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

生成3D模型的工具

Answer

以下是一些生成 3D 模型的工具：

  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，基于数十亿参数级别的 3D 大模型，实现快速的 2D 到 3D 转换，并提供 AI 驱动的精准度和细节。
  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。用户可通过上传图片并描述材质和风格来生成高质量 3D 模型。
  3. CSM AI：支持从视频和图像创建 3D 模型，Real-time 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，特别适用于游戏领域的模型生成。
  4. Sudo AI：支持通过文本和图像生成 3D 模型，适用于游戏领域。
  5. VoxCraft：由生数科技推出的免费 3D 模型生成工具，能将图像或文本快速转换成 3D 模型，并提供图像到 3D、文本到 3D 和文本到纹理等多种功能。

此外，还有以下工具：

  1. xiaohu.ai 相关的：
    • CSM_ai：文本、图像或草图可转换为 3D 素材，直接应用于游戏中，无需后期处理。体验地址：https://cube.csm.ai
    • Move AI 推出的 Move API：从 2D 视频生成 3D 运动数据，支持多种 3D 文件格式导出，为 AR 应用、游戏开发等提供高质量 3D 运动数据。https://move.ai/api
    • ComfyUI 3D Pack：快速将图片转换为 3D 模型，支持多角度查看，使用 3D 高斯扩散技术提升模型质量，支持多种格式导出，集成先进 3D 处理算法。https://github.com/MrForExample/ComfyUI-3D-Pack/tree/main
    • Medivis 的 SurgicalAR 手术应用：将 2D 医疗图像转化为 3D 互动视觉，提高手术精度，支持 3D 模型的放大、缩小、旋转，精确手术计划。https://t.co/3tUvxB0L4I
    • Media2Face：3D 面部动画创造工具，根据声音生成同步的 3D 面部动画，允许个性化调整情感表达，应用于多种场合。https://sites.google.com/view/media2face
    • SIGNeRF：在 3D 场景中快速生成和编辑对象，新增或替换场景中的物体，新生成场景与原场景无缝融合。https://signerf.jdihlmann.com
    • Luma AI 发布的 Genie 1.0 版本：文本到 3D 模型转换工具，生成详细逼真的 3D 模型，支持多种 3D 文件格式，获得 4300 万美元 B 轮融资。https://lumalabs.ai/genie?view=create
    • BakedAvatar 动态 3D 头像：从视频创建逼真 3D 头部模型，实时渲染和多视角查看，兼容多种设备，交互性编辑。https://buaavrcg.github.io/BakedAvatar/

这些工具通常具有用户友好的界面，允许用户通过简单操作生成 3D 模型，无需专业 3D 建模技能，可广泛应用于游戏开发、动画制作、3D 打印、视觉艺术等领域。

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

References

问：图片生成 3d 建模工具

图片生成3D建模工具是指利用人工智能技术，通过分析图片内容并将其转换成3D模型的软件或服务。以下是一些可用的工具：1.Tripo AI：Tripo AI是VAST发布的在线3D建模平台，它能够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。该平台基于一个数十亿参数级别的3D大模型，能够实现快速的2D到3D转换，并提供AI驱动的精准度和细节。2.Meshy：Meshy是一个功能全面的工具，它不仅支持文本生成3D，还支持图片生成3D以及AI材质生成。用户可以通过上传图片并描述需要的材质和风格，来生成高质量的3D模型。3.CSM AI：CSM（Common Sense Machines）支持从视频和图像创建3D模型。它的Real-time 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：Sudo AI支持通过文本和图像生成3D模型，特别适用于游戏领域的模型生成。用户可以上传图片或输入文本提示词来生成3D模型。5.VoxCraft：由生数科技推出的免费3D模型生成工具，能够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。这些工具通常具有用户友好的界面，允许用户通过简单的操作来生成3D模型，无需专业的3D建模技能。它们可以广泛应用于游戏开发、动画制作、3D打印、视觉艺术等领域。内容由AI大模型生成，请仔细甄别

