直达「 通往AGI之路 」飞书知识库 →
首页/问答列表/问答详情

stable diffusion快速

回答

以下是关于如何快速上手 Stable Diffusion 的相关内容：

一分钟生成自己的二次元造型：

  • 利用图生图功能，使用自己的照片生成二次元照片。
  • 更换能生成二次元照片的大模型。
  • 输入正面关键词，如“高质量，高清画质，大师杰作，极致的细节，8k，主体就是一个女孩”。
  • 复制前面提供的负面关键词。
  • 在空白处上传需要生成的照片。
  • 调整重绘幅度，生成二次元照片时拉到 0.6 - 0.8 左右。

写好关键词，让你事半功倍：

  • 先写质量词，然后描述照片主体及细节，如“一个女孩，非常精致的五官，极具细节的眼睛和嘴巴，长发，卷发，细腻的皮肤，大眼睛”，并翻译成英文。
  • 描述人物服装，如“白色的毛衣、项链（white sweater,necklace,）”。
  • 加上其他元素，如背景、天气、照片姿势、构图等，如“在街上，阳光，上半身照片（street,Sunshine,upper body photos,）”。
  • 推荐一行一行分开类型写关键词，每行末尾加上英文逗号。

按照以上步骤和方法，您可以更快速地掌握 Stable Diffusion 的使用技巧。

内容由 AI 大模型生成，请仔细甄别（powered by aily）

参考资料

教程：超详细的Stable Diffusion教程

大家有没有试过花二三十块钱，把自己的照片发给别人，让人家帮自己生成一张二次元画风的照片拿来当头像然后别人含泪血赚19.9，还有一毛钱是电费今天看到这篇文章你就省钱啦！Stable Diffusion不用一分钟，不管你是要2.5D还是2D的照片，它都能生成！这里我们用到的是图生图里面的功能我们是要用自己的照片生成一张二次元的照片一定要记得换大模型！！选一个能生成二次元照片的大模型就可以至于正面关键词呢我们只要输入照片质量和主体的关键词就可以比如我这里输入的就是：高质量，高清画质，大师杰作，极致的细节，8k，主体就是一个女孩负面关键词我们就复制前面给大家的就可以啦接着我们就在这个空白的地方点击上传自己需要生成的照片接着鼠标往下移，找到“重绘幅度”重绘幅度的意思就是你要改变你原来照片的程度当你的重绘幅度拉到1，这时候就相当于要完全改变你的照片，生成出来的照片就跟原先的照片毫无关系了这里如果大家是要生成二次元照片的，把重绘幅度拉到0.6~0.8就差不多了，大家可以多试试几个参数这样设置下来一分钟都不用！就可以生成自己的二次元造型，大家就省下20块钱啦！

我用Stable Diffusion做电商！

[title]我用Stable Diffusion做电商！wearing the light green dress,fashion photography,studio light,.35mm photograph,film,bokeh,professional,4k,highly detailed.award-winning,professional,highly detailed,Negative prompt:ugly,disfigured,lowres,bad anatomy,bad hands,text,error,missing fingers,extra digit,fewer digits,cropped,worst quality,low quality,normal quality,jpeg artifacts,signature,watermark,username,blurrySteps:20,Sampler:DPM++ 2M Karras,CFG scale:7,Seed:3748048683,Size:362x486,Model hash:7c819b6d13,Model:majicmixRealistic_v7,VAE hash:c6a580b13a,VAE:vae-ft-mse-840000-ema-pruned.safetensors,Denoising strength:0.75,Clip skip:2,Mask blur:2,ControlNet 0:"Module:none,Model:control_v11p_sd15_openpose[cab727d4],Weight:1,Resize Mode:Crop and Resize,Low Vram:False,Processor Res:512,Guidance Start:0,Guidance End:1,Pixel Perfect:True,Control Mode:My prompt is more important",Version:v1.6.0换个手链，不要手表了额换饰品o(*￣▽￣*)ブprompts & parametersbreathtaking cinematic photo,masterpiece,best quality,(photorealistic:1.33),blonde hair,silver necklace,carrying a white bag,standing,full body,detailed face,big eyes,detailed hands,bracelet,wearing the light green dress,fashion photography,studio light,.35mm photograph,film,bokeh,professional,4k,highly detailed.award-winning,professional,highly detailed,

