图片问答相关的大模型产品有哪些

以下是关于搭建问答机器人的相关信息： 飞书方面： 2024 年 2 月 22 日的会议介绍了 WaytoAGI 社区的情况，包括成立愿景、目标、知识库和社区在飞书平台的状况。探讨了利用 AI 技术帮助用户检索知识库内容，引入 RAG 技术，通过机器人快速检索。介绍了基于飞书的知识库智能问答技术的应用场景和实现方法，能快速给大模型补充新知识和内容。还介绍了使用飞书的智能伙伴功能搭建 FAQ 机器人以及智能助理的原理和使用方法，以及企业级 agent 方面的实践。 「飞书智能伙伴创建平台」（英文名：Aily）是飞书团队旗下的企业级 AI 应用开发平台，提供简单、安全且高效的环境，帮助企业构建和发布 AI 应用，推动业务创新和效率提升。 本地部署方面： 经过调研，可先采取 Langchain+Ollama 的技术栈作为 demo 实现，后续也会考虑使用 dify、fastgpt 等更直观易用的 AI 开发平台。整体框架设计思路如下。运行环境是 Intel Mac，其他操作系统也可行，下载模型可能需要梯子。 Langchain 是当前大模型应用开发的主流框架之一，提供一系列工具和接口，其核心在于“链”概念，是模块化的组件系统，包括 Model I/O、Retrieval、Chains、Agents、Memory 和 Callbacks 等组件，可灵活组合支持复杂应用逻辑。其生态系统还包括 LangSmith、LangGraph 和 LangServe 等工具，帮助开发者高效管理从原型到生产的各个阶段，优化 LLM 应用。 Ollama 是一个开箱即用的用于在本地运行大模型的框架。 Coze 方面： 在利用 Coze 搭建知识库时，需要如下流程：收集知识、创建知识库、创建数据库用以存储每次的问答、创建工作流、编写 Bot 的提示词、预览调试与发布。收集知识通常有三种方式，包括企业或个人沉淀的 Word、PDF 等文档，企业或个人沉淀的云文档（通过链接访问），互联网公开一些内容（可安装 Coze 提供的插件采集）。海外官方文档：https://www.coze.com/docs/zh_cn/knowledge.html ，国内官方文档：https://www.coze.cn/docs/guides/use_knowledge 。

生成自己的问答知识库可以通过以下两种方式： 1. 使用 GPT 打造个人知识库： 将大文本拆分成若干小文本块（chunk）。 通过 embeddings API 将小文本块转换成与语义相关的 embeddings 向量，并在向量储存库中保存这些向量和文本块。 当用户提出问题时，将问题转换成向量，与向量储存库中的向量比对，查找距离最小的几个向量，提取对应的文本块，与问题组合成新的 prompt 发送给 GPT API。 例如，对于“此文作者是谁？”的问题，通过比较 embeddings 向量，提取关联度高的文本块，如“本文作者：越山。xxxx。”“《反脆弱》作者塔勒布xxxx。”，组合后发送给 GPT API 以获取回答。 2. 基于 RAG 机制实现知识库问答： 知识库问答是机器人的基础功能，可根据用户问题从知识库中找最佳答案，利用了大模型的 RAG 机制。 RAG 机制全称为“检索增强生成”（RetrievalAugmented Generation），结合了检索和生成两种主要的人工智能技术，先从大型数据集中检索与问题相关的信息，再利用这些信息生成回答。 要实现知识库问答，首先创建包含大量文章和资料的知识库，如有关 AI 启蒙和信息来源的知识库，通过手工录入方式上传文章内容。 在设计 Bot 时添加知识库，并设置合适的搜索策略、最大召回数量和最小匹配度，以更好地利用知识库返回的内容进行结合回答。

以下是把资料信息存放到知识库，通过问答方式得到答案的案例： 安仔在开源 AI 社区中，基于 RAG 机制实现了知识库问答功能。首先创建一个包含大量社区 AI 相关文章和资料的知识库，例如创建有关 AI 启蒙和信息来源的知识库，通过手工录入方式上传栏目所有文章内容，然后陆续将社区其他板块的文章和资料导入。在设计 Bot 时，添加这个知识库，并设置合适的搜索策略、最大召回数量和最小匹配度，以更好地利用知识库返回的内容进行结合回答。 在阅读书籍、论文的互动式问答场景中，对应的关键词库包括书籍、报告、文件、详细信息、查询、主题、作者、出版日期、出版社、问题、方面、原则、方法、概括、主要观点、解释。需要注意的是，ChatGPT 的知识库截止于 2021 年 9 月，对于更新的数据或最新出版的书籍、报告和文件，它无法提供答案。如果有现成的 PDF，建议通过 CHATDOC 网站进行互动式问答。

