择面部的下半部分，并添加“清洁剃须”来除去胡须。您可以尝试使用小的负权重，例如 tattoos::0.5 来移除纹身。 注意：当您对更改满意时，请确保不要再次添加cref 到提示中！一旦添加回来，“面部交换”将再次发生，那些不需要的属性将重新出现。 4. 有时，Midjourney 在正确将角色放置在背景中时会遇到一些困难。如果结果不连贯（例如，您看到头部朝后或图像被奇怪地裁剪），请尝试将 stylize增加到 800 1000。您也可以尝试将cw 同时降低到低于 100 的值，视情况而定。
2024-10-10
有没有照片生成卡通形象的AI工具
以下为您介绍一些可以将照片生成卡通形象的 AI 工具： Midjourney： 之前有制作过相关的视频教程，教大家从零开始使用并通过简单的提示词生成图片。 利用其以图绘图功能生成迪斯尼卡通风格的头像。具体操作是先选一张满意的照片，在 Discord 社区的 Midjourney 服务器聊天栏点击“+”，上传文件选取图片并发送（记得点击回车或发送按钮）。然后获取图片链接，加上 prompt 提示词发送给 Midjourney 即可。 出门问问： 这是一家以生成式 AI 和语音交互为核心的人工智能公司，提供面向创作者的 AIGC 工具等。 仅需上传一张照片，输入一段文字或者上传一段音频，就可以生成短视频让“照片开口说话”。不同风格的照片如真人、卡通、有胡须遮挡、有眼镜装饰等都可以驱动尝试。 如果您想用真人照片来生成卡通头像，就用“真人照片”+“照片描述”+“方法 1 的关键词”来处理。在使用过程中如果生成了满意的图，记得存起来，下次同种类型可直接拿来喂图，效果更好。
2024-10-10
我想用AI工具将照片风格化，提供现实照片后，生成元宇宙风格的图片，有哪些工具可以达成效果？
目前市面上有一些可以将照片风格化为元宇宙风格的 AI 工具，例如： 1. DALL·E2：能够根据输入的描述或原始图片生成富有创意和独特风格的图像。 2. StableDiffusion：具有强大的图像生成能力，可以通过设置相关参数和提示来实现照片的风格化。 3. Midjourney：可以根据输入的指令生成令人惊艳的图像效果，包括将照片转化为特定风格。 您可以根据自己的需求和使用习惯选择适合的工具。
2024-10-08
用什么AI工具，绘画出的美女，如同真人照片。
以下几种 AI 工具可以绘画出如同真人照片的美女： 1. 谷歌的文生图 AI 模型 Imagen 2，实测效果逼真细腻，生成的美女图仿佛真人照片，其对提示的还原程度已经超越了 DALL·E 3 和 Midjourney。 2. Visual Electric 是一个不需要操心技术的 AI 绘画网站，您只需要发挥创意就行。 需要注意的是，使用 AI 绘画工具时可能会遇到一些问题，比如在独立游戏开发中使用 AI 绘画可能会出现风格不合适、缺乏叙事性、素材有限、泛化性差等情况。但通过不断尝试和优化，如更换 Embedding、CKPT、Lora 等方式，以及进行一些特殊处理，如为引导前景后景区分明显的画专门绘制引导图、对人物朝向做镜像处理等，也能获得较为理想的效果。
2024-10-08
如何利用自动对齐技术，确保16位不同地点的人员录制的同一句口号音频同步且整齐，请推荐具有此功能的音频编辑工具、网站或AI工具，以便将这16段音频精确叠加并融合成一个协调一致的整体