工具汇总：AI生成3D模型工具介绍

5⃣️🎮@CSM_ai：文本、图像或草图转换为3D素材直接应用于游戏中，无需后期处理视频演示了在ROBLOX游戏中的应用🔗体验地址：https://cube.csm.ai🔗https://x.com/xiaohuggg/status/1763758877999587757?s=205⃣️🏃Move AI推出Move API：从2D视频生成3D运动数据支持多种3D文件格式导出为AR应用、游戏开发等提供高质量3D运动数据🔗https://move.ai/api🔗https://x.com/xiaohuggg/status/1761590288576061573?s=203⃣️🖼️ComfyUI 3D Pack引入3D图像处理:快速将图片转换为3D模型，支持多角度查看。使用3D高斯扩散技术提升模型质量。支持多种格式导出，集成先进3D处理算法。🔗https://github.com/MrForExample/ComfyUI-3D-Pack/tree/main🔗https://x.com/xiaohuggg/status/1755824687811346514?s=202⃣️👨⚕️Medivis的SurgicalAR手术应用：将2D医疗图像转化为3D互动视觉，提高手术精度。支持3D模型的放大、缩小、旋转，精确手术计划。🔗https://t.co/3tUvxB0L4I🔗https://x.com/xiaohuggg/status/1755183564021473404?s=20

工具汇总：AI生成3D模型工具介绍

6⃣️👤Media2Face：3D面部动画创造工具：-根据声音生成同步的3D面部动画。-允许个性化调整，如情感表达。-应用于对话场景、情感歌唱等多种场合。🔗https://sites.google.com/view/media2face🔗https://arxiv.org/abs/2401.15687🔗https://x.com/xiaohuggg/status/1752871200303480928?s=205⃣️🌐SIGNeRF：3D场景中的物体添加与修改-在3D场景中快速生成和编辑对象。-新增或替换场景中的物体。-新生成场景与原场景无缝融合。🔗https://signerf.jdihlmann.com🔗https://x.com/xiaohuggg/status/1744950363667759474?s=209⃣️🔮Luma AI发布：Genie 1.0版本-文本到3D模型转换工具。-生成详细逼真的3D模型。-支持多种3D文件格式。-获得4300万美元B轮融资。🔗https://lumalabs.ai/genie?view=create🔗https://x.com/xiaohuggg/status/1744892707926122515?s=206⃣️👤BakedAvatar动态3D头像：-从视频创建逼真3D头部模型。-实时渲染和多视角查看。-兼容多种设备，交互性编辑。🔗https://buaavrcg.github.io/BakedAvatar/🔗https://x.com/xiaohuggg/status/1744591059169272058?s=20