以下是为您推荐的 AI 智能问答软件： 1. WaytoAGI.com 网站新增的智能对话功能： 能够轻松地与「通往 AGI 之路」的知识库进行互动。 在首页输入 AI 相关问题，系统会迅速提供答案要点和参考文章。 在导航目录下，可看到别人在问的 AI 问题。 该功能上线得益于飞书 Aily 团队的支持。 2. 飞书群问答机器人： 自动问答：自动回答用户关于 AGI 知识库内涉及的问题，对多文档进行总结、提炼。 知识搜索：在内置的「waytoAGI」知识库中搜索特定信息和数据，快速返回相关内容。 文档引用：提供与用户查询相关的文档部分或引用，帮助用户获取更深入理解。 互动教学：通过互动式问答，帮助群成员学习和理解 AI 相关复杂概念。 最新动态更新：分享有关 AGI 领域的最新研究成果、新闻和趋势。 社区互动：促进群内讨论、提问和回答，增强社区的互动性和参与度。 资源共享：提供访问和下载 AI 相关研究论文、书籍、课程和其他资源的链接。 多语言支持：支持多语言问答，满足不同背景用户的需求。 此外，飞书平台上还有关于搭建问答机器人的分享，包括利用 AI 技术帮助用户更好地检索知识库中的内容，引入 RAG 技术，使用飞书的智能伙伴功能来搭建 FAQ 机器人，以及智能助理的原理和使用方法等。

搭建公司内部具有数字人智能问答、AI 陪练、个人学习规划与点评、业务方案生成等功能的智慧知识平台，需要以下几个关键步骤： 1. 需求分析：明确公司的业务需求、用户群体特点以及对各个功能模块的具体要求。 2. 技术选型：选择适合的技术框架和工具，例如自然语言处理技术、机器学习算法、数据库管理系统等。 3. 数据准备：收集和整理大量的相关数据，包括业务知识、常见问题、员工学习资料等，并进行数据清洗和预处理。 4. 数字人智能问答模块：利用自然语言处理技术和深度学习模型，训练数字人能够理解用户的问题并提供准确的回答。 5. AI 陪练模块：设计有效的训练场景和算法，让 AI 能够与员工进行互动式的陪练，提供反馈和指导。 6. 个人学习规划与点评模块：根据员工的学习历史和能力水平，制定个性化的学习规划，并能够对学习成果进行点评和建议。 7. 业务方案生成模块：基于公司的业务数据和需求，利用数据分析和生成模型，为用户提供可行的业务方案。 8. 系统集成与测试：将各个模块集成到一个统一的平台中，并进行充分的测试，确保系统的稳定性和功能的完整性。 9. 用户培训与推广：对员工进行系统使用的培训，提高用户的接受度和使用率。 10. 持续优化：根据用户的反馈和实际使用情况，不断优化和改进平台的功能和性能。

要做一个好用的问答知识机器人并编写相关文档，可参考以下步骤： 1. 选择合适的知识库创建工具，如使用 Coze 进行操作。 以外贸大师产品的帮助文档为例，选择其中一个文档来创建知识库，如“购买后新人常见问题汇总·语雀”。 点击创建知识库，并从知识库中添加知识单元。 为获得更好的检索效果，可使用 Local doucuments 方式，上传 Markdown 格式文档。注意文档数据格式，每个问题以“”开头（这是 Markdown 的语法）。 准备上传文件，完成知识库构建。 2. 配置问答机器人： 左侧有三处配置，分别是 AI 模型、提示词和知识库。 AI 模型：可选择如阿里千问模型。 提示词：告诉模型其角色和应专注的技能，使其成为所需的“员工”。 知识库：相当于给“聪明”员工发放的工作手册，包含特定场景下的具体规则和信息。 3. 注意事项： 文档的分片策略会严重影响查询结果，这是当前 RAG 自身的方案原理导致的。 基于 Coze 的知识库问答是典型的 RAG 方案，存在跨分片总结和推理能力弱、文档有序性被打破、表格解析失败等问题。后续可进一步研究如何组织文档形式以更好分片。

Florence 节点和模型的下载方法如下： 节点下载： 方法一：从节点管理器中安装（注意结尾是 V2.6int4 的那个）。 方法二：在秋叶包中安装（注意结尾是 V2.6int4 的那个）。 方法三：直接下载下面文件解压，复制 ComfyUI_MiniCPMV2_6int4 文件夹到您的“\\ComfyUI\\custom_nodes”目录下。注意 ComfyUI_MiniCPMV2_6int4 文件夹里面直接就是多个文件不能再包文件夹了。 夸克网盘：链接：https://pan.quark.cn/s/bc35e6c7e8a6 百度网盘：链接：https://pan.baidu.com/s/1sq9e2dcZsLGMDNNpmuYp6Q?pwd=jdei 提取码：jdei 模型下载： 模型下载地址（解压后大小 5.55G，压缩包大小 4.85G）： 夸克网盘：链接：https://pan.quark.cn/s/98c953d1ec8b 百度网盘：链接：https://pan.baidu.com/s/1y4wYyLn511al4LDEkIGEsA?pwd=bred 提取码：bred 此外，Joy_caption 相关模型下载： 从 https://huggingface.co/unsloth/MetaLlama3.18Bbnb4bit 下载并放到 Models/LLM/MetaLlama3.18Bbnb4bit 文件夹内。 必须手动下载: https://huggingface.co/spaces/fancyfeast/joycaptionprealpha/tree/main/wpkklhc6 ，存放文件夹：models/Joy_caption 。 MiniCPMv2_6 提示生成器 + CogFlorence： https://huggingface.co/pzc163/MiniCPMv2_6promptgenerator https://huggingface.co/thwri/CogFlorence2.2Large TheMisto.ai 的 MistoLine 版相关： 节点： MistoControlNetFluxdev ，在您的 \\ComfyUI\\custom_nodes 文件夹里面右键终端命令行，复制相关代码即可下载，或者通过以下网盘下载： 夸克网盘：链接：https://pan.quark.cn/s/ad43dd5152a6 百度网盘：链接：https://pan.baidu.com/s/1NcOdG4AV68xTup8FvphsYA?pwd=lpvc 提取码：lpvc 模型： 夸克网盘：链接：https://pan.quark.cn/s/5551e813db21 百度网盘：链接：https://pan.baidu.com/s/1Ntf4MbTCGJ5TYDv6mgvqNQ?pwd=zhfq 提取码：zhfq 处理：将模型放到您的 ComfyUI\\models\\TheMisto_model 文件夹中，并导入官方工作流 。

