Navigate to WaytoAGI Wiki →
Home/Question List/Question Detail

国内文生图大模型,有哪些?

Answer

以下是一些国内的文生图大模型:

  • 百度的文心一言:https://wenxin.baidu.com
  • 抖音的云雀大模型:https://www.doubao.com
  • 智谱 AI 的 GLM 大模型:https://chatglm.cn
  • 中科院的紫东太初大模型:https://xihe.mindspore.cn
  • 百川智能的百川大模型:https://www.baichuan-ai.com/
  • 商汤的日日新大模型:https://www.sensetime.com/
  • MiniMax 的 ABAB 大模型:https://api.minimax.chat
  • 上海人工智能实验室的书生通用大模型:https://intern-ai.org.cn

此外,真人效果卓绝的大模型 lofi.v2 也可用于生成真实场景下的字体。在使用 SDXL 大模型时,其分为 base+refiner 以及配套的 VAE 模型,base 用于文生图操作,refiner 用于细化生成的模型,VAE 用于调节图片效果和色彩。要在 webUI 中使用,需将秋叶启动器中 webUI 的版本升级到 1.5 以上,并将模型放入对应文件夹。

Content generated by AI large model, please carefully verify (powered by aily)

References

SD的优势区间,ControlNet做字体!(实战篇)

这里不是绝对唯一答案,因为很多CN模型能实现相似效果,或者更有故事性的效果的。以比较容易出效果为例:将字体参考图放进ControlNet中,预处理器选择invert(from white bg&black line),注意控制类型就不要选择预设的了,因为很有可能处理模型不是一一对应的。invert比较适合完全还原字体的细节。当然如果字形本身识别度很高的话,也可以使用Canny等模型。选好预处理可以点击💥按钮预览一下。然后选择Control模型,可以选择Depth景深模型,也可以选择Scribble涂鸦模型,使用Canny描边的预处理这里也可以用Canny的模型,但控制力稍差。选择好之后,记得点击启用,开启ControlNet。[heading1]选择生图大模型[content]插件暂时简单的设置完毕,要选择生图模型了,大模型决定了我们的最终的风格,是真实系,是动画二次元,还是什么,这决定你对模型熟悉程度。生成一个真实场景下的字体,文章开始图片相似的风格,是我的目标,以此为例:经过一些尝试,我选了真人效果卓绝的大模型lofi.v2,(还有一些其他比较真实的模型都可以备选,只是会有一些参数变化需要注意)不同的大模型,会对CN模型的控制力有不同的适应度,所以需要微调参数。

8月正式上线的国内大模型

5⃣️五家北京企业机构:百度(文心一言)https://wenxin.baidu.com抖音(云雀大模型)https://www.doubao.com智谱AI(GLM大模型)https://chatglm.cn中科院(紫东太初大模型)https://xihe.mindspore.cn百川智能(百川大模型)https://www.baichuan-ai.com/3⃣️三家上海企业机构:商汤(日日新大模型)https://www.sensetime.com/MiniMax(ABAB大模型)https://api.minimax.chat上海人工智能实验室(书生通用大模型)https://intern-ai.org.cn今天这8个大模型,在聊天状态下——能生成Markdown格式的:智谱清言、商量Sensechat、MiniMax目前不能进行自然语言交流的:昇思(可以对文本进行是否由AI生成的检测,类似论文查重,准确度不错)、书生受限制使用:MiniMax(无法对生成的文本进行复制输出,且只有15元的预充值额度进行体验,完成企业认证后可以进行充值)特色功能:昇思——生图,MiniMax——语音合成阿里通义千问、360智脑、讯飞星火等均不在首批获批名单中,广东省2家和其他省市1家也将陆续开放据悉,广东地区获批公司分别为华为、腾讯,科大讯飞系其他地区获批产品

【SD】向未来而生,关于SDXL你要知道事儿