以下是关于利用自动对齐技术确保 16 位不同地点人员录制的同一句口号音频同步且整齐的相关信息及工具推荐： 在音频编辑中，常见的步骤如下： 1. 选择合适的数字音频工作站（DAW），如 Studio One。上传 FLAC 无损格式的音频，只对融合部分进行 Inpaint 处理，保持其他音频信息不变，以避免音质问题。 2. 在 DAW 中对接音轨后，播放试听，并缩放波形图，检查波形是否正确对齐。若出现波形未对齐或播放时有咔哒声等问题，可能是在导出和处理过程中对音频施加了额外的效果器处理，如混响、限制器、压缩等，导致音频前后不一致，影响对接效果。因此，需要确保在不同的导出和处理步骤中，音频不受到额外的处理，或者在每次处理时保持相同的效果设置。 具有此功能的音频编辑工具和网站包括： 1. Studio One：可用于对齐拼接音轨，并进行后续的叠加额外音轨、调整音量和平衡等操作，以丰富音频的层次，注意叠加后各音轨的电平，避免过载或失衡。 2. Udio：具有混音功能，可对现有剪辑进行微妙或明显的变化。在提示框中有新的区域，通过滑块控制混音效果的强度。 此外，阿里的相关研究全面概述了大语言模型自动对齐的主要技术路径，将现有的自动对齐方法分为四大类：利用模型固有偏好实现对齐、通过模仿其他模型行为实现对齐、利用其他模型反馈实现对齐、通过环境交互获得对齐信号，并探讨了自动对齐背后的机理以及实现有效自动对齐的关键因素。但此研究主要针对大语言模型，对于音频对齐的直接应用可能有限。
2024-10-17
有哪些中文 ai 语音合成的项目
以下是一些中文 AI 语音合成的项目： ：基于 AI 的语音引擎能够模仿人类语音的情感和韵律。 ：基于 NLP 的最先进文本和音频编辑平台，内置数百种 AI 声音。 ：使用突触技术和脑机接口将想象的声音转化为合成 MIDI 乐器的脑控仪器。 ：为出版商和创作者开发最具吸引力的 AI 语音软件。 ：Wondercraft 使用户能够使用文本转语音技术生成播客。 ：基于生成机器学习模型构建内容创作的未来。 ：从网页仪表板或 VST 插件生成录音室质量的 AI 声音并训练 AI 语音模型。 ：演员优先、数字双重声音由最新的 AI 技术驱动，确保高效、真实和符合伦理。 ：将书面内容转化为引人入胜的音频，并实现无缝分发。 ：专业音频、语音、声音和音乐的扩展服务。 （被 Spotify 收购）：提供完全表达的 AI 生成语音，带来引人入胜的逼真表演。 ：利用合成媒体生成和检测，带来无限可能。 ：一键使您的内容多语言化，触及更多人群。 ：生成听起来真实的 AI 声音。 ：为游戏、电影和元宇宙提供 AI 语音演员。 ：为内容创作者提供语音克隆服务。 ：超逼真的文本转语音引擎。 ：使用单一 AI 驱动的 API 进行音频转录和理解。 ：听起来像真人的新声音。 ：从真实人的声音创建逼真的合成语音的文本转语音技术。 ：生成听起来完全像你的音频内容。 ：为所有人提供开放的语音技术。 在境内深度合成服务算法备案清单（2023 年 6 月）中，相关的有： 讯飞语音识别算法：服务提供者为科大讯飞股份有限公司，应用于讯飞输入法（APP）的文本生成场景，提取语音中声学特征，结合语言模型，识别短音频，生成文本信息。备案编号为网信算备 340104764864601230013 号。 讯飞星火认知大模型算法：服务技术支持者为科大讯飞股份有限公司，应用于开放域对话生成场景，利用文本、代码、prompt 数据及用户反馈数据训练 AI 大模型，服务于问答、咨询类的企业端客户，通过 API 提供文本生成服务。备案编号为网信算备 340104764864601230021 号。 美图图像深度合成类算法：服务提供者为厦门美图网科技有限公司，应用于图像生成场景，基于图像内容理解结果，实现对用户上传照片的艺术化重新生成。涉及美图设计室（APP）、美图秀秀（APP）、美颜相机（APP）等。备案编号为网信算备 350203814951001230015 号。 UC 小蜜智能客服算法：服务提供者为广州市动景计算机科技有限公司，应用于 UC 浏览器（APP）的在线智能客服场景，利用自然语言技术定位用户需求，生成文本、图像、音频、视频等形式的回答。备案编号为网信算备 440106203028801230019 号。 易次元生成合成算法：服务提供者为广州网易计算机系统有限公司，应用于易次元（APP）的对话生成场景，根据用户输入内容，应用对话模型，生成对话文本回复。备案编号为网信算备 440106306769001230011 号。