以下是关于 Lora 模型训练数据集的相关内容： 创建数据集： 1. 进入厚德云模型训练数据集（https://portal.houdeyun.cn/sd/dataset）。 2. 在数据集一栏中，点击右上角创建数据集，输入数据集名称。 3. 可以上传包含图片+标签 txt 的 zip 文件，也可以只有图片（之后可在 c 站使用自动打标功能），还可以一张一张单独上传照片，但建议提前把图片和标签打包成 zip 上传。 4. Zip 文件里图片名称与标签文件应当匹配，例如：图片名“1.png”，对应的达标文件就叫“1.txt”。 5. 上传 zip 以后等待一段时间，确认创建数据集。返回到上一个页面，等待一段时间后上传成功，可以点击详情检查，能预览到数据集的图片以及对应的标签。 Lora 训练： 1. 点击 Flux，基础模型会默认是 FLUX 1.0D 版本。 2. 选择数据集，点击右侧箭头，会跳出所有上传过的数据集。 3. 触发词可有可无，取决于数据集是否有触发词。模型效果预览提示词则随机抽取一个数据集中的标签填入即可。 4. 训练参数这里可以调节重复次数与训练轮数，厚德云会自动计算训练步数。如果不知道如何设置，可以默认 20 重复次数和 10 轮训练轮数。 5. 可以按需求选择是否加速，点击开始训练，会显示所需要消耗的算力。然后等待训练，会显示预览时间和进度条。训练完成会显示每一轮的预览图。鼠标悬浮到想要的轮次模型，中间会有个生图，点击会自动跳转到使用此 lora 生图的界面。点击下方的下载按钮则会自动下载到本地。 用 SD 训练一套贴纸 LoRA 模型的工作流： 1. 原始形象：MJ 初步产出符合设计想法的贴纸原始形象。 2. 二次加工：完成贴纸的白色边线等细节加工。 3. 处理素材：给训练集图片打 tag，修改 tag。 4. 训练模型：将上述处理好的数据集做成训练集，进行训练。 用 SD 训练一套贴纸 LoRA 模型的原始形象：MJ 关键词： A drawing for a rabbit stickers,in the style of hallyu,screenshot,mori kei,duckcore plush doll art exaggerated poses,cry/happy/sad/...ar 3:4 niji 5 style cute s 180 。会得到不同风格的贴图，我们可以先看看自己喜欢哪一种。出图过程可以有意识地总结这一类贴图的特征，比如都是可爱的兔子，有不同的衣服和头饰，都有一双大大的卡通眼睛，会有不同的面部表情。 注意事项： 1. 关键词中限制了颜色，因此 MJ 生成的图片会一种情绪对应一种颜色，所以同一种情绪最好多生成几张不同色系的，可以减少后续训练中模型把情绪和颜色做挂钩（如果需要这样的话，也可以反其道而行之）。 2. 数据集中正面情绪与负面情绪最好比例差不多，如果都是正面积极的，在出一些负面情时（sad，cry）的时候，可能会出现奇怪的问题（如我们训练的是兔子形象，但 ai 认知的 sad 可能是人的形象，可能会出现人物特征）。 3. 如果训练 256266 大小的表情包，这样的素材就已经够用了。如果要训练更高像素的图片，则需要进一步使用 MJ 垫图和高清扩展功能。 高清化： 左（256）→右（1024），输入左图，加入内容描述，加入风格描述，挑选合适的，选出新 30 张图片（卡通二次元类型的 lora 训练集 30 张差不多，真人 60100 张）。