Others are asking
常用的多模态大模型
以下是一些常用的多模态大模型： 1. InstructBLIP：基于预训练的BLIP2模型进行训练，在MM IT期间仅更新QFormer。通过引入指令感知的视觉特征提取和相应的指令，能够提取灵活多样的特征。 2. PandaGPT：是一种开创性的通用模型，能够理解6种不同模式的指令并根据指令采取行动，包括文本、图像/视频、音频、热、深度和惯性测量单位。 3. PaLIX：使用混合VL目标和单峰目标进行训练，包括前缀完成和屏蔽令牌完成。这种方法对于下游任务结果和在微调设置中实现帕累托前沿都是有效的。 4. VideoLLaMA：引入了多分支跨模式PT框架，使LLMs能够在与人类对话的同时处理给定视频的视觉和音频内容，使视觉与语言以及音频与语言保持一致。 5. 视频聊天GPT：专门为视频对话设计的模型，能够通过集成时空视觉表示来生成有关视频的讨论。 6. Shikra：Chen等人介绍了一种简单且统一的预训练MMLLM，专为参考对话（涉及图像中区域和对象的讨论的任务）而定制，展示了值得称赞的泛化能力，可以有效处理看不见的设置。 7. DLP：提出PFormer来预测理想提示，并在单模态句子数据集上进行训练，展示了单模态训练增强MM学习的可行性。 8. BuboGPT：通过学习共享语义空间构建，用于全面理解MM内容，探索不同模式之间的细粒度关系。 9. ChatSpot：引入了一种简单而有效的方法来微调MMLLM的精确引用指令，促进细粒度的交互。 10. QwenVL：多语言MMLLM，支持英文和中文，还允许在训练阶段输入多个图像，提高其理解视觉上下文的能力。 11. NExTGPT：端到端、通用的anytoany MMLLM，支持图像、视频、音频、文本的自由输入输出，采用轻量级对齐策略。 12. MiniGPT5：集成了生成voken的反演以及与稳定扩散的集成，擅长为MM生成执行交错VL输出，在训练阶段加入无分类器指导可以提高生成质量。 13. Flamingo：代表了一系列视觉语言模型，旨在处理交错的视觉数据和文本，生成自由格式的文本作为输出。 14. BLIP2：引入了资源效率更高的框架，包括用于弥补模态差距的轻量级QFormer，实现对冻结LLMs的充分利用，利用LLMs可以使用自然语言提示进行零样本图像到文本的生成。 15. LLaVA：率先将IT技术应用到MM领域，引入了使用ChatGPT/GPT4创建的新型开源MM指令跟踪数据集以及MM指令跟踪基准LLaVABench。 16. MiniGPT4：提出了一种简化的方法，仅训练一个线性层即可将预训练的视觉编码器与LLM对齐，能够复制GPT4所展示的功能。 17. mPLUGOwl：提出了一种新颖的MMLLMs模块化训练框架，结合了视觉上下文，包含一个名为OwlEval的教学评估数据集。 18. XLLM：扩展到包括音频在内的各种模式，并表现出强大的可扩展性。利用QFormer的语言可迁移性，成功应用于汉藏语境。 19. VideoChat：开创了一种高效的以聊天为中心的MMLLM用于视频理解对话，为该领域的未来研究制定标准，并为学术界和工业界提供协议。
2025-01-06
哪个大模型找期刊文献最好用
目前在查找期刊文献方面，不同的大模型各有特点。大模型的特点包括： 架构多样：如 encoderonly 适用于自然语言理解任务，encoderdecoder 用于翻译和摘要，decoderonly 擅长自然语言生成任务。 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。 参数众多：如 Open 在 2020 年发布的 GPT3 就有 170B 的参数。 但对于哪个大模型找期刊文献最好用，没有明确的定论。不过，您可以关注一些常见的大模型，如 GPT 系列等，并根据实际需求和使用体验来判断。
2025-01-06
训练以及部署微调模型
以下是关于训练以及部署微调模型的相关信息： 创建微调模型： 假设您已准备好训练数据。使用 OpenAI CLI 开始微调工作，需指定从哪个 BASE_MODEL（如 ada、babbage、curie 或 davinci）开始，可使用后缀参数自定义微调模型的名称。运行命令后会进行以下操作： 1. 使用文件 API 上传文件（或使用已上传的文件）。 2. 创建微调作业。 3. 流式传输事件直到作业完成，这通常需要几分钟，但如果队列中有很多作业或数据集很大，可能需要数小时。 每个微调工作都从默认为 curie 的基本模型开始，模型的选择会影响性能和成本。您的模型可以是 ada、babbage、curie 或 davinci，可访问定价页面了解微调费率的详细信息。 开始微调作业后，可能需要一些时间才能完成。工作可能排在其他工作之后，训练模型可能需要几分钟或几小时，具体取决于模型和数据集的大小。若事件流中断，可通过运行特定命令恢复。工作完成后，会显示微调模型的名称。此外，还可以列出现有作业、检索作业状态或取消作业。 GPT 助手的训练： 在有监督的微调阶段，收集少量但高质量的数据集，要求人工承包商收集提示和理想响应的数据，通常是几万个或类似数量。然后对这些数据进行语言建模，算法不变，只是训练集从互联网文档变为问答提示响应类型的数据。训练后得到有监督的微调模型（SFT 模型），可实际部署。 大型语言模型的微调： 一旦有了基础模型，进入计算成本相对较低的微调阶段。编写标签说明，明确助手的表现期望，雇佣人员创建文档，如收集 100,000 个高质量的理想问答对来微调基础模型，此过程可能只需一天。然后进行大量评估，部署模型并监控表现，收集不当行为实例并纠正，将正确答案加入训练数据，重复此过程。由于微调成本较低，可每周或每天进行迭代。 例如 Llama2 系列，Meta 发布时包括基础模型和助手模型。基础模型不能直接使用，助手模型可直接用于回答问题。若想自己微调，Meta 完成的昂贵的第一阶段结果可提供很大自由。