SDXL的大模型分为两个部分:第一部分,base+refiner是必须下载的,base是基础模型,我们使用它进行文生图的操作;refiner是精炼模型,我们使用它对文生图中生成的模型进行细化,生成细节更丰富的图片。第二部分,是SDXL还有一个配套的VAE模型,用于调节图片的画面效果和色彩。这三个模型,我已经放入了云盘链接中,大家可以关注我的公众号【白马与少年】,然后回复【SDXL】获取下载链接。想要在webUI中使用SDXL的大模型,首先我们要在秋叶启动器中将webUI的版本升级到1.5以上。接下来,将模型放入对应的文件夹中,base和refiner放在“……\sd-webui-aki-v4.2\models\Stable-diffusion”路径下;vae放在“……\sd-webui-aki-v4.2\models\VAE”路径下。完成之后,我们启动webUI,就可以在模型中看到SDXL的模型了。我们正常的使用方法是这样的:先在文生图中使用base模型,填写提示词和常规参数,尺寸可以设置为1024*1024,进行生成。我这边使用了一个最简单的提示词“1girl”,来看看效果。生成的图片大家可以看一下,我觉得是相当不错的。我知道大家心里可能会想——“就这,还好吧,也没有那么惊艳吧?”,那么,我用同样的参数再给你画一幅sd1.5版本的图像,你就能看出进步有多大了。是不是没有对比就没有伤害?SDXL,真香!还没完,我们到现在还只使用了一个base模型,接下来,将图片发送到图生图当中,大模型切换为“refiner”,重绘幅度开小一点,再次点击生成。

Others are asking
文生图如何提高字在图中的准确率
要提高文生图中字在图中的准确率,可以从以下几个方面入手: 1. 数据准备: 对于中文文字的生成,Kolors从两个方面准备数据。一是选择 50000 个最常用的汉字,机造生成了一个千万级的中文文字图文对数据集,但机造数据真实性不足。二是使用 OCR 和 MLLM 生成海报、场景文字等真实中文文字数据集,大概有百万量级。 Hugging 和英特尔发布了提高文生图模型空间一致性的方案,包括一个详细标注了空间关系的 600 万张图片的数据集,模型和数据集都会开源。 2. 模型能力: DALLE 3 和 SD3 已经有了很强的英文文字生成能力,但目前还未有模型具有中文文字的生成能力。中文文字的生成存在困难,一是中文汉字的集合大且纹理结构复杂,二是缺少中文文字的图文对数据。 作者观察到,使用机造数据结合高质量真实数据后,中文文字生成能力的真实性大大提升,而且即使是真实数据中不存在的汉字的真实性也得到了提升。 3. 训练方法: 在包含大量物体的图像上进行训练,可以显著提高图像的空间一致性。 此外,在写文生图的提示词时,通常的描述逻辑是这样的:人物及主体特征(服饰、发型发色、五官、表情、动作),场景特征(室内室外、大场景、小细节),环境光照(白天黑夜、特定时段、光、天空),画幅视角(距离、人物比例、观察视角、镜头类型),画质(高画质、高分辨率),画风(插画、二次元、写实)。通过这些详细的提示词,能更精确地控制绘图。对于新手而言,还有一些功能型辅助网站来帮我们书写提示词,比如:http://www.atoolbox.net/ 、https://ai.dawnmark.cn/ 。还可以去 C 站(https://civitai.com/)里面抄作业。但要注意图像作者使用的大模型和 LORA,不然即使参数一样,生成的图也会截然不同。
2025-01-29
文生视频哪个网站最好,免费的
以下是一些免费的文生视频网站推荐: 1. Pika:一款出色的文本生成视频 AI 工具,擅长动画制作,并支持视频编辑。网址:https://pika.art/ https://discord.gg/pika 。 2. SVD:如果熟悉 Stable Diffusion,可以直接安装这款最新的插件,在图片基础上直接生成视频。这是由 Stability AI 开源的 video model。 3. Hidreamai(国内,有免费额度):https://hidreamai.com//AiVideo 支持文生视频、图生视频,提示词使用中文、英文都可以,文生视频支持正向提示词、反向提示词、运镜控制、运动强度控制,支持多尺寸,可以生成 5s 和 15s 的视频。 4. ETNA(国内):https://etna.7volcanoes.com/ 是一款由七火山科技开发的文生视频 AI 模型,它可以根据用户简短的文本描述生成相应的视频内容。生成的视频长度在 8~15 秒,画质可达到 4K,最高 38402160,画面细腻逼真,帧率 60fps,支持中文,时空理解。 更多的文生视频的网站可以查看这里:https://www.waytoagi.com/category/38 。 内容由 AI 大模型生成,请仔细甄别。
2025-01-26
现在有哪些开源的文生图大模型?
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。
2025-01-24
如何让文生图,做到风格一致,人物一致,场景风格一致,