以下是关于 Lora 模型训练的相关内容： 一、用 SD 训练一套贴纸 LoRA 模型的要点 1. 训练数据集准备：包括训练素材处理、图像预处理、打标优化。 2. 训练环境参数配置：选择本地或云端训练环境，进行训练环境配置和训练参数配置。 3. 模型训练：基于 kohyass 训练模型。 4. 模型测试：通过 XYZ plot 测试模型。 二、郑敏轩：Flux 的 Lora 模型训练 1. 所需模型下载：t5xxl_fp16.safetensors、clip_l.safetensors、ae.safetensors、flux1dev.safetensors。 注意事项： 不使用时，模型放置位置不限，只要知道路径即可。 训练时，建议使用 flux1dev.safetensors 版本的模型和 t5xxl_fp16.safetensors 版本的编码器。 2. 下载脚本： 夸克网盘链接：https://pan.quark.cn/s/ddf85bb2ac59 百度网盘链接：https://pan.baidu.com/s/1pBHPYpQxgTCcbsKYgBi_MQ?pwd=pfsq 提取码：pfsq 三、100 基础训练大模型 1. 步骤一·创建数据集 进入厚德云模型训练数据集：https://portal.houdeyun.cn/sd/dataset 在数据集一栏中，点击右上角创建数据集，输入数据集名称。 可以上传包含图片+标签 txt 的 zip 文件，也可以只有图片（之后可在 c 站使用自动打标功能），或者一张一张单独上传照片。 Zip 文件里图片名称与标签文件应当匹配，例如：图片名"1.png"，对应的达标文件就叫"1.txt"。 上传 zip 以后等待一段时间，确认创建数据集，返回到上一个页面，等待一段时间后上传成功，可点击详情检查，预览数据集的图片以及对应的标签。 2. 步骤二·Lora 训练 点击 Flux，基础模型会默认是 FLUX 1.0D 版本。 选择数据集，点击右侧箭头，选择上传过的数据集。 触发词可有可无，取决于数据集是否有触发词。 模型效果预览提示词则随机抽取一个数据集中的标签填入即可。 训练参数可调节重复次数与训练轮数，厚德云会自动计算训练步数，若不知如何设置，可默认 20 重复次数和 10 轮训练轮数。 可按需求选择是否加速，点击开始训练，会显示所需要消耗的算力，然后等待训练，会显示预览时间和进度条。 训练完成后会显示每一轮的预览图，鼠标悬浮到想要的轮次模型，中间会有个生图，点击会自动跳转到使用此 lora 生图的界面。点击下方的下载按钮则会自动下载到本地。

以下是关于大模型和知识库的相关知识： 1. RAG（检索增强生成）技术：利用大模型搭建知识库是 RAG 技术的应用。大模型训练数据有截止日期，当需要依靠不在训练集中的数据时，可通过 RAG 实现。RAG 包括文档加载、文本分割、存储（包括嵌入和向量数据存储到向量数据库）、检索、输出（把问题及检索出的嵌入片提交给 LLM 生成答案）等 5 个过程。文档加载可从多种来源加载不同类型的文档，文本分割将文档切分为指定大小的块。 2. 硬件配置要求：运行大模型需要较高的机器配置。生成文字大模型最低配置为 8G RAM + 4G VRAM，建议配置为 16G RAM + 8G VRAM，理想配置为 32G RAM + 24G VRAM（跑 GPT3.5 差不多性能的大模型）；生成图片大模型最低配置为 16G RAM + 4G VRAM，建议配置为 32G RAM + 12G VRAM；生成音频大模型最低配置为 8G VRAM，建议配置为 24G VRAM。 3. 实例：在一个设定中，使用阿里千问模型，设定角色为“美嘉”，知识库为《爱情公寓》全季剧情，实现问答。

用大模型做销量预测可以从以下几个方面考虑： 1. 数据收集：销量预测需要大量相关数据，包括历史销售数据、市场趋势、经济指标、消费者行为等。 2. 模型选择：选择适合的大模型，例如基于深度学习的神经网络模型。 3. 特征工程：对收集到的数据进行处理和特征提取，以便模型能够更好地理解和学习。 4. 训练与优化：使用合适的算法和技术对模型进行训练，并不断优化模型参数以提高预测准确性。 5. 考虑国情和政策：不同国家和地区的国情和政策会对销售情况产生影响，模型应进行相应的优化和调整。 6. 可解释性：追求模型的可解释性，以便更好地理解预测结果和做出决策。 关于大模型相关的模型下载和安装： 1. 模型下载： Civitai（C 站）：https://civitai.com/ ，可通过点击右上角筛选按钮找到所需模型类型，如 Checkpoint=大模型、LoRA=Lora 等，还可通过点击左上角“Images”查看他人已做好的图片并获取相关模型。 2. 模型安装： 大模型（Ckpt）：放入 models\\Stablediffusion VAE 模型：一些大模型需要配合 vae 使用，对应的 vae 同样放置在 models\\Stablediffusion 或 models\\VAE 目录，然后在 webui 的设置栏目选择。 Lora/LoHA/LoCon 模型：放入 extensions\\sdwebuiadditionalnetworks\\models\\lora，也可以在 models/Lora 目录 Embedding 模型：放入 embeddings 目录 若下载的模型不知类型，可使用秋叶的模型解析工具 https://spell.novelai.dev/ ，将模型拖动到空白处即可查看模型信息。