教程：超详细的Stable Diffusion教程

[title]教程：超详细的Stable Diffusion教程[heading1]三、小白快速上手Stable Diffusion[heading2]2.写好关键词，让你事半功倍[heading3]01.正面关键词写完质量词，接着就是我们照片的内容先写的就是照片的主体，和对主体的细节描写比如我们是要生成一个女孩，就要写出来一个女孩，以及这个女孩长什么样也可以写出来也就是：一个女孩，非常精致的五官，极具细节的眼睛和嘴巴，长发，卷发，细腻的皮肤，大眼睛翻译成英文就是：1girl,very delicate features,very detailed eyes and mouth,long hair,curly hair,delicate skin,big eyes,这些照片内容大家都是可以随意改的，但是像精致的五官、细节的眼睛这类词语，大家可以都加上去写完五官之后，我们就可以想一下让照片的人物穿什么衣服，裤子，或者加上帽子之类的配饰像裙子、毛衣、牛仔裤、比基尼都可以，还可以写上衣服的颜色比如：白色的毛衣、项链（white sweater,necklace,）最后我们就可以写上其他乱七八糟的东西，比如背景、天气、照片姿势、构图等等比如说：在街上，阳光，上半身照片（street,Sunshine,upper body photos,）好啦，这样一套下来，我们的关键词就写的差不多了推荐大家像我这样一行一行分开类型去写关键词，这样后面想要改词更好找但一定要注意每一行的最后要加上英文逗号，否则它就会跟下一个单词连起来变成一个新单词总结一下我们写关键词的公式：画质+主体+主体细节+人物服装+其他（背景、天气、构图等）好，现在我们新生成了一张照片，但是发现她并没有我关键词里的卷发，