2025-01-06
测试微调模型
以下是关于测试微调模型的相关内容： 在完成微调之后，需要对结果进行测试。微调不会直接影响原有的大模型，而是生成一些文件，包括模型权重文件、配置文件、训练元数据、优化器状态等。这些文件可以和原有大模型合并并输出新的大模型。 在测试之前，先通过不合并的方式进行微调结果的验证。例如，若数据集中有问答“问：你是谁？答：家父是大理寺少卿甄远道”，当给微调后的模型指定角色“现在你要扮演皇帝身边的女人甄嬛”，然后问模型“你是谁？”，若回答是“家父是大理寺少卿甄远道”，则认为模型微调有效果。 测试代码结果成功。之后可以将微调结果和原有大模型进行合并，然后输出新的模型，使用 webdemo 进行测试。包括切换到对应的目录、执行合并代码、生成相应文件、创建 chatBotLora.py 文件并执行代码进行本地测试、开启自定义服务等步骤，最终验收成功。 此外，当作业成功时，fine_tuned_model 字段将填充模型名称，可将此模型指定为 Completions API 的参数，并使用 Playground 向它发出请求。首次完成后，模型可能需要几分钟准备好处理请求，若超时可能是仍在加载中，几分钟后重试。可通过将模型名称作为 model 完成请求的参数传递来开始发出请求，包括 OpenAI 命令行界面、cURL、Python、Node.js 等方式。 要删除微调模型，需在组织中被指定为“所有者”。 创建微调模型时，假设已准备好训练数据。使用 OpenAI CLI 开始微调工作，需指定基本模型的名称（ada、babbage、curie 或 davinci），还可使用后缀参数自定义微调模型的名称。运行命令会上传文件、创建微调作业、流式传输事件直到作业完成，每个微调工作都从默认为 curie 的基本模型开始，模型选择会影响性能和成本。开始微调作业后，可能需要一些时间才能完成，若事件流中断可恢复。工作完成后会显示微调模型的名称，还可列出现有作业、检索作业状态或取消作业。
2025-01-06
模型微调对模型的影响和价值
模型微调对模型具有重要的影响和价值，主要体现在以下几个方面： 1. 提高结果质量：能够获得比即时设计更高质量的结果。 2. 增加训练示例：可以训练比提示中更多的例子，从而改进小样本学习，在大量任务中取得更好的效果。 3. 节省 Token 和成本：由于更短的提示而节省了 Token，对模型进行微调后，不再需要在提示中提供示例，能够节省成本并实现更低延迟的请求。 4. 提高模型效率：通过专门化模型，可以使用更小的模型，并且由于只对输入输出对进行训练，舍弃示例或指令，进一步改善延迟和成本。 5. 适应特定领域：针对特定领域进行微调，优化所有层的参数，提高模型在该领域的专业性。 目前，微调适用于以下基础模型：davinci、curie、babbage 和 ada。参数规模角度，大模型的微调分成全量微调 FFT（Full Fine Tuning）和 PEFT（ParameterEfficient Fine Tuning）两条技术路线，从成本和效果综合考虑，PEFT 是目前业界较流行的微调方案。 通用大模型如 GPT4.0、GPT3.5 等具有广泛的自然语言理解能力，但在特定领域表现可能不理想。而通过微调，可以在现有模型基础上，更经济、高效地适应新的应用领域，节省成本并加快模型部署和应用速度。
2025-01-06
训练以及部署微调模型
以下是关于训练以及部署微调模型的相关知识： 创建微调模型： 假设您已准备好训练数据，使用 OpenAI CLI 开始微调工作。需指定从哪个 BASE_MODEL 开始，如 ada、babbage、curie 或 davinci，还可使用后缀参数自定义微调模型的名称。运行命令后会进行以下操作： 1. 使用文件 API 上传文件（或使用已上传的文件）。 2. 创建微调作业。 3. 流式传输事件直到作业完成，这通常需要几分钟，但如果队列中有很多作业或数据集很大，则可能需要数小时。每个微调工作都从默认为 curie 的基本模型开始，模型的选择会影响性能和成本，您可访问定价页面了解微调费率的详细信息。开始微调作业后，可能需要一些时间才能完成，若事件流中断，可通过运行特定命令恢复。工作完成后，会显示微调模型的名称。此外，还可以列出现有作业、检索作业状态或取消作业。 GPT 助手的训练： 在有监督的微调阶段，收集少量但高质量的数据集，要求人工承包商收集提示和理想响应的数据，通常是几万个或类似数量。然后对这些数据进行语言建模，算法不变，只是训练集从互联网文档变为问答提示响应类型的数据。训练后得到有监督的微调模型（SFT 模型），可实际部署，它们在某种程度上是有用的。 大型语言模型的微调： 一旦有了基础模型，就进入计算成本相对较低的微调阶段。在这个阶段，编写标签说明明确助手的表现期望，雇佣人员创建文档，例如收集 100,000 个高质量的理想问答对来微调基础模型，这个过程可能只需一天。然后进行大量评估，部署模型并监控表现，收集不当行为实例并纠正，将正确答案加入训练数据，由于微调成本较低，可每周或每天进行迭代。例如 Llama2 系列，Meta 发布时包括基础模型和助手模型，基础模型不能直接使用，助手模型可直接用于回答问题。