Boosting 模型是一种集成学习方法，主要包括以下两种常见类型： 1. Bagging（Bootstrap Aggregating）：通过多次有放回抽样生成多个数据集，训练多个相同类型的模型（如决策树、多项式等），对于回归任务将多个模型的预测结果取平均，对于分类任务通过多数投票来决定最终的分类结果，以减少机器学习模型的方差，提高泛化能力。其核心步骤包括从原始数据集中有放回地抽取多个子集，每个子集用于训练一个独立的模型，最后集成这些模型的结果。 2. AdaBoost（Adaptive Boosting）：主要用于分类问题，也可用于回归问题。它通过组合多个弱学习器（通常是决策树桩）来构建一个强学习器，以提高模型的预测性能。弱学习器的准确率仅略高于随机猜测，例如在二分类问题中可能略高于 50%。在 AdaBoost 中，强学习器通常是具有高准确率、能很好泛化到新数据的复杂模型，如深度神经网络或支持向量机，能够捕捉数据中的复杂模式。 此外，在 Coze 上，GLM 模型和 MoonShot 模型因对结构化提示词的良好理解适合处理精确输入和输出任务，豆包系列模型在角色扮演和工具调用方面表现出色，将这三种模型结合在工作流或多 Agent 中可实现优势互补。

以下是一些 AI 放大图片的工具： 1. 本地工具放大：https://www.upscayl.org/download 2. SD 放大：扩散模型可以增加更多细节 3. 开源工作流： 4. stability.ai 的 https://clipdrop.co/tools 5. 画质增强 magnific 遥遥领先：https://magnific.ai/ 6. Krea https://www.krea.ai/apps/image/enhancer 7. Image Upscaler：https://imageupscaler.com/ 8. 佐糖：https://picwish.cn/photoenhancerapi?apptype=apsbdapi&bd_vid=8091972682159211710 9. 腾讯 ARC https://arc.tencent.com/zh/aidemos/humansegmentation?ref=88sheji.cn 10. 腾讯开源的模型，能恢复老照片： https://github.com/TencentARC/GFPGAN 在线测试地址：https://replicate.com/tencentarc/gfpgan 11. 美图老照片修复：https://www.xdesign.com/quality/?channel=sllbd90&bd_vid=11711254260543749686 12. Imglarger：https://imglarger.com/ 13. Let's Enhance：https://letsenhance.io/ 14. Waifu2x：http://waifu2x.udp.jp/ AI 画质增强工具是利用人工智能技术对图像进行处理，提高图像质量和清晰度的工具。它能自动识别图像中的细节、纹理和边缘并增强，适用于摄影、视频编辑、医学影像、安全监控等场景。常见的 AI 画质增强工具包括： 1. Magnific：https://magnific.ai/ 2. ClipDrop：https://clipdrop.co/imageupscaler 3. Image Upscaler：https://imageupscaler.com/ 4. Krea：https://www.krea.ai/ 更多工具可以查看网站的图像放大工具库：https://www.waytoagi.com/category/17 。这些工具具有不同特点和功能，可根据具体需求选择合适的使用。 开源的 Magnific AI 的图片放大工作流相关信息： 视频： 模型下载： Replicate 接口：https://replicate.com/philipp1337x/multidiffusionupscaler 原贴地址： 更多放大工具和方法： 请注意，以上内容由 AI 大模型生成，请仔细甄别。

以下是关于处理图片的 AI 的相关信息： 快影（可灵）处理图片： 步骤：打开快影（需先通过内测申请），选择 AI 创作，选择 AI 生成视频，选择图生视频，上传处理好的图片，填写想要的互动动作和效果，点击生成视频，排队等待生成结束后点击下载。 效果展示：由于图片本身效果较差，转换为视频后效果不太理想。 判断图片是否为 AI 生成：可通过一些网站，如 ILLUMINARTY（https://app.illuminarty.ai/），但在测试中可能存在误判。 好用的图生图产品： Artguru AI Art Generator：在线平台，生成逼真图像，为设计师提供灵感。 Retrato：将图片转换为非凡肖像，有 500 多种风格选择，适合制作个性头像。 Stable Diffusion Reimagine：通过稳定扩散算法生成精细、具细节的全新视觉作品。 Barbie Selfie Generator：将上传照片转换为芭比风格，适合喜欢梦幻童话风格的人。 这些 AI 模型通过组合技术如扩散模型、大型视觉转换器等生成相似图片输出，但存在性能不稳定、生成内容不当等局限。

以下为您推荐一些门槛低、可在网页直接使用的仿制动漫风格图片的 AI 工具和网站： 吐司网站：首页最上方有对话生图的快速入口，输入想画的文字或点击随机提示词，点击“对话生图”即可出图。站内所有帖子均可“一键做同款”，还有“今日灵感”提供绘画想法。有多种模型、lora 可供选择，如写实、2.5D、二次元等，涵盖风格、元素、形象等。还有控制线条、深度、姿态、语义、风格迁移等的 Controlnet 功能。同时有扩图、高清修复、去背景等多个设计小工具，以及趣味玩法和风格滤镜，一键真人转动漫，包括韩漫、日漫风格。使用小工具前请阅读标题和详情页描述。 扣子网站：输入一个关键词，会直接生成 4 张包含金句的图片。整个工作流程包括用户输入关键词，大模型制作金句，根据金句生成画面描述，结合描述和关键词使用插件生成图片，再用图像流结合金句和图片。但扣子官方的画图工具绘制小林漫画风格效果不佳，可尝试使用 MJ 等工具绘制小林漫画风格。