要让文生图在风格、人物和场景风格上保持一致,可以参考以下方法: 1. 图片生成工具:可使用 Midjourney 进行图片生成。 2. 画面电影感: 画幅:常用 21:9 的画幅比例,其会影响构图和光影。 Prompt 风格后缀:例如“________.Shot on Sony Venice 2,muted color tones,green and dark gray,awardwinning composition,cinematic scenear 21:9”。 专用摄影机:在 Prompt 里可添加电影专用摄影机,如 RED Helium 8K 等。 3. 人物一致性: 对于主角,可先跑一张定妆照。 利用 Midjourney 的新功能 Cref 保持发型、人脸、衣服,但对亚洲人脸尤其是老人的一致性效果较差,且对画面审美和构图有一定破坏性,能不用则不用,如只有背影时简单描述即可。 4. 场景一致性:目前尚无很好的解决办法,基本随缘。 此外,还可参考以下方式: 1. 生成人物图片:确定人物形象,如“a little girl wearing a yellow floral skirt+人物动作+风格词”,在 Midjourney 中生成满意的人物图像,为确保人物一致性,取“iw 2”。 2. 合成人物和场景:使用 PS 或者 Canva 将人物和场景合成到一张图,若色调不和谐,可将合成后的图作为垫图(“iw 2”),在 Midjourney 中重新生图。
2025-01-23
如何书写文生视频提示词达到连贯效果 并且根据自己的运镜指导运镜
以下是关于如何书写文生视频提示词达到连贯效果并且指导运镜的方法: 1. 在 PixelDance V1.4 中,支持在 prompt 里写入运镜控制,可用自然语言描述想要的镜头变化,例如“镜头环绕口红拍摄”“黑白风格,镜头环绕着戴墨镜的女人拍摄,从她侧面移动到正面,最后聚焦于女人的面部特写”“雨后模糊的玻璃逐渐聚焦,一个男人举着伞,带着一只金毛犬路过”等。 2. 对于更复杂的视频项目,在为 Generate video(beta)编写提示词时,可提供背景或背景故事,有助于生成连贯且引人入胜的序列。同时,Firefly 通常可以模拟真实世界的摄像机工作,可具体说明希望摄像机的角度或移动,如常见的相机方向有特写、广角镜头、平移/缩放/跟踪、从天而降、从下方拍摄等。 3. 在制作商业级的 AI 视频广告时,以汽车内饰片段为例,登录 runway 账户,在首页左侧点击“Text/Imagine to Video”,上传图片,更改大模型版本,在提示词方框中输入运镜方式,如“Roll Clockwise Shot slowly”(摄像机围绕垂直轴顺时针旋转)。不想动脑时可根据分镜表建议填写运镜方式,也可参照“运镜方式大全”。注意提示词不宜过多,可通过改变提示词、生成时长等多尝试几次。
2025-01-23
国内文生图模型
以下是关于国内文生图模型的相关信息: Recraft 模型:用 8 个月自研模型,包含处理数据的模型、标注工作、训练 OCR 模型、新构建的数据集等。Recraft 生成带有长文本图像的流程图解,但存在生成默认是外国面孔而非亚洲面孔且生成的亚洲人不太自然的情况,可能与数据集有关。只有少数公司真正从头训练模型,创建自己的模型困难且成本高,需要超强团队和资金。 模型能力方面: 文本编码器的能力是文生图模型语义理解能力的关键。一开始大部分模型使用 CLIP 作为文本编码器,但存在一些问题。新的模型纷纷优化文本编码器能力,如引入更大更强的 T5XXL 或结合多个特征,但开源模型在中文生图方面能力一般。 腾讯开源的 HunyuanDiT 是较可用的中文生图模型,但仍存在优化空间。 Kolors 是最近开源的给力文生图模型,改进全面,技术实力强。
2025-01-21
你是一名资深程序员和经验丰富的编程教授,能够以通俗保姆式的方法教会小白从0开始编程序。现在要你教我完成如下任务:我需要编写一个程序,能够每天和不同的文生图大语言模型对话,生成不同场景下的机器人设计图片。应该怎么一步步实现?
以下是为您提供的从 0 开始编写一个能够每天和不同的文生图大语言模型对话,并生成不同场景下机器人设计图片的程序的步骤: 首先,对于小白来说,可以参考以下教程进行学习和操作: 1. 张梦飞的【保姆级】一步一图,手把手教你把 AI 接入微信: 重点感谢@熊猫大侠的不厌其烦的答疑解惑,并推荐@熊猫大侠的老王。 作者是看着 WaytoAGI 里大佬的文章学习制作的。有代码基础的同学,可以直接移步到这三篇教程中。 本篇教程适合“小白中的小白”,简单粗暴,不做讲解,复制粘贴即可。一步一图,保姆级指引。 本篇文章中,没有写每一步代码的含义和配置文件的对应含义。如果想要深入研究和调优,请移步上方推荐的三篇文章。 2. 大圣的胎教级教程:万字长文带你理解 RAG 全流程: 这是一篇面向普通人的 RAG 科普,不是面向 RAG 研究者的技术向文章。 文章一共 1.6 万字,旨在让您对 RAG 技术有更全面的认知,在使用 RAG 相关产品时,可以更好地理解其能力边界,从而充分发挥其潜力。 本文适合任何人,包括 AI 爱好者、为企业寻找知识库解决方案的老板、AI 产品经理等。 3. Yeadon 的写给小小白的从游戏入手学习搓图像流 bot: 学会将发布的图像流添加进 bot 中,并测试生成海报,解决无法在聊天界面显示图片的问题,重新调整图像流使其在对话窗口显示图片,最后发布 Bot。 通过这份教程,可以学会如何在 Coze 平台上打造一个有趣的 AI 游戏助手,掌握 AI 人格设定和对话逻辑的设计方法,了解如何配置图像生成功能。 希望以上内容对您有所帮助,祝您编程顺利!