2025-01-06
插画生成
以下是关于插画生成的相关内容： Midjourney 商业实战案例 1. 像素风格插画 关键词：3D,16bit pixel art,Super mario,Minecraft,LEGO,pixel style,Blocksplicing,girl with long hair,Alice in Wonderland,garden background,8K–uplight–ar 9:16–v 5 Midjourney 生成的图片：像素女孩插画 2. 手机壁纸插画 关键词：mobile wallpaper illustrations,four seasons,natural landscapes,minimalist illustrations,line illustrations–ar 9:16–niji Midjourney 生成的图片：手机壁纸 3. 新海诚风格插画 关键词：Makoto Shinkai animation style,a girl,4K–ar 9:16–niji Midjourney 生成的图片：新海诚动漫海报 4. 国潮插画 关键词：Make posters of James Jean,white deer,auspicious clouds,birds,distant mountains,Chinese ChinaChic style,colorful,light color,gradient color–ar 9:16 Midjourney 生成的图片：国潮白鹿插画 【SD】简笔水彩风格插画 作者：白马少年 介绍：SD 实践派，出品精细教程 发布时间：20230620 20:04 原文网址：https://mp.weixin.qq.com/s/TPSturdv9fdGRLAxEG2rKg 生成方法：首先使用大模型“Flat2D Animerge”，适合生成一些卡通动漫的图片，官方建议 CFG 值在 5 或 6（使用动态阈值修复的话，可拉到 11）。还有两个 lora，“Chinese painting style”可增加中国画水彩风格的效果，权重设置为 0.4；“Crayon drawing”可给画面添加简单线条和小孩子的笔触，权重设置为 0.8。将图片丢到标签器中反推出关键词，发送到“文生图”。在正向提示词末尾添加这两个 lora，尺寸按参考图设置，重绘幅度开 0.5 让 AI 更自由发挥，想和原图更接近可降低数值。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”。 商业教程：统一 2 个角色的插画海报 1. 生成女性 获取男生那张的 seed，加在关键词后面，生成女生。挑选相似的。也可以先 U3 后继续通过变化的变化 2 个按钮挑选合适的。 2. 局部重绘 局部重绘不满意的表情，如希望女生开心点，添加 happy。 3. ps 处理 把需要的角色扣在一起。ps 把颜色调整一致（如果有 ps ai 版可以修修手） 4. 小素材生成 其他过程稿
2025-01-06
AI生成视频
以下是关于 AI 生成视频的相关内容： Adobe 网站的生成视频相关操作： 在 Advanced 部分，您可以使用 Seed 选项添加种子编号，以帮助启动流程并控制 AI 创建的内容的随机性。如果使用相同的种子、提示和控制设置，则可以重新生成类似的视频剪辑。选择 Generate 进行生成。 将小说制作成视频的流程： 1. 小说内容分析：使用 AI 工具（如 ChatGPT）分析小说内容，提取关键场景、角色和情节。 2. 生成角色与场景描述：根据小说内容，使用工具（如 Stable Diffusion 或 Midjourney）生成角色和场景的视觉描述。 3. 图像生成：使用 AI 图像生成工具根据描述创建角色和场景的图像。 4. 视频脚本制作：将提取的关键点和生成的图像组合成视频脚本。 5. 音频制作：利用 AI 配音工具（如 Adobe Firefly）将小说文本转换为语音，添加背景音乐和音效。 6. 视频编辑与合成：使用视频编辑软件（如 Clipfly 或 VEED.IO）将图像、音频和文字合成为视频。 7. 后期处理：对生成的视频进行剪辑、添加特效和转场，以提高视频质量。 8. 审阅与调整：观看生成的视频，根据需要进行调整，比如重新编辑某些场景或调整音频。 9. 输出与分享：完成所有编辑后，输出最终视频，并在所需平台上分享。 请注意，具体的操作步骤和所需工具可能会根据项目的具体需求和个人偏好有所不同。此外，AI 工具的可用性和功能也可能会随时间而变化，建议直接访问上述提供的工具网址获取最新信息和使用指南。 AI 视频生成的技术发展概况和应用场景思考： 长期以来，人们对 AI 视频技术应用的认知停留在各种“换脸”和视频特效上。随着 AI 图像领域的技术发展，AI 视频技术也逐渐取得了突破。从交互方式来看，当前 AI 视频生成主要可分为文本生成视频、图片生成视频、视频生成视频三种形式。一些视频生成方法是先生成静态关键帧图像，然后构建为视频序列。也存在直接端到端生成视频的技术，无需进行多阶段处理即可生成视频，如基于 GAN、VAE、Transformer 的方法。微软 NUWAXL 是通过逐步生成视频关键帧，形成视频的“粗略”故事情节，然后通过局部扩散模型（Local Diffusion）递归地填充附近帧之间的内容。
