以下是关于用 AI 批量生成图片的相关知识:
Liblibai 简易上手教程:
利用 AI 批量生成、模仿和复刻《小林漫画》:
此外,还有相关的试用链接分享和效果展示,如扣子使用链接:https://www.coze.cn/s/iMCq73wp/ ,并有批量生产图片的视频演示:批量.mp4 。
1.迭代步数:AI调整图片内容的次数。步骤越多,调整越精密,出图效果理论上更好,生图耗时越长。但是并非越多越好,效果的提升非线性,多了以后效果的增长曲线就放平并开始震荡了。1.尺寸:图片生成的尺寸大小。太小了AI生成不了什么内容,太大了AI开始放飞自我。如果你要高清图,可以设置中等的尺寸并用高分辨率修复(以后再学也行)。1.生成批次:用本次设置重复生成几批图。2.每批数量:每批次同时生成的图片数量。3.提示词引导系数:指图像与prompt的匹配程度。数字增大将导致图像更接近你的提示,但过高会让图像质量下降。4.随机数种子:生成的每张图都有随机数种子,在固定好种子以后,可以对图片进行“控制变量”效果的操作,比如说修改提示词、修改clip跳过层等等。如果你第二次生图用来上张图的种子,但是其他设置都不改,就会出一样的图片。(注意,第一次生成图的时候是还没有种子的,不用管,空着就行)5.ADetailer:面部修复插件,治愈脸部崩坏的超强小工具,高阶技能,后面再学。6.ControlNet:控制图片中一些特定的图像,可以用于控制人物姿态,或者是生成特定文字、艺术化二维码等等。也是高阶技能,后面再学不迟。7.重绘幅度:图生图时用到的,重绘幅度越大,输出的图和输入的图差别就越大。
豆包使用链接:还未发布出来扣子使用链接:https://www.coze.cn/s/iMCq73wp/[heading3]二)效果展示[content]豆包扣子其实这里最后工作流的返回值可以设置一下固定的格式处理,这样就能保证每次的输出内容一致。大家自己可以试试哦~[heading2]四、批量生产图片[content]视频演示[批量.mp4](https://bytedance.feishu.cn/space/api/box/stream/download/all/MBvybqWdToh9CHxaom0cFGJ2nqb?allow_redirect=1)效果展示[heading2]五、总结[content]第一次用录视频的方式给大家展示内容,其实就是怕截图说的不够清楚,所以就用视频的方式了。文字处理,包括如何批量放入excel文件中的操作,其实都可以用ai辅助。大家感兴趣可以试试,有问题可以留言呀~好啦,写到这里我们今天的内容也结束啦,感谢大家的观看,也希望我的内容能够让大家喜欢,有所收获。感兴趣的小伙伴可以点个关注跟随我一起学习,观看更多往期文章。下次见,我是景淮,祝你有个开心美好的一天~
需求分析其实上一篇文章中已经写过了,这次我们的主要需求是国内可以直接使用,并且可以批量生产。综合考虑,我们这边选用扣子来搭建工作流,解决这个问题。既然考虑批量生产,我们可能就需要考虑一个问题,就是牺牲一定质量的文案和图片效果。因为在步骤中缺少了,认为筛选的过程。[heading3]一)批量生成句子[content]不同于我们使用OpenAI和Claude的方式全程手动搭建,可以摘选对应的句子。我们可能会把一次性生成的句子,都进行生成图片处理。但是基于之前的经验,各类大模型,在创造句子的时候,句子过多会导致句子的质量迅速下降。所以我这边建议还是不要一次生成太多,所以我只设置了一次生成五句。因为是走一个流程,所以五句的话,生成图片的处理时间也不会太长。[heading3]二)句子提取[content]既然是根据句子的内容来画图,那么我们就需要注意到,我们要把生成的句子一个一个的提取出来,然后针对于每一个图片进行画图。[heading3]三)图片生成[content]需要根据生成的句子,结合一些特有的画风等描述,来绘图。[heading3]四)图片和句子结合[content]其实扣子的工作流本身是支持Python的代码的,但是我发现他的环境中缺少画图、图片处理所应该使用的包。所以只能无奈替换成搞定设计的方式来处理图片了。当然如果大家会用PS的脚本,效果应该也会不错的,但方法其实是相似的。[heading3]五)逻辑图