2024-12-29
什么是pony类作图大模型
Pony 类作图大模型可能并非一个常见或明确的特定模型名称。但在相关领域中,有以下几种常见的作图大模型: 1. 快手可图团队开发的 Kolors 大模型:这是基于潜在扩散的大规模文本到图像生成模型,在数十亿图文对下进行训练,在视觉质量、复杂语义理解、文字生成(中英文字符)等方面具有优势,支持中英双语,在中文特色内容理解方面更具竞争力。更多信息可查看其技术报告。 2. 字节跳动豆包大模型团队推出的 SeedEdit 图像编辑模型:这是国内首个产品化的通用图像编辑模型,无需描边涂抹,仅使用简单的自然语言,就能进行换背景、转风格,或者在指定区域进行元素的增删和替换等操作。它能精准理解复杂指令,不仅看得懂中英文提示词,还对成语和专有名词有很好的理解。此外,它支持多轮操作,能够让用户对同一图像进行连续的创意编辑。
2024-12-04
有帮助草图大师建模的ai吗
以下是一些能够帮助草图大师建模的 AI 工具: 1. CADtools 12:这是一个 Adobe Illustrator(AI)插件,为 AI 添加了 92 个绘图和编辑工具,包括图形绘制、编辑、标注、尺寸标注、转换、创建和实用工具。 2. Autodesk Fusion 360:Autodesk 开发的一款集成了 AI 功能的云端 3D CAD/CAM 软件,能帮助创建复杂几何形状和优化设计。 3. nTopology:基于 AI 的设计软件,可创建复杂 CAD 模型,包括拓扑优化、几何复杂度和轻量化设计等。 4. ParaMatters CogniCAD:基于 AI 的 CAD 软件,能根据用户输入的设计目标和约束条件自动生成 3D 模型,适用于拓扑优化、结构设计和材料分布等领域。 5. 生成设计工具:一些主流 CAD 软件,如 Autodesk 系列、SolidWorks 等,提供了基于 AI 的生成设计工具,可根据用户输入的设计目标和约束条件自动产生多种设计方案。 此外,还有一些图片生成 3D 建模的工具,也可能对草图大师建模有帮助: 1. Tripo AI:VAST 发布的在线 3D 建模平台,能利用文本或图像在几秒钟内生成高质量且可立即使用的 3D 模型。 2. Meshy:功能全面,支持文本生成 3D、图片生成 3D 以及 AI 材质生成。 3. CSM AI:支持从视频和图像创建 3D 模型,Realtime Sketch to 3D 功能支持通过手绘草图实时设计 3D 形象,再转换为 3D 模型。 4. Sudo AI:支持通过文本和图像生成 3D 模型,适用于游戏领域的模型生成。 5. VoxCraft:免费 3D 模型生成工具,能将图像或文本快速转换成 3D 模型,并提供了图像到 3D、文本到 3D 和文本到纹理等多种功能。 如果您需要绘制逻辑视图、功能视图、部署视图,以下工具可供选择: 1. PlantUML:文本到 UML 的转换工具,可通过编写描述性文本来自动生成序列图、用例图、类图等,从而帮助创建逻辑视图。 2. Gliffy:基于云的绘图工具,提供创建各种架构图的功能,包括逻辑视图和部署视图。 3. Archi:免费的开源工具,用于创建 ArchiMate 和 TOGAF 模型,支持逻辑视图的创建。 4. Rational Rose:IBM 的 UML 工具,支持创建多种视图,包括逻辑视图和部署视图。 请注意,虽然这些工具可以辅助创建相关视图,但它们不都是基于 AI 的。AI 在绘图工具中的应用通常涉及到智能推荐布局、自动生成图表代码或识别图表中的模式和关系。在选择工具时,您应该考虑您的具体需求,比如是否需要支持特定的建模语言、是否需要与特定的开发工具集成、是否偏好在线工具或桌面应用程序等。
2024-08-23
通过semantic-kernel调用文生图大模型接口
Semantic Kernel 是一个由 Microsoft Research AI Interactions 团队开发的框架,它帮助开发者将自然语言处理 功能集成到应用程序中。Semantic Kernel 可以与各种服务、工具和模型配合工作,包括 OpenAI 的 DALLE、GPT3 和 Microsoft 的 Azure OpenAI 服务。 要使用 Semantic Kernel 调用文生图大模型接口,你需要按照以下步骤操作: 1. 设置你的环境: 确保你有 Microsoft Azure 订阅和 Azure Cognitive Services 资源。 安装最新的 .NET SDK。 2. 安装 Semantic Kernel: 通过 NuGet 安装 Semantic Kernel 包: ```shell dotnet add package Microsoft.SemanticKernel ``` 3. 配置 Semantic Kernel: 在你的应用程序中配置 Semantic Kernel,连接到 Azure OpenAI 服务或其他支持的模型。 设置 API 密钥和其他必要配置。 4. 编写代码调用文生图大模型: 使用 Semantic Kernel SDK 创建一个函数来调用文生图大模型接口。 准备输入数据,例如,图像生成的提示(prompts)。 5. 处理响应: 接收并处理模型的输出,可能包括图像数据或其他相关信息。 6. 部署和运行应用程序: 部署你的应用程序,并确保它可以访问 Azure OpenAI 服务。 运行你的应用程序,并通过 Semantic Kernel 调用文生图大模型。 这里是一个简单的代码示例,展示了如何使用 Semantic Kernel 来调用服务: ```csharp using Microsoft.SemanticKernel; // 创建 Semantic Kernel 实例 var kernel = new Kernel; // 配置 Azure OpenAI 服务 var azureOpenAiService = new AzureOpenAiService( new AzureOpenAiSettings { AzureOpenAiDeploymentName = "yourdeploymentname", Endpoint = "https://yourendpoint.openai.azure.com/", ApiKey = "yourapikey" } ); kernel.Config.AddAzureOpenAiService; // 定义函数 var promptFunction = kernel.CreateSemanticFunction; // 调用文生图大模型 var imagePrompt = "A serene landscape with mountains, a river flowing through, and a traditional Chinese pagoda in the distance."; var imageResult = await promptFunction.InvokeAsync; // 处理响应 Console.WriteLine; ``` 请注意,上述代码仅为示例,实际代码将取决于文生图大模型的接口细节和你的具体需求。确保在开发过程中遵守所有适用的法律和政策,并尊重用户隐私和数据保护。
2024-04-25
deepseek的多模态大模型?