其他人在问
stable diffusion
稳定扩散（Stable Diffusion）的运作原理如下： 消除图像中的噪点：如果拍照太暗会产生噪点，而稳定扩散能“清理”图像。它比手机图像编辑器的噪点消除滑块复杂得多，它了解世界的样子和书面语言，并以此指导噪点消除过程。例如，给它一幅以 H.R. Giger 风格描绘的外星人弹吉他的初始图像，它能像熟练的平面艺术家一样进行清理和创作。 推理步骤：稳定扩散是逐步去除噪点的，通过“推理步骤”滑块可以控制。 起始方式：为生成艺术，给稳定扩散提供的初始图像实际上只是纯噪点，然后谎称这是一幅特定风格的画让其清理。从简单层面看，它作为计算机程序会执行任务；从深层次看，它基于统计数据，估计所有选项的概率，即使没有正确答案，每次给不同的纯噪点图像都会创作出不同的作品。 此外，UNET 是从噪音中生成图像的主要组件，在预测过程中通过反复调用 UNET，将其预测输出的 noise slice 从原有的噪声中去除，得到逐步去噪后的图像表示。Stable Diffusion Model 的 UNET 包含约 860M 的参数，以 float32 的精度编码大概需要 3.4G 的存储空间。CLIP 将用户输入的 Prompt 文本转化成 text embedding，UNET 进行迭代降噪，在文本引导下进行多轮预测。稳定扩散最初称为潜在扩散模型，在传统扩散模型中存在计算效率问题，稳定扩散是为解决此问题提出的。ComfyUI 中存放路径为 models/checkpoints/，有 SD 基础预训练模型，如 SD1.5、SDXL 以及微调模型，训练方法有 DreamBooth 等，格式有 EMAonly & pruned 和 Full 两种。
2024-10-10
stable diffusion 绘本一致性
Stable Diffusion 绘本一致性相关知识如下： 工作原理： Stable Diffusion 生成随机噪声，并逐步更改噪声以努力获得与提示一致的图像。其基本结构包括 encoder + diffusion + decoder 的流程。Checkpoint 记录某个训练周期整个 diffusion 及可能的 encoder decoder 的参数，VAE 是 encoder decoder 的参数，在 SDXL 等大型模型中需配对以避免花屏现象。LoRA 模型训练时先冻结 SD 模型权重，然后在 UNet 结构中注入 LoRA 模块并与 CrossAttention 模块结合，只对部分参数微调。 相关论文： AnyDoor： MixofShow： LyCORIS： 影响生成结果的因素： 影响生成的图与他人不同的因素包括随机数种子（Seed）。随机数种子控制最底层形状，决定照片基础轮廓，如人物外形轮廓、姿势和站位等。当随机数为“1”时，SD 会随机生成种子。可在点击生成的照片下面的一大串英文中查看 seed 值。只有所有参数包括随机数种子都与他人相同时，才能生成相似的照片。
2024-09-30
如何 学习stable diffusion
学习 Stable Diffusion 可以参考以下内容： 学习 Stable Diffusion 的提示词： 1. 学习基本概念： 了解 Stable Diffusion 的工作原理和模型架构。 理解提示词如何影响生成结果。 掌握提示词的组成部分（主题词、修饰词、反面词等）。 2. 研究官方文档和教程： 通读 Stable Diffusion 官方文档，了解提示词相关指南。 研究来自开发团队和专家的教程和技巧分享。 3. 学习常见术语和范例： 熟悉 UI、艺术、摄影等相关领域的专业术语和概念。 研究优秀的图像标题和描述，作为提示词范例。 4. 掌握关键技巧： 学习如何组合多个词条来精确描述想要的效果。 掌握使用“（）”、“”等符号来控制生成权重的技巧。 了解如何处理抽象概念、情感等无形事物的描述。 5. 实践和反馈： 使用不同的提示词尝试生成各种风格和主题的图像。 对比提示词和实际结果，分析原因，总结经验教训。 在社区内分享结果，请教高手，获取反馈和建议。 6. 创建提示词库： 根据主题、风格等维度，建立自己的高质量提示词库。 将成功案例和总结记录在案，方便后续参考和复用。 7. 持续跟进前沿： 关注 Stable Diffusion 的最新更新和社区分享。 及时掌握提示词的新技术、新范式、新趋势。 学习 Stable Diffusion Web UI： 1. 安装必要的软件环境： 安装 Git 用于克隆源代码。 安装 Python 3.10.6 版本，确保勾选“Add Python 3.10 to PATH”选项。 安装 Miniconda 或 Anaconda 创建 Python 虚拟环境。 2. 克隆 Stable Diffusion Web UI 源代码： 打开命令行工具，输入命令 git clone https://github.com/AUTOMATIC1111/stablediffusionwebui.git ，将源代码克隆到本地目录。 3. 运行安装脚本： 进入 stablediffusionwebui 目录。 运行 webuiuser.bat 或 webui.sh 脚本，它会自动安装依赖项并配置环境。等待安装完成，命令行会显示 Web UI 的访问地址。 4. 访问 Web UI 界面： 复制命令行显示的本地 Web 地址，在浏览器中打开，即可进入 Stable Diffusion Web UI 的图形化界面。 5. 学习 Web UI 的基本操作： 了解 Web UI 的各种设置选项，如模型、采样器、采样步数等。 尝试生成图像，观察不同参数对结果的影响。 学习使用提示词（prompt）来控制生成效果。 6. 探索 Web UI 的扩展功能： 了解 Web UI 支持的各种插件和扩展，如 Lora、Hypernetwork 等。 学习如何导入自定义模型、VAE、embedding 等文件。 掌握图像管理、任务管理等技巧，提高工作效率。 通过这些步骤，相信您可以快速上手 Stable Diffusion 及其 Web UI，开始探索 AI 绘画的乐趣。后续还可以深入学习 Stable Diffusion 的原理，以及在不同场景中的应用。请注意，以上内容由 AI 大模型生成，请仔细甄别。