以下是为您生成类似动漫风格图片的方法和相关信息： 方法一： 使用大模型和 lora 的组合。 大模型：“Flat2D Animerge”，适合生成卡通动漫图片，官方建议 CFG 值在 5 或 6（使用动态阈值修复时可拉到 11）。 lora：“Chinese painting style”可增加中国画水彩风格效果，权重设置为 0.4；“Crayon drawing”可添加简单线条和小孩子的笔触，权重设置为 0.8。 操作步骤：将图片丢到标签器中反推关键词，发送到“文生图”。在正向提示词末尾添加上述 lora，设置好尺寸，重绘幅度开 0.5（若想更接近原图可降低数值）。将图放入 controlnet 中，选择 tile 模型，权重为 0.5，控制模式选择“更注重提示词”。 方法二： 利用 DALLE 中的 Seed 值。 DALLE 每次通过 Prompt 生成图像时会随机选取一个 Seed 值。使用同样的 Prompt 和 Seed 值能生成相同或相似的图片。您可以按照以下步骤进行测试： 1. 新开一个对话，随便使用一个 Prompt 让 DALLE 画图，要求提供 Seed。 2. 查看图片的 Prompt 并复制。 3. 在当前对话输入上一条 Prompt，另起一行输入“Use seed number '您在第一步拿到的 Seed'”。 好用的图生图产品： 目前比较成熟的产品主要有： 1. Artguru AI Art Generator：在线平台，生成逼真图像，为设计师提供灵感，丰富创作过程。 2. Retrato：AI 工具，将图片转换为非凡肖像，有 500 多种风格选择，适合制作个性头像。 3. Stable Diffusion Reimagine：新型 AI 工具，通过稳定扩散算法生成精细、具细节的全新视觉作品。 4. Barbie Selfie Generator：专为喜欢梦幻童话风格的人设计的 AI 工具，将上传的照片转换为芭比风格，效果很好。 但这些 AI 模型仍存在一些局限，如偶尔性能不稳定、生成内容不当等问题，使用时请仔细甄别。

以下是关于如何用 AI 制作图片的相关内容： 一、进阶技巧和关键词大全总结 1. 主题描述 图片内容分为二维插画和三维立体两种表现形式。 描述场景、故事、元素、物体或人物细节及搭配。 对于场景中的人物，要独立描述，避免长串文字，以免 AI 识别不到。 大场景中多个角色的细节不太容易通过关键词生成。 2. 设计风格 设计师难以直接表达设计风格时，可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。 研究玻璃、透明塑料、霓虹色彩等材质的关键词，某些情况下需针对特定风格进行“咒语测试”。 二、如何用 AI 快速做一张满意的海报 1. 需求场景 发朋友圈、微博等时，纯文字不够吸引人。 网上图片质量差且易撞图。 手工做图更具定制性。 2. 大致流程 确定海报主题，借助 ChatGPT 等完成文案。 选择风格意向，灵活调整画面布局。 用无界 AI 输入关键词，生成并筛选海报底图。 对素材进行配文与排版，得到成品。 三、使用 AI 制作图像的一些注意事项 1. 模型存在内置偏见，如生成企业家图片时可能更多呈现男性，需明确指定“女性企业家”等。 2. 系统对互联网上的现有艺术进行学习，可能存在法律和道德问题，版权规则尚不清晰。 3. 目前部分系统还不能创建真正的文本，只是类似文本的东西。

以下是将自己图片卡通化的方法： 1. 简单提示词方法： 在聊天窗口输入/imainge 找到/imagine prompt，然后把图片链接放进去，空格后加提示词，提示词以英文逗号分隔，最后加上设置参数。 设置参数： iw 1.5 是设置参考图片的权重，数值越高与参考的图片越接近，默认是 0.5，最大是 2，可选择中间值调整。 s 500 设置风格强度，个性化，艺术性，数字越大，更有创造力和想象力，可设置为 0 1000 间任意整数。 v 5 是指用 midjourney 的第 5 代版本，这一代的最真实，目前 v5 需要订阅付费，不想付费可以使用 v 4 。 no glasses 是指不戴眼镜，不喜欢戴眼镜的图片，可以加上这个设置。 完整的提示词示例（替换您的 png 图片地址）：simple avatar,Disney boy,3d rendering,iw 1.5 s 500 v 5 。如果对生成效果不满意，可以调整 s 和 iw 的值进行多次尝试。 2. 复杂提示词方法： 比如：Disney boy,Low saturation Pixar Super details,clay,anime waifu,looking at viewer,nighly detailedreflections transparent iridescent colors.lonctransparent iridescent RGB hair,art by Serafleurfrom artstation,white background,divine cinematic edgelighting,soft focus.bokeh,chiaroscuro 8K,bestquality.ultradetailultra detail.3d,c4d.blender,OCrenderer.cinematic lighting,ultra HD3D renderino iw 1.5 s 500 v 5 。 不同照片生成：如果对照片风格不满意，可以换一张新照片使用上述提示词重新生成。 其他调整：如果觉得 Disney 风格的头像太过卡通，可以把提示词里面的 Disney 都换成 Pixar，皮克斯头像风格相对更加现代化和真实一点。如果是女孩，可以把提示词里面的 boy 换成 girl。每次会生成 4 张图片，对某一张图片满意，点击下方的 U1 U4 生成大图，如果对风格满意但是需要调整，点击下方的 V1 V4 进行修改。 此外，还有通过【SD】玩转局部重绘的方法： 1. 添加关键词，点击生成，图片就像神笔马良一样生出了一朵花。 2. 如果想让图片变成横的，在图生图中选择“缩放后填充空白”，重绘幅度 0.5，并将宽度从 512 增加到 1200。生成后若背景拉伸重复度太高，可适当增加重绘幅度。 3. 当重绘幅度为 0.58 时，背景可能比较正常。但随着重绘幅度增大，人物细节可能产生改变。若既不想改变人物，又想修改背景，可借助 PS 帮助。保存图片进入 PS，对主体人物抠像。点击选择 主体，得到人物的选区。对选区填充白色，对背景填充黑色，得到人物形象的精确蒙版。 4. 进入“上传重绘蒙版”的界面，上面放置需要重绘的图像，下面放置 PS 中制作好的蒙版。在 Stable Diffusion 中，蒙版的白色区域是默认重绘的区域，如果只想改变背景，可以切换到“重绘非蒙版区域”。 5. 将提示词调整为铺满了鲜花的场景：detailed background filled with,depth of field,Canan EOS R6,135mm,1/1250s,f/2.8,ISO 400。重绘幅度拉高到 0.9 ，点击生成。可以看到，人物原封不动，而场景产生大变化，成为一片花海。