DeepSeek 发布了大一统模型 JanusPro,将图像理解和生成统一在一个模型中。以下是关于该模型的一些重要信息: 最新消息:DeepSeek 深夜发布该模型,它是一个强大的框架。 特点: 统一了多模态理解和生成,通过将视觉编码解耦为独立路径解决先前方法的局限性,利用单一的统一 Transformer 架构进行处理,缓解了视觉编码器在理解和生成中的角色冲突,增强了框架的灵活性。 超越了之前的统一模型,匹配或超过了特定任务模型的性能,其简单性、高灵活性和有效性使其成为下一代统一多模态模型的有力候选者。 规模:提供 1B 和 7B 两种规模,适配多元应用场景。 开源及商用:全面开源,支持商用,采用 MIT 协议,部署使用便捷。 测试案例: 模型直接支持中文交互(图像理解+图像生成)。 云上 L4 测试,显存需 22GB。 图像生成速度约 15s/张。 图像理解质量方面,文字和信息识别基本准确,内容理解完整清晰,局部细节有欠缺。 Colab(需 Pro,因需 20GB 以上显存):https://colab.research.google.com/drive/1V3bH2oxhikj_B_EYy5yRG_9yqSqxxqgS?usp=sharing 模型地址: 7B 模型:https://huggingface.co/deepseekai/JanusPro7B 1B 模型:https://huggingface.co/deepseekai/JanusPro1B 下载地址:https://github.com/deepseekai/Janus
2025-01-30
怎样构建一个自己专业的AI小模型
构建一个自己专业的 AI 小模型可以参考以下步骤: 1. 搭建 OneAPI:这是为了汇聚整合多种大模型接口,方便后续更换使用各种大模型,同时了解如何白嫖大模型接口。 2. 搭建 FastGpt:这是一个知识库问答系统,将知识文件放入,接入上面的大模型作为分析知识库的大脑,最后回答问题。如果不想接到微信,搭建完此系统就可以,它也有问答界面。 3. 搭建 chatgptonwechat 并接入微信,配置 FastGpt 把知识库问答系统接入到微信,建议先用小号以防封禁风险。若想拓展功能,可参考 Yaki.eth 同学的教程,里面的 cow 插件能进行文件总结、MJ 绘画等。 部署和训练自己的 AI 开源模型的主要步骤如下: 1. 选择合适的部署方式,包括本地环境部署、云计算平台部署、分布式部署、模型压缩和量化、公共云服务商部署等,根据自身的资源、安全和性能需求进行选择。 2. 准备训练所需的数据和计算资源,确保有足够的训练数据覆盖目标应用场景,并准备足够的计算资源,如 GPU 服务器或云计算资源。 3. 选择合适的预训练模型作为基础,可以使用开源的预训练模型如 BERT、GPT 等,也可以自行训练一个基础模型。 4. 针对目标任务进行模型微调训练,根据具体应用场景对预训练模型进行微调训练,优化模型结构和训练过程以提高性能。 5. 部署和调试模型,将训练好的模型部署到生产环境,并对部署的模型进行在线调试和性能优化。 6. 注意安全性和隐私保护,大模型涉及大量数据和隐私信息,需要重视安全性和合规性。 大模型的构建过程包括: 1. 收集海量数据:像教孩子成为博学多才的人一样,让模型阅读大量的文本数据,如互联网上的文章、书籍、维基百科条目、社交媒体帖子等。 2. 预处理数据:清理和组织收集到的数据,如删除垃圾信息,纠正拼写错误,将文本分割成易于处理的片段。 3. 设计模型架构:为模型设计“大脑”结构,通常是一个复杂的神经网络,如使用 Transformer 架构。 4. 训练模型:让模型“阅读”提供的数据,通过反复尝试预测句子中的下一个词等方式,逐渐学会理解和生成人类语言。
2025-01-29
现在最好的AI大模型
目前较为出色的 AI 大模型包括: 1. GPT4(免费可用):是 OpenAI 在深度学习规模扩大方面的最新里程碑,是一个大型多模态模型,在各种专业和学术基准测试中表现出与人类相当的水平。 2. Midjourney v5(免费):具有极高的一致性,擅长以更高分辨率解释自然语言 prompt,并支持像使用 tile 这样的重复图案等高级功能,能生成令人惊叹的逼真 AI 图像。 3. DALL·E 3(免费可用):代表了生成完全符合文本的图像能力的一大飞跃,能轻松将想法转化为极其精准的图像。 4. Mistral 7B(免费):是一个具有 73 亿参数的模型,在所有基准测试上超越了 Llama 2 13B,在许多基准测试上超越了 Llama 1 34B,在代码任务上接近 CodeLlama 7B 的性能,同时在英语任务上表现良好。 此外,在主要的大语言模型方面: 1. OpenAI 系统:包括 3.5 和 4.0 版本,3.5 模型在 11 月启动了当前的 AI 热潮,4.0 模型功能更强大。微软的 Bing 使用 4 和 3.5 的混合,通常是 GPT4 家族中首个推出新功能的模型。 2. 谷歌:一直在测试自己的人工智能 Bard,由各种基础模型驱动,最近是一个名叫 PaLM 2 的模型。 3. Anthropic 发布了 Claude 2,其最值得注意的是有一个非常大的上下文窗口。
2025-01-29
你好,你是什么模型?