2024-09-24
tensorflow和stable diffusion的结合
TensorFlow 和 Stable Diffusion 的结合涉及以下方面： Stable Diffusion 的基本原理： 生成随机噪声，并逐步更改噪声以努力获得与提示一致的图像。 基本结构是 encoder + diffusion + decoder 的流程。 Checkpoint 记录某个训练周期整个 diffusion 及可能的 encoder decoder 的参数。 VAE 是 encoder decoder 的参数，在大型模型中需配对以避免花屏现象。 Stable Diffusion 的技术原理： 核心技术来源于 Patrick Esser 和 Robin Romabach，基于潜扩散模型（Latent Diffusion Model）研究。 使用新颖的文本编码器（OpenCLIP）将文本输入转换为向量表示，捕捉语义信息并与图像空间对齐。 利用扩散模型将随机噪声图像逐渐变换为目标图像，从训练数据中学习概率分布并采样新数据。 在扩散过程中，利用文本向量和噪声图像作为条件输入，给出每步变换的概率分布，以根据文本指导收敛并保持图像质量。 Stable Diffusion 训练数据集制作： 设置 max_data_loader_n_workers 大于等于 2 加速数据处理。 数据标注流程包括使用 BLIP 进行自然语言自动标注和使用 Waifu Diffusion v1.4 模型自动标注 tag 标签。 调用 Waifu Diffusion v1.4 模型需安装特定版本（2.10.0）的 TensorFlow 库，可通过命令行检查与安装适配。
2024-09-23
Stable Diffusion官网
以下是 Stable Diffusion 的相关信息： Stable Diffusion 系列资源： SD 1.4 官方项目： SD 1.5 官方项目： SD 2.x 官方项目： diffusers 库中的 SD 代码 pipelines： SD 核心论文： SD Turbo 技术报告： 教程目录： 1. Stable Diffusion 系列资源 2. 零基础深入浅出理解 Stable Diffusion 核心基础原理 2.1 通俗讲解 Stable Diffusion 模型工作流程（包含详细图解） 2.2 从 0 到 1 读懂 Stable Diffusion 模型核心基础原理（包含详细图解） 2.3 零基础读懂 Stable Diffusion 训练全过程（包含详细图解） 2.4 其他主流生成式模型介绍 3. Stable Diffusion 核心网络结构解析（全网最详细） 3.1 SD 模型整体架构初识 3.2 VAE 模型 3.3 UNet 模型 3.4 CLIP Text Encoder 模型 3.5 SD 官方训练细节解析 4. 从 0 到 1 搭建使用 Stable Diffusion 模型进行 AI 绘画（全网最详细讲解） 4.1 零基础使用 ComfyUI 搭建 Stable Diffusion 推理流程 4.2 零基础使用 SD.Next 搭建 Stable Diffusion 推理流程 4.3 零基础使用 Stable Diffusion WebUI 搭建 Stable Diffusion 推理流程 目前 Stable Diffusion WebUI 可以说是开源社区使用 Stable Diffusion 模型进行 AI 绘画最热门的框架。是 AI 绘画领域最为流行的框架，其生态极其繁荣，非常多的上下游插件能够与 Stable Diffusion WebUI 一起完成诸如 AI 视频生成，AI 证件照生成等工作流，可玩性非常强。接下来，咱们就使用这个流行框架搭建 Stable Diffusion 推理流程。首先，我们需要下载安装 Stable Diffusion WebUI 框架，我们只需要在命令行输入如下代码即可。安装好后，我们可以看到本地的 stablediffusionwebui 文件夹。下面我们需要安装其依赖库，我们进入 Stable Diffusion WebUI 文件夹，并进行以下操作。和 SD.Next 的配置流程类似，我们还需要配置 Stable Diffusion WebUI 的 repositories 插件，我们需要运行下面的代码。如果发现 repositories 插件下载速度较慢，出现很多报错，don't worry，大家可以直接使用 Rocky 已经配置好的资源包，可以快速启动 Stable Diffusion WebUI 框架。Stable Diffusion WebUI 资源包可以关注公众号 WeThinkIn，后台回复“ WebUI 资源”获取。 4.4 零基础使用 diffusers 搭建 Stable Diffusion 推理流程 4.5 Stable Diffusion 生成示例 5. Stable Diffusion 经典应用场景 5.1 文本生成图像 5.2 图片生成图片 5.3 图像 inpainting 5.4 使用 controlnet 辅助生成图片 5.5 超分辨率重建 6. 从 0 到 1 上手使用 Stable Diffusion 训练自己的 AI 绘画模型（全网最详细讲解） 6.0 Stable Diffusion 训练资源分享 6.1 Stable Diffusion 模型训练初识 6.2 配置训练环境与训练文件 6.3 SD 训练数据集制作 6.4 Stable Diffusion 微调（finetune）训练