2024-10-14
AI 出图合成技巧
以下是一些 AI 出图合成的技巧： 方法 1（SD 出图 + AI 视频软件）： 在 SD 的 controlnet 中上传原图，选择深度，通过文生图生成图片，然后将生成好的图放在 AI 视频工具中进行视频生成。相关网站：dreamina：https://dreamina.jianying.com/aitool/video/generate 方法 2（MJ 出图 + AI 视频软件）： 使用 Midjourney 垫图加上描述出图，再去视频工具中转成视频。可在下载项里的深度图，打开 MJ 官网（https://www.midjourney.com/）上传深度图。局部重绘有一定难度，最终方式可以是分开画，比如先画个被关着的红衣服女孩，再画个二战德国士兵的背影，然后合成，拼在一起再交给 MJ。各种垫图局部重绘也能无中生有。
2024-09-12
我给你设计一个有机化学结构式，你能找出合成路线吗
目前的技术可以帮助您找出化学结构式的合成路线。例如，像“Coscientist”这样的人工智能系统，当被问及能否合成某个分子时，它会首先在互联网上搜索相关的合成路线，然后根据搜索结果制定实验协议，接着将实验协议写成代码以指导自动化实验设备，最后由机器人执行实验任务。这个过程是可迭代的，能够根据实验结果调整协议以改进实验并实现预期目标。 另外，在一些研究中也提到，解决诸如寻找化学合成途径等问题遵循一定的模式，虽然在实际情况中相关的可能性图可能非常庞大，但可以通过一些常见的方法来应对挑战，比如为不同的可能状态或结果分配分数，只追求得分较高的路径；在自动定理证明中，也有从初始命题向下和从最终定理向上工作，试图找到中间的交汇路径等方法。同时，如果已经确定了从 X 到 Y 存在路径的“引理”，可以将 X → Y 作为新规则添加到规则集合中。
2024-08-30
我给你分子结构，能设计合成路线吗
目前利用大型语言模型，如“Coscientist”人工智能系统，可以为给定的分子结构设计合成路线。其工作流程大致为：当被问及能否合成某个分子时，首先会在互联网上搜索相关合成路线，接着根据搜索结果制定实验协议，然后将实验协议写成代码以指导自动化实验设备，最后由机器人执行实验任务。这个过程是可迭代的，能根据实验结果调整协议以改进实验并实现预期目标。 在生物学领域，AI 也能在创造新的蛋白质方面发挥作用。例如，华盛顿大学的研究员克里斯·诺恩先生最近使用 AI 创造了一种类似萤火虫的发光蛋白质，其他研究人员也已在寻找治疟疾疫苗和帕金森病研究中使用了 AI。过去创造新蛋白质需要确定氨基酸序列如何折叠成最终分子结构以确定其实际功能，过程艰难，而现在 AI 极大地提高了效率。
2024-08-30
项目六 语音合成和音乐生成 6.1语音合成基础知识 6.1.1语⾳合成技术的发展历程 6.1.2新语⾳合成技术的优势 6.2语音合成和音乐生成应用场景 6.2.1语⾳合成技术的发展历程应⽤场景 6.2.2 ⾳乐⽣成在旅游⾏业的应⽤ 6.3语音合成和音乐生成的常用工具 6.3.1语音合成的常用工具 6.3.2音乐生成的常用工具 请根据以上内容生成思维导图
以下是为您生成的关于语音合成和音乐生成的思维导图： 一、语音合成基础知识 1. 语音合成技术的发展历程 2. 新语音合成技术的优势 二、语音合成和音乐生成应用场景 1. 语音合成技术的发展历程应用场景 2. 音乐生成在旅游行业的应用 三、语音合成和音乐生成的常用工具 1. 语音合成的常用工具 11labs（官网：https://elevenlabs.io/） 2. 音乐生成的常用工具 Manglemoose（新工具名称未公布） OpenAI 的 Jukebox（项目地址：https://openai.com/research/jukebox ） 希望这个思维导图对您有所帮助！如果您还有其他需求，请随时告诉我。
2024-08-10