您好,我是一名 AI 知识专家,能够为您提供全面的 AI 知识指导和解答相关问题。 关于模型方面的知识: LoRA 和 LyCORIS 都属于微调模型,常用于控制画风、生成的角色、角色姿势等。它们的后缀均为.safetensors,体积较主模型小,一般在 4M 300M 之间,使用 LoRA 模型较多,LyCORIS 可调节范围更大,现在 SD 已内置。在 WebUl 中使用时,可在 LoRA 菜单中点击使用,也可直接使用 Prompt 调用。 在 Tusiart 中,首页有模型、帖子、排行榜,展示了大手子炼成的模型和图片。生图必需基础模型(Checkpoint),任何生图操作必须选定一个 Checkpoint 模型才能开始,lora 是低阶自适应模型,可有可无,但对细节控制有价值。ControlNet 可控制图片中特定图像,VAE 类似于滤镜调整生图饱和度,选择 840000 即可。Prompt 提示词是想要 AI 生成的内容,负向提示词是想要 AI 避免产生的内容。还有图生图,即上传图片后 SD 会根据相关信息重绘。 如果您想搭建类似的群问答机器人,可以参考以下内容:
2025-01-28
为什么要布置大模型到本地
布置大模型到本地主要有以下原因: 1. 无需科学上网,也无需支付高昂的 ChatGPT 会员费用。 2. 可以通过 Web UI 实现和大模型进行对话的功能,如 Open WebUI 一般有两种使用方式,包括聊天对话和 RAG 能力(让模型根据文档内容回答问题),这也是构建知识库的基础之一。 3. 能够更加灵活地掌握个人知识库。 但需要注意的是,运行大模型需要很高的机器配置: 1. 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(如果要跑 GPT3.5 差不多性能的大模型)。 2. 生成图片大模型(比如跑 SD),最低配置为 16G RAM + 4G VRAM,建议配置为 32G RAM + 12G VRAM。 3. 生成音频大模型,最低配置为 8G VRAM,建议配置为 24G VRAM。 个人玩家的大多数机器可能负担不起,最低配置运行速度非常慢。但亲自实操一遍可以加深对大模型构建的知识库底层原理的了解。
2025-01-27
Coze + 飞书 + 飞书多维表格:通过飞书机器人与 Coze 搭建的智能体进行对话,在聊天窗口中完成链接输入和阅读计划输出。由 Coze 调用大模型、插件完成内容的整理、推荐,利用飞书多维表格存储和管理稍后读数据,无需开发任何插件、APP,能实现跨平台的稍后读收集与智能阅读计划的推荐。其设计思路包括简化“收集”,实现跨平台收集和通过输入 URL 完成收集;自动化“整理入库”,自动整理关键信息并支持跨平台查看;智能“选择”推荐,根据收藏记录和用户兴趣生成阅读计划——这个方法具体如何操作?