2024-09-18
stable diffusion可以用macbook 13来运行吗？配置够吗
Stable Diffusion（简称“SD”）的运行对电脑配置有一定要求。对于 Windows 系统： 显卡：必须是 NVIDIA（俗称 N 卡）。 专用 GPU 内存：4GB 勉强可以跑动 SD，出图时间较长；6GB 出一张图时间为 20 50 秒，大部分功能可用；8GB 5 20 秒出一张图，所有功能基本开放。 电脑运行内存：8GB 以上。 电脑系统：Win10 或者 Win11。 对于 Mac 系统，可以查看以下视频进行一键安装：https://www.bilibili.com/video/BV1Kh4y1W7Vg/?spm_id_from=333.788&vd_source=6f836e2ab17b1bdb4fc5ea98f38df761 但具体 MacBook 13 是否能运行及配置是否足够，还需根据上述标准进行对照检查。
2024-09-16
找了好久也没找到，记得老师是建筑设计师，设计了在深圳大楼，做了有关于 stablediffution 的分享，你能帮我找到是哪个视频吗
以下是为您找到的相关视频信息： 1. 爆肝博主 ZHO 去年 10 月份发布的一系列围绕 Stable Diffusion 的系统整理视频，深入浅出地介绍了整个生态的发展和梳理，包括论文原理和应用技术等多方面内容，分了四集，一共 4 小时，超 5 万字。系列导览： 认识 Stable Diffusion、一周年回顾和 SD 生态圈三方面展开，形成基础认识。 从 AIGC 浪潮聚焦到扩散的系统梳理，从理论的角度理解扩散模型如何实现 0 到 1 的跨越。 将围绕 SD 展开从模型到生态的全面盘点，一起探究 SD 的创新与未来。 对各类 GUI 的盘点、聚焦 ComfyUI，从设计到实际操作做全面梳理。系列视频：b23.tv/NVRRqqQ 2. EP.3 IP Adapter 对话阿文，阿文老师介绍自己是发布会 PPT 设计师，2022 年 4 月开始关注 diffusion 领域，早期跟了很多工具的发布以及测评，比如 DallE 和 Stable Diffusion，一直尝试把 AI 工具用到平面工作流当中。
2024-10-09
stable diff
以下是关于 Stable Diffusion 的相关信息： 中文大模型基准测评 2023 年度报告中未直接提及 Stable Diffusion 的相关内容。 有关于 Stable Diffusion 安装过程中常见报错解决方法的教程： 目录不正确报错：: 显存不足报错：File “D:\\openai.wiki\\stablediffusionwebui\\venv\\lib\\sitepackages\\torch\\nn\\modules\\module.py”,line 664,in _apply 、param_applied = fnIf reserved memory is >> allocated memory try setting max_split_size_mb to avoid fragmentation.See documentation for Memory Management and PYTORCH_CUDA_ALLOC_CONF 、Stable diffusion model failed to load,exiting 、请按任意键继续。 。解决方法包括换个好一些的显卡（至少英伟达 2060 以上），或者开启低显存模式（在 stablediffusionwebui 文件夹下找到 webuiuser.bat，用文本或代码编辑器打开该文件夹）。
2024-09-30
如何快速入门学习ai
以下是快速入门学习 AI 的方法： 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，可根据自己的兴趣选择特定模块深入学习。 掌握提示词的技巧，它上手容易且很有用。 4. 实践和尝试： 理论学习后，实践是巩固知识的关键，尝试使用各种产品做出作品。 知识库中有很多实践后的作品、文章分享。 5. 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，了解其工作原理和交互方式。 对于不会代码的情况，20 分钟上手 Python + AI 可以这样做： 在深入学习 AI 时，许多朋友因需要编程而感到困难，各类教程默认会打命令行也增加了入门难度。因此有了这份简明入门，旨在让大家更快掌握 Python 和 AI 的相互调用，在接下来的 20 分钟内循序渐进完成以下任务： 1. 完成一个简单程序。 2. 完成一个爬虫应用，抓取公众号文章。 3. 完成一个 AI 应用，为公众号文章生成概述。 一些背景： 关于 Python： Python 就像哆拉 A 梦，它拥有一个装满各种道具的百宝袋，被称为标准库，遇到问题时可直接使用。如果百宝袋里的道具不够用，还可以通过 pip 一类的工具订购新道具，也可以在 GitHub 一类的分享代码的平台获取。Python 被全世界广泛使用，尤其是在 AI 领域。 关于 OpenAI API： OpenAI 通过两种方式提供服务，其一通过 ChatGPT 提供开箱即用的服务，直接对话即可；其二通过 OpenAI API 提供更加灵活的服务，通过代码调用完成更多自动化任务。