2025-01-06
国内有什么生成视频的AI应用么
以下是国内一些生成视频的 AI 应用： 1. 可灵：在 AI 视频生成领域表现出色，具有卓越的视频生成质量，生成的视频在画面清晰度、连贯性和内容丰富性上可与国际顶级模型媲美。生成速度快，处理效率高，且对国内用户的可访问性强，提供了便捷、稳定的使用体验。 2. Pika：非常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。 3. Hidreamai：有免费额度，支持文生视频、图生视频，提示词使用中文、英文都可以，文生视频支持多种控制，可生成不同时长和尺寸的视频。 4. ETNA：由七火山科技开发的文生视频 AI 模型，能根据简短文本描述生成相应视频内容，视频长度 8 15 秒，画质可达 4K，支持中文，时空理解。 更多的文生视频网站可以查看： 需注意，内容由 AI 大模型生成，请仔细甄别。
2025-01-06
如何生成一个人慢慢变成动物的视频？
以下是几种生成一个人慢慢变成动物的视频的方法： 1. 利用通义万相视频模型，例如生成“古风女孩从人变身成一只狐狸”的视频，您可以通过以下链接获取相关视频： 2. 在剪映中操作： 打开“数字人”选项，选取适合的数字人形象，如“婉婉青春”，添加数字人，软件会根据提供的内容生成对应音视频。 增加背景图片，删除先前导入的文本内容，上传本地图片并调整其位置和大小。 3. 使用 Runway 软件：将图片拖到 Runway 里面生成 4s 视频，进入 Runway 官网首页，点击 start with image，直接将图片拖进来，动画幅度尽量用 3，5 有时候会乱跑，不需要等进度条转完，可以直接继续往里放图片。（Runway 是收费的，您也可以找一下有没有免费的，或者去闲鱼或者淘宝买号）
2025-01-06
数据生成图表
以下是关于数据生成图表的相关内容： 使用 Coze 做一个智能报表助手的实现过程： 1. 用户上传 Excel 后，在工作流中获取 Excel 连接，通过插件下载并读取其中数据。 2. 最初打算将解析的 Excel 数据以单元格形式存到 bot 数据库，让大模型根据单元格数据和用户提问生成答案，但大模型计算能力差，常出错。 3. 改为将 Excel 转换为数据表，使用大模型把用户问题转换为 SQL，准确率高。 4. 自己写服务在动作流里调用，根据 Excel 的 URL 动态创建表并插入数据，将表名存到 Coze 数据库，以便后续根据表名动态执行 SQL 拿到数据。 5. 根据数据库表字段信息，使用大模型为用户生成 3 个推荐报表，限制数据 100 条。 6. 拿到 SQL 后，动态执行查询数据，再用大模型转换为绘制 Echarts 图表的参数。 7. 绘制图表，使用自己写的插件，放大图片三倍提高清晰度。 ChatGPT 助力数据分析的问题与技巧： 1. 在 user prompt 限定 SQL 和数据分析及其返回格式，而不用 system prompt，原因一是 system prompt 已承载表结构信息，二是 user prompt 遵循力度更高，让其承载具体返回格式更精确，操作在后端进行防止用户通过开发者工具查看参数。 2. 分开定义单维度数据和多维度数据的 prompt，而不直接让 GPT 判断，因为存在两种结果导向的 prompt 时，GPT 约有 50%几率出错，最好在发送请求前用条件运算符区分格式，代码判断后决定使用哪个 prompt 再传给 ChatGPT，让 prompt 只存在一种结果导向。 3. 前端渲染图表时，SQL 分析的接口或个性化分析解析的数据文件所获得的 tableData 格式与渲染表格相同为对象数组，让 GPT 判断出对象的 key 值映射：keyMap，得知维度、数据项、数据值的 key，就可拿到并处理成图表所需的 series、xAxis。 ChatGPT 助力数据分析的流程： 1. 第一个 user prompt 限定 SELECT SQL，要求不要用 SELECT查询全部列，仅回复一条 SELECT SQL 语句，至少查询两列：数据项、数据值，且不能直接查询长类型字段，可用 count/substring 等函数查询。 2. system prompt 是表结构信息，如有难以理解的字段可告知 GPT 字段意义，多个表可分开描述。 3. 校验 GPT 生成的 SQL，不通过直接返回提示，通过再执行 SQL 查询数据。 4. 数据分析的 user prompt 提示数据分析，限定返回的 JSON 格式：conclusion、keyMap、title。由于支持多维数据，采取分开定义单维度数据和多维度数据的 prompt，根据结果数据 tableData 的维度，用条件运算符选择对应的 prompt 再传递给 GPT。 5. 结果数据 tableData 跟随接口返回到前端，已通过 SQL 查询的数据，不能让 GPT 再次生成，否则耗时。
2025-01-06