以下是关于 Copilot 相关产品和市场的介绍： Copilot 相关产品： SciSpace Copilot：由印度论文服务平台 SciSpace 开发，用于以问答形式解释科学文献中的文本、数字和表格。该公司成立于 2015 年，拥有大量论文数据积累和处理经验，并针对主流学术论文发布平台数据进行了优化，输出内容更精确。在更新版本中，支持解释专业词汇、深入研究、多语言互译、添加 URL 书签等功能，网址：https://typeset.io/ GitHub Copilot：由 GitHub 联合 OpenAI 和微软 Azure 团队推出的 AI 编程助手，支持多种语言和 IDE，能为程序员快速提供代码建议，帮助更快、更少地编写代码。 GPT Code Copilot：您的人工智能软件开发助手，通过精确的分步指导和定制的代码解决方案提升编码之旅，网址：https://chat.openai.com/g/g2DQzU5UZlgptcodecopilot 市场情况： AIPRM for ChatGPT 是一款 SEO Prompt 模板插件，于 1 月 8 日上线，目前用户已超百万，Prompt Template 使用次数超过五千万次，B 端客户包括迪士尼、Adobe、Intel、微软、康泰纳仕，收费标准可参考：https://www.aiprm.com/ Teamsmart 是一款有趣的文档助手，功能与其他文字处理类插件类似，根据不同职业/技能提供一系列能力点不同的机器人，网址：https://www.teamsmart.ai/ Boring Report 是应对标题党的神器，可去除文章中的夸张表述，仅保留客观事实。 以上工具在功能和适用场景上可能有所不同，您可以根据自身需求选择最适合的工具。更多辅助编程 AI 产品，还可以查看：https://www.waytoagi.com/category/65

以下是关于海螺 AI 的相关信息： 海螺 AI 的视频模型具有多种强大功能： 能看懂图能听懂指令：MiniMax 视频模型可以准确识别用户上传的图片，生成的视频在形象保持上与原输入图像高度一致，光影、色调能完美嵌入新场景设定，还能理解超出图片内容之外的文本，解构指令框架和深层语义并在视频生成中整合，实现“所写即所见”。 不依靠特效模板的惊艳特效：只依靠模型综合能力就能实现顶级影视特效，用户可充分发挥想象力创作丰富多变的电影级视频，如 CG 合成、场景变化、碎片化、拟人化等特效与玩法。 细腻表情呈现提升感染力：人物能在 5 秒钟内实现从开怀大笑到掩面哭泣等丰富表情，表情控制力不输专业演员。 2000 字提示词更精准调控：近期上线了提示词优化功能，对于专业创作者开放 2000 字的提示词空间，让创作更加精准。 在热门产品中的表现： 出场视频演示非常惊艳，简单测试下来发现画面清晰度、画面表现力等均好过可灵 1.0。 在近期的 Vbench 排行榜中，获得了 16 个维度综合评分第一名。 目前仅支持 txt2vid 方案。 网页版访问：https://hailuoai.com/video