以下是关于通过飞书机器人与 Coze 搭建的智能体进行对话,并利用飞书多维表格存储和管理稍后读数据,实现跨平台的稍后读收集与智能阅读计划推荐的具体操作方法: 前期准备: 1. 简化“收集”: 实现跨平台收集功能,支持电脑(web 端)、安卓、iOS 多端操作。 输入一个 URL 即可完成收集,借鉴微信文件传输助手的方式,通过聊天窗口完成收集输入。 2. 自动化“整理入库”: 系统在入库时自动整理每条内容的关键信息,包括标题、摘要、作者、发布平台、发布日期、收集时间和阅读状态。 阅读清单支持跨平台查看。 3. 智能“选择”推荐: 根据当前收藏记录和用户阅读兴趣进行相关性匹配,生成阅读计划。 使用飞书·稍后读助手: 1. 设置稍后读存储地址: 首次使用,访问。 点击「更多创建副本」,复制新表格的分享链接。 将新链接发送到智能体对话中。 还可以发送“查询存储位置”、“修改存储位置”来更换飞书多维表格链接,调整稍后读存储位置。 2. 收藏待阅读的页面链接: 在对话中输入需要收藏的页面链接,第一次使用会要求授权共享数据,授权通过后再次输入即可完成收藏。但目前部分页面链接可能小概率保存失败。 3. 智能推荐想看的内容: 在对话中发送“我想看 xx”、“xx 内容”,即可按个人兴趣推荐阅读计划。 至此,专属 AI 稍后读智能体大功告成,您可以尽情享受相关服务。
2025-01-27
最新国内ai排名
以下是关于国内 AI 排名的相关信息: 根据《2024 年度 AI 十大趋势报告》,在 APP 端,截至 2024 年 10 月,夸克和豆包的历史总下载量已过亿,共 56 款产品的历史下载量超百万,8 款产品历史下载量超千万。从单月新增来看,夸克、豆包和 Kimi 智能助手月增长可达到千万级,10 款产品可达百万级;DAU 方面,夸克 DAU 超过 2600 万,豆包、Kimi、天天跳绳和文小言 DAU 超百万;用户粘性方面,夸克和叨叨三日留存率超过 30%。 在 Web 端,月总访问量超千万的共 7 款产品,包括夸克、腾讯文档、百度文库、Kimi 智能助手、文心一言、豆包和通义。在用户活跃度上,共 3 款产品——夸克、Notion 和百度文库的 MAU 超过千万,19 款产品 MAU 超过百万。仅有 14 款产品人均每月访问超过 5 次,13 款产品平均访问时长超过 10 分钟。 另外,AI 智库的月度榜单(9 月)中也有相关排名,如美趣 AI、说得相机提词器、AI 智能写作、创客贴 AI 等产品均在列,同时还包括了排名、产品、特性、分类、应用名称、下载量、环比变化和所属公司等具体信息。
2025-01-29
国内ai制作音乐的网站
以下是一些国内的 AI 制作音乐的网站: :前身为“Definite Technologies”,开发使用 AI 处理/生成声音的 VST/AU/AUv3 插件。 :自适应 AI 音乐平台。通过高质量音频样本进行实时细胞组成。 :基于 AI 的音乐助手,包括歌词写作助手。 :实时音乐、音频和视频创作平台。 :为创意媒体应用提供合成歌声。 :数字宇宙的音乐解决方案,Soundtracks、AI Studio、Music Maker JAM 的制作者。 :AI 音乐创作和制作。 :自由定制高质量免版权费音乐。 :一个云平台,让音乐人和粉丝在全球范围内创作音乐、协作和互动。 :使用嵌入式软件、信号处理和 AI 帮助艺术家录制、混音和母带处理他们的现场表演。 :开源音乐生成工具。 :旨在通过 AI 赋能真实艺术家的伦理音频 AI 插件、工具和社区,而非取代他们。 :使用 AI 创作音乐和语音。 :无需昂贵的录音设备即可进行多轨录音。 :生成歌词、旋律、鼓点等,并且能够像任何专业 DAW 一样进行编辑和混音。 :AI 驱动的音乐制作平台:使用 AI 创作歌词、节拍和人声,然后直接从 Cassette 进行混音和发布。 :人工智能创作情感背景音乐。 :简化的音乐创作工具,帮助您为视频和播客创作音乐。 :为直播的游戏玩家提供自适应 AI 音乐。 :高质量音乐和音效,所有内容都包含版权。 :世界上第一个动态音乐引擎。 (被 Shutterstock 收购):为内容创作者提供的 AI 音乐创作工具。 :您的虚拟音乐工作室。 :即时制作音乐,与世界分享。 :智能乐谱。 :Qosmo 是一群艺术家、研究人员、设计师和程序员组成的团队。 (被 Apple 收购):我们的音乐帮助品牌与受众建立更深层次的连接。 :下一代音乐制作人。 :由 AI 驱动的软件引擎,可以生成音乐。它可以对手势、动作、代码或其他声音作出反应。 :全球最大的音乐教育平台。 :用于创作歌曲和音频录制的应用程序。 :提供无缝录音室体验的一体化在线协作平台。 :专业音频、语音、声音和音乐的扩展服务。 :视频编辑的音频解决方案。 :由 AI 驱动的音乐工作室。 :通过直观的软件/硬件生态系统为音乐演奏者提供世界级声音的民主化访问。 :AI 音频插件和社区,弥合 AI 研究与创意之间的差距。 :为音乐人、制作人和内容创作者提供 AI 驱动的混音服务。 :为创作者提供的在线音乐软件:音乐母带处理、数字音乐发行、分期付款插件、免费样本包和协作工具。
2025-01-25
近期国内颁布了什么AI相关政策