2024-10-18
有可以查询图片的快速方法吗？
以下为一些快速查询图片的方法： 1. 利用 Perplexity.AI 的 Search Images 功能：点击搜索结果旁的加号，可快速浏览并选择与主题紧密相连的图片资源。在挑选图片时，要避免使用带有水印、画质不清晰或分辨率较低的图片。图片出处主要在 twitter 和官方网站。 2. 对于 Midjourney 生成的图片： 作业 ID 是其唯一标识符，格式类似于 9333dcd0681e4840a29c801e502ae424，可以在图像文件名的第一部分、网站上的 URL 和图像文件名中找到。 在网页上，可通过选择...> Copy...>作业 ID 来在作品库中查找任何图像的作业 ID。 从 URL 中，可在打开作品的网页链接末尾找到 Job ID。 从文件名中，Job ID 在文件名的最后一部分。 使用表情符号✉️可以将已完成的作业发送到私信中，私信中将包括图像的 seed 号和作业 ID，但✉️表情符号只适用于您自己的作业。 3. 如果不喜欢用模板找封面图，可根据文章内容搜索匹配的封面。比如在公众号中搜索同行的封面，直接“拿来主义”。若文章正文里没有封面图，可用壹伴浏览器插件的“查看封面”按钮（需会员），或者使用秘塔 AI 搜索工具，输入文章链接获取封面。相关在线工具链接：https://www.mgpaiban.com/tool/wxfm.html ，为方便使用可将其收藏。
2024-10-16
如何在AI的帮助下快速完成一份PPT
以下是在 AI 的帮助下快速完成一份 PPT 的方法： 1. 掌握基本概念：了解 PPT 的基本结构和要素，经过简单培训和利用模板，能较快制作出 PPT。 2. 利用 AI 编程：与传统编程相比，AI 编程降低了入门门槛，无需记忆大量语法规则和深入理解复杂算法，在 AI 协助下可完成编程任务。 3. 借助相关工具：如 GPT4、WPS AI 和 chatPPT 等。先使用 GPT4 生成大纲内容，再用 WPS AI 进行排版，最后打开 WPS 插件 chatPPT 为整份 PPT 添加动画。 4. 提前测试工具：在众多生成 PPT 的 AI 工具中，如 gamma、百度文库、mindshow 等，通过测试选择适合自己的工具。 5. 注意细节修改：在生成后修改事实性错误，以保证内容的准确性。
2024-10-14
怎样快速的从新手变为一个AI方面的资深从业者？
要从新手快速成长为 AI 方面的资深从业者，可以按照以下步骤进行： 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。 掌握提示词的技巧，它上手容易且很有用。 4. 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。 5. 体验 AI 产品： 与现有的 AI 产品如 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人进行互动，了解它们的工作原理和交互方式，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。 此外，【野菩萨的 AIGC 资深课】由工信部下属单位【人民邮电出版社】开设，是市面上为数不多的值得推荐的 AI 课程之一，也是全网技术更新最快的课程！课程内容涵盖 AI 绘画、视听语言和 ChatGPT 等多个体系的知识。无论您是 AI 初学者还是进阶者，这门课程都能满足您的学习需求。您可以扫码添加菩萨老师助理，了解更多信息。
2024-10-13
阅读管理学领域的学术文献，哪个AI的大模型提炼信息更精准，更快速
目前在管理学领域学术文献的信息提炼方面，不同的 AI 大模型各有特点，难以确切地说哪个模型更精准、更快速。一些常见的大模型如 GPT4、文心一言等在处理自然语言和提取信息方面都具有一定的能力，但它们在不同类型和主题的文献处理上可能表现各异。这还取决于文献的具体内容、格式和复杂程度等因素。
2024-10-12
我是AI小白，如何快速上手AI软件啊？
以下是为您提供的快速上手 AI 软件的建议： 对于小白来说，要快速上手 AI 软件，可以参考以下步骤： 使用 Cursor AI 编程软件： 1. 分辨两个模式：Chat 模式可与大模型对话，Composer 模式能即时反馈，直接创建文件和填写代码。 2. 例如在 Composer 模式下输入“给我创建一个 2048 的网页游戏吧”，等待 1 2 分钟生成。 3. 生成后可能会有两个文件，可打开文件夹找到 index.html 双击运行。 4. 若环境报错双击打不开，可截图在 composer 对话框询问解决方法。 对于普通人直观初接触 AI 工具： 1. 了解最低成本能直接上手试的工具以及自己能否尝试。 2. 了解现在最普遍/最好的工具及其能达到的效果。 3. 虽然底层都是大模型，但 AI 工具各有侧重且不同公司有各自优化。 4. 为了更直观上手，可选择聊天工具、绘画工具、视频工具、音乐工具等展开体验。 关于每一种工具的详细入门、讲解和应用，WayToAIG 已经分好了类目。
2024-10-11