李继刚等的 prompt 最佳实践相关内容如下： 方法论： 提出了基于 GPT3 的无代码聊天机器人设计工具 BotDesigner。 创建了 Conversation 视图和 Error Browser 视图。 使用 BotDesigner 观察 10 名非专家提示设计师执行聊天机器人设计任务的行为，以探索他们在提示设计中的直觉方法和困难。 结论： 所有参与者都能进行机会性的提示迭代设计，并能对提示更改进行局部测试。 参与者在生成提示、评估提示有效性和解释提示效果方面的困难主要源自过度概括和人际交往预期。 参与者倾向于从单一数据点过度推广，也倾向于从人类交流的角度过滤他们的提示设计和聊天机器人的响应。 关键信息： 贡献者包括李继刚、Sailor、田彬玏、Kyle😜、小七姐等群友。 李继刚的，最近收录不是很及时，可在李继刚的即刻查看更多。 每个角色都有版本迭代，标注版本号，争取更新到最新版本。 李继刚写了上百个这种 Prompt，有具体场景需求可评论留言，作者可帮忙写定制，也可自己用结构化方式写。 使用方法：开一个 new chat，点代码块右上角的复制，发送到 chat 聊天框，里面的描述可按需求修改。 思路来源：云中江树的框架： 方法论总结： 建议用文心一言/讯飞星火等国内大模型试试，有这些 prompt 的加持效果不错。 此外，还有相关的高阶使用方法，如陈财猫的“如何用 GPT 写长篇科幻？用分治法完成复杂任务”（https://waytoagi.feishu.cn/wiki/GY3sw4LQli5k9ckzrDZcRnVmnQf），刘海的“Prompt 纵向研究的最新成果：伪代码提示词”（https://waytoagi.feishu.cn/wiki/MjUDwTbq9iUtBrkskPXcpfOHnPg），陈财猫的“由 GPT 驱动的人生重开模拟器游戏，体验无穷变化的多重人生”（https://waytoagi.feishu.cn/wiki/WyJSwjvN5iZudhkd8iocrSy3njc）

图像识别是指利用计算机技术对图像进行处理和分析，以识别和理解图像中的内容。 对于小白来说，图像识别是让计算机像人一样“看懂”图像。它基于深度学习、机器学习等技术，通过对大量图像数据的学习和训练，能够自动提取图像的特征，并进行分类、识别等操作。 图像识别的应用非常广泛，比如在安防领域，用于人脸识别、车牌识别等；在医疗领域，辅助疾病诊断、医学影像分析；在交通领域，实现交通标志识别、车辆检测等。 图像识别与多个领域存在交叉，如计算机视觉，它不仅关注图像的识别，还包括图像的生成、处理等；与人工智能的其他分支如自然语言处理也有结合，实现图文转换等功能；在工业领域，与自动化生产相结合，进行产品质量检测等。 对于研究生来说，以下是一些参考选题： 1. 基于小样本学习的图像识别算法研究。 2. 融合多模态信息的图像识别模型优化。 3. 针对特定场景（如复杂环境、低光照等）的图像识别改进。 4. 图像识别在医疗诊断中的精准度提升策略。 5. 结合深度学习和传统方法的图像识别性能比较。 6. 基于新型神经网络架构的图像识别应用。

以下是关于大模型安全的相关资料： 大模型的架构：包括 encoderonly、encoderdecoder 和 decoderonly 三种类型。其中，我们熟知的 AI 助手基本采用 decoderonly 架构，这些架构都是由谷歌 2017 年发布的“attention is all you need”论文中提出的 transformer 衍生而来。 大模型的特点：预训练数据量大，往往来自互联网上的论文、代码、公开网页等，通常用 TB 级别的数据进行预训练；参数非常多，如 Open 在 2020 年发布的 GPT3 就已达到 170B 的参数。 大模型的安全性保障：通过对齐（指令调优），包括监督微调、获取 reward model 与进行强化学习来调整语言模型的输出分布，以保证语言模型不会输出有害内容和信息。例如 LLAMA2 专门使用了安全有监督微调确保安全。但 Alignment 并不足以防护所有安全问题，存在越狱（Jailbreak）现象，会使模型对齐失效。此外，还有隐私问题。 相关资源：如果想进一步了解大语言模型安全，可以访问 Github awesomellmsafety 项目：https://github.com/ydyjya/AwesomeLLMSafety

以下为您推荐一些与 AI 翻译相关的文章和资源： 关于 PDF 翻译的 AI 产品： DeepL（网站）：点击页面「翻译文件」按钮，上传 PDF、Word 或 PowerPoint 文件即可。 沉浸式翻译（浏览器插件）：安装插件后，点击插件底部「更多」按钮，选择「制作双语 BPUB 电子书」、「翻译本地 PDF 文件」、「翻译 THML / TXT 文件」、「翻译本地字幕文件」。 Calibre（电子书管理应用）：下载并安装 calibre，并安装翻译插件「Ebook Translator」。 谷歌翻译（网页）：使用工具把 PDF 转成 Word，再点击谷歌翻译「Document」按钮，上传 Word 文档。 百度翻译（网页）：点击导航栏「文件翻译」，上传 PDF、Word、Excel、PPT、TXT 等格式的文件，支持选择领域和导出格式（不过进阶功能基本都需要付费了）。 彩云小译（App）：下载后点击「文档翻译」，可以直接导入 PDF、DOC、DOCX、PPT、PPTX、TXT、epub、srt 等格式的文档并开始翻译（不过有免费次数限制且进阶功能需要付费）。 微信读书（App）：下载 App 后将 PDF 文档添加到书架，打开并点击页面上方「切换成电子书」，轻触屏幕唤出翻译按钮。 相关文章： 《翻译：怎么把一份英文 PDF 完整地翻译成中文？》，这里介绍了 8 种方法，作者：ShowMeAI，分类：教育， 《入门经典必读》，作者： 内容由 AI 大模型生成，请仔细甄别。