近期国内颁布的 AI 相关政策包括: 1. 互联网信息服务算法推荐管理规定(算法推荐规定),于 2023 年 3 月 1 日生效。 2. 互联网信息服务深度合成管理规定(深度合成规定),于 2023 年 1 月 10 日生效。 3. 生成式人工智能服务管理暂行办法(生成式 AI 办法),于 2023 年 7 月 13 日公布并于 2023 年 8 月 15 日生效。 4. 生成式人工智能服务安全基本要求(征求意见稿),于 2023 年 10 月 11 日公开征求意见,意见反馈截止日期为 2023 年 10 月 25 日。 5. 科技伦理审查办法(试行)(征求意见稿)(伦理审查办法(草案)),于 2023 年 4 月 14 日公开征求意见,意见反馈截止时间为 2023 年 5 月 3 日。 6. 国家人工智能产业综合标准化体系建设指南(征求意见稿),于 2024 年 1 月 17 日公开征集意见,意见反馈截止时间为 2024 年 1 月 31 日。 这些政策的适用范围如下: 1. 算法推荐规定适用于任何使用算法推荐技术在中国境内提供互联网信息服务的行为。 2. 深度合成规定适用于任何使用深度合成技术在中国境内提供互联网信息服务的行为。 3. 生成式 AI 办法适用于使用生成式人工智能技术在中国境内向公众提供服务的行为,但并不包括尚未用于在中国境内向公众提供服务的生成式人工智能技术的研究和开发。 4. 伦理审查办法(草案)一旦实施,将适用于任何涉及人类、实验室动物或其他涉及伦理风险的科学技术活动。 在地域范围方面,人工智能法规并不限定其仅适用于中国个人及实体,外国个人或实体如涉及使用人工智能技术在中国境内提供服务或研发人工智能技术,也受到监管。
2025-01-25
国内可以用的AI软件
以下是一些国内可以用的 AI 软件: 1. 图像类: 可灵:由快手团队开发,可生成高质量的图像和视频,但价格相对较高,重度用户年费可达几千元,轻度用户有每日免费点数和较便宜的包月选项。 通义万相:在中文理解和处理方面表现出色,可选择多种艺术和图像风格,操作界面简洁直观,用户友好度高,且目前免费,每天签到获取灵感值即可,但在某些方面存在局限性。 2. 免费的大模型 APP: Kimi 智能助手:由 Moonshot AI 出品,内存大,能阅读长文和上网。 文心一言:百度出品的 AI 对话产品,能写文案、想点子、聊天和答疑。 通义千问:由阿里云开发,能与人交互、回答问题及协作创作。 3. 其他: 美趣 AI:原生图片生成软件,所属公司为兴利和。 说得相机提词器:写作软件。 AI 智能写作:原生写作软件,所属公司为汉酷网络。 创客贴 AI:平面设计软件,所属公司为艺源酷科技。 360AI 搜索:智慧搜索软件,所属公司为 360。 图趣 AI:原生图片生成软件。 Molica AI:原生图片生成软件。 文案宝:原生个人助理软件。
2025-01-25
国内AI平台
以下是关于国内 AI 平台的相关信息: 从用户规模、新增速度、用户活跃和用户粘性等角度对 APP 端和 Web 端的 AI 产品进行数据统计: APP 端:尚未出现比肩互联网时代现象级破圈之作的产品,整体和海外同类型产品相差 5 倍以上。目前有 56 款产品历史下载量超百万,8 款超千万,夸克和豆包历史总下载量过亿。单月新增方面,夸克、豆包和 Kimi 智能助手月增长可达千万级,10 款产品可达百万级;DAU 方面,夸克 DAU 超过 2600 万,豆包、Kimi、天天跳绳和文小言 DAU 超百万;用户粘性方面,夸克和叨叨三日留存率超过 30%。 Web 端:AI 智能助手赛道外的所有赛道基本处于停滞状态,部分头部产品数据下滑或回升乏力。用户规模方面,月总访问量超千万的共 7 款产品;用户活跃度上,共 3 款产品的 MAU 超过千万,19 款产品 MAU 超过百万,仅有 14 款产品人均每月访问超过 5 次,13 款产品平均访问时长超过 10 分钟。 大模型落地方面: 根据 IDC 报告,2024 上半年中国 MaaS 市场规模达 2.5 亿元,AI 大模型解决方案市场规模达 13.8 亿元,百度智能云在这两个市场中均获得第一名,市占率分别为 32.4%和 17%。 百度智能云的 MaaS 业务依托千帆大模型平台提供服务,旗下有千帆行业场景解决方案,沉淀了八大行业解决方案。 2024 年百度世界大会上,百度智能云千帆大模型平台发布了工作流 Agent 能力。 9 月月度榜单: 包括百度输入法、万兴播爆、逗逗游戏伙伴、腾讯元宝、天天跳绳、稿定设计、流利说、支小宝等产品,涵盖了效率工具、视频编辑、情感陪伴、个人助理等分类。
2025-01-25
图片转漫画的国内AI工具
以下是一些国内的图片转漫画的 AI 工具: 1. 星流一站式 AI 设计工具: 可以使用图像控制功能,如空间关系、线稿、人物长相、姿势等,精准控制生成图像的内容和风格。 入门模式下有多种参考功能,包括原图、景深、线稿轮廓、姿势、Lineart 线稿、Scribble 线稿、光影、Segmant 构图分割等。 2. Anifusion: 是一款基于人工智能的在线工具,用户输入文本描述,AI 就能将其转化为完整的漫画页面或动漫图像。 具有 AI 文本生成漫画、直观的布局工具、强大的画布编辑器、多种 AI 模型支持、商业使用权等功能。 适用于独立漫画创作、快速原型设计、教育内容创作、营销材料制作、粉丝艺术和同人志创作等场景。 优点是非艺术家也可轻松创作漫画,基于浏览器无需额外安装软件,具有快速迭代和原型设计能力,且拥有创作的全部商业权利。 更多相关工具您可以查看: 内容由 AI 大模型生成,请仔细甄别。
2025-01-24