我想要生成一个logo，应该使用哪个工具
以下是一些可以生成 logo 的工具： 1. Looka：在线 Logo 设计平台，使用 AI 理解用户品牌信息和设计偏好，生成多个设计方案供选择和定制。 2. Tailor Brands：AI 驱动的品牌创建工具，通过用户回答问题生成 Logo 选项。 3. Designhill：其 Logo 制作器使用 AI 技术创建个性化设计，用户可选择元素和风格。 4. LogoMakr：提供简单易用的设计工具，用户可拖放设计，利用 AI 建议的元素和颜色方案。 5. Canva：广受欢迎的在线设计工具，提供 Logo 设计模板和元素，有 AI 辅助设计建议。 6. LogoAI by Tailor Brands：Tailor Brands 推出的 AI Logo 设计工具，根据输入快速生成方案。 7. 标小智：中文 AI Logo 设计工具，利用人工智能技术帮助创建个性化 Logo。 此外，您还可以访问以下网站获取更多好用的工具： 另外，还有以下特定的工具和使用方法： 1. 超强 LOGO 生成器：设计一个 logo 生成工具，允许用户上传多张 logo 图片作为参考，通过提示询问用户是否使用这些图片来创建新的 logo 设计，可自定义提示词风格和设定每张图片的参考权重。利用 GPT4 Vision 的识图能力提取图片关键特征生成新 logo，不满意可重新生成，创作完提示用户是否满意，满意则发送转 LOGO 矢量图。 2. ideogram：海外生图平台，早期以准确生成图片文字出名，目前有大量创作者生成各类创意 Logo，对英文字母生成友好，输入支持中文。使用方法是在首页信息流中找到中意的 Logo 款式，点进去 retry，替换提示词中字母部分，支持主流图片比例和主流风格选择。 3. liblib 及 esheep 在线工作流： 极简 Logo：进入极简 Logo Lora 生成页面 https://www.liblib.art/modelinfo/8db352bf5f6b4190841de341cb9eaa0c 。 毛绒风格 Logo：进入 https://www.esheep.com/app/9116?utm_source=app_tab 一键运行。 夏日冰冰凉风格 Logo：进入 https://www.esheep.com/app/8975?utm_source=app_tab 一键运行。
2025-01-06
你推荐什么代码工具让我做出一个自己的软件
以下是为您推荐的一些有助于制作自己软件的代码工具： 1. Vercel 的 V0：可以根据自然语言描述生成工作界面，例如个人财务仪表板，并提供多个版本供选择，还能根据后续说明进行迭代。 2. TLDraw 的 Make Real 原型：在画布上连接多模态语言模型（GPT4 Omni），通过绘制和注释界面生成可运行的软件。 3. Bolt.new：AI 帮您自动写代码、自动运行并自动部署，全部在浏览器中完成，只需撰写简单提示，支持现代开发工具链，如 npm、Vite 和 Next.js。 4. GPTs 相关工具，如： Picturator：设计类，描述和图像生成专家。 GPT Code Copilot：代码类，您的人工智能软件开发助手。 Logo Maker：设计类，为您的业务制作专业高质量的 PNG。 提示精灵小富贵（Prompt Pet）：效率工具、文本类，主动懂您，会帮您写 Prompt 的仓鼠精灵。 ChatPRD：商业、文本类，按需提供服务的首席产品官，帮助起草和改进 PRD 文档。 VentureGPT：商业类， 打造的风险投资合作伙伴。 There's An API For That：代码类，最先进的 API 查找器，可用于 2000 多个手动策划的任务。
2025-01-06
给我推荐一个快速读电子书的AI工具
以下为您推荐一些快速读电子书的 AI 工具： 1. DeepL（网站）：点击页面「翻译文件」按钮，上传 PDF、Word 或 PowerPoint 文件即可。 2. 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」。 3. Calibre（电子书管理应用）：下载并安装 calibre，并安装翻译插件「Ebook Translator」。 4. 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。 5. 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）。 6. 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）。 7. 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。 内容由 AI 大模型生成，请仔细甄别。
2025-01-06
任务管理 项目管理的工具
以下是一些适合软件项目经理的 AI 工具： 1. 项目管理和任务跟踪工具：如 Jira、Trello 等，已开始集成 AI 功能，可辅助制定计划、分配任务、跟踪进度。 2. 文档和协作工具：微软的 Copilot 可集成到 Office 套件中，为项目文档撰写、编辑等提供助手功能。云存储服务如 Google Drive 也提供 AI 驱动的文档管理和协作功能。 3. 风险管理和决策支持工具：可帮助识别和分析项目风险，并提供决策建议。 4. 沟通和协作工具：AI 助手可辅助进行团队沟通协调、客户关系维护等。 5. 创意生成工具：如文心一格、Vega AI 等绘画工具，可帮助快速生成创意图像素材。 此外，在 OpenAI o1 代码能力实测中，正在搭建项目管理工具的面板，包括任务板、团队成员信息、项目进度图表和通知等，每个部分都进行了精细设计和布局，体现了高效的项目监控和管理。 在界面认识方面，新版本 UI 包含顶部工具栏、左侧面板和中央画布。顶部工具栏包含全局操作和工具，如文件操作、编辑操作、视图控制和帮助等。左侧面板通常用于显示节点库，包括输入节点、模型节点、处理节点和输出节点等分类。中央画布是主要工作区域，用户可在此自由拖放和连接节点，构建工作流程，还支持缩放、移动和右键操作。
2025-01-06
产品原型设计的AI工具有哪些
以下是一些可用于产品原型设计的 AI 工具： 1. UIzard：利用 AI 技术生成用户界面，能根据提供的信息快速生成 UI 设计。 2. Figma：基于云的设计工具，提供自动布局和组件库，其社区也有一些 AI 插件用于增强设计流程。 3. Sketch：流行的矢量图形设计工具，插件系统中部分插件利用 AI 技术辅助设计工作，如自动生成设计元素。 以下是一些产品经理常用的 AI 工具： 1. 用户研究、反馈分析：Kraftful（kraftful.com） 2. 脑图：Whimsical（whimsical.com/aimindmaps）、Xmind（https://xmind.ai） 3. 画原型：Uizard（https://uizard.io/autodesigner/） 4. 项目管理：Taskade（taskade.com） 5. 写邮件：Hypertype（https://www.hypertype.co/） 6. 会议信息：AskFred（fireflies.ai/apps） 7. 团队知识库：Sense（https://www.senseapp.ai/） 8. 需求文档：WriteMyPRD（writemyprd.com） 9. 敏捷开发助理：Standuply（standuply.com） 10. 数据决策：Ellie AI（ellie.ai） 11. 企业自动化：Moveworks（moveworks.com） 以下是一些可以绘制逻辑视图、功能视图、部署视图的工具： 1. Lucidchart：流行的在线绘图工具，支持多种图表创建，包括上述视图，可通过拖放界面轻松创建架构图。 2. Visual Paradigm：全面的 UML 工具，提供创建各种架构视图的功能。 3. ArchiMate：开源建模语言，与 Archi 工具配合使用，支持逻辑视图创建。 4. Enterprise Architect：强大的建模、设计和生成代码工具，支持多种架构视图创建。 5. Microsoft Visio：广泛使用的图表和矢量图形应用程序，提供丰富模板。 6. draw.io（现称 diagrams.net）：免费在线图表软件，支持多种类型图表创建。 7. PlantUML：文本到 UML 转换工具，通过描述性文本自动生成相关视图。 8. Gliffy：基于云的绘图工具，提供创建多种架构图的功能。 9. Archi：免费开源工具，用于创建 ArchiMate 和 TOGAF 模型，支持逻辑视图创建。 10. Rational Rose：IBM 的 UML 工具，支持多种视图创建。
2025-01-06
数据可视化ai工具
以下是一些可以用于数据可视化的 AI 工具： 1. Lucidchart：流行的在线绘图工具，支持多种图表创建，包括逻辑视图、功能视图和部署视图，用户可通过拖放界面轻松创建架构图。 2. Visual Paradigm：全面的 UML 工具，提供创建各种架构视图的功能，包括逻辑视图（类图、组件图）、功能视图（用例图）和部署视图（部署图）。 3. ArchiMate：开源的建模语言，专门用于企业架构，支持逻辑视图的创建，可与 Archi 工具配合使用，该工具提供图形化界面创建模型。 4. Enterprise Architect：强大的建模、设计和生成代码的工具，支持创建多种架构视图，包括逻辑、功能和部署视图。 5. Microsoft Visio：广泛使用的图表和矢量图形应用程序，提供丰富模板用于创建逻辑视图、功能视图和部署视图等。 6. draw.io（现在称为 diagrams.net）：免费的在线图表软件，允许用户创建各种类型的图表，包括软件架构图，支持创建逻辑视图和部署视图等。 7. PlantUML：文本到 UML 的转换工具，通过编写描述性文本自动生成序列图、用例图、类图等，帮助创建逻辑视图。 8. 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。 9. 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。 10. 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。 此外，在 Agent 相关比赛的赛道介绍中，数据可视化也是其中的一个重要方向，比如将复杂的数据进行可视化展示，用图表、信息图等方式使数据解读更直观、简洁。
2025-01-06