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

识别图片文字

Answer

以下是关于识别图片文字的方法：

  1. 图像预处理：
    • 图像去噪：使用去噪算法（如高斯滤波、中值滤波）去除图像中的噪声。
    • 图像增强：通过增强算法（如直方图均衡化、对比度增强）提升图像的清晰度和对比度。
  2. 图像分割：使用图像分割算法将试卷图像中的书写笔迹和背景分离。常用的分割算法包括阈值分割、边缘检测和基于区域的分割方法。
  3. 文字检测：在分割后的图像中，使用文字检测算法（如基于深度学习的文本检测模型）识别出试卷上的文字区域。
  4. 文字识别：对检测到的文字区域进行文字识别，将文字内容转换为计算机可处理的文本数据。常用的文字识别技术包括基于深度学习的端到端文本识别模型和传统的 OCR（Optical Character Recognition）技术。
  5. 后处理：根据需求进行后处理，如去除残余的噪点、填补文字区域的空白等。
  6. 机器学习模型训练（可选）：如有足够的数据，可以采用机器学习技术训练模型，通过学习样本中的书写笔迹特征来自动去除试卷上的笔迹。
  7. 优化算法：对整个处理流程进行优化，提高处理速度和准确度。可以采用并行计算、硬件加速等方法提升算法的效率。
  8. 移动端集成：将设计好的算法和模型集成到移动应用程序中，以实现试卷拍照去除书写笔迹的功能。可以使用移动端开发框架（如 iOS 的 Core ML、Android 的 TensorFlow Lite）来实现模型的部署和调用。

此外，关于 GPT 的 OCR 识别问题及解决方案：

  • 问题：开启代码执行功能时，GPT 会尝试用代码完成 OCR，导致无法正确识别图片文字。
  • 解决方案：
    • 如果是自定义 GPT，关闭 Code Interpreter。
    • 无法关闭时，提问时明确说明“不要执行代码，请用自身多模态能力识别文字”。
    • 直接使用 ChatGPT，而非 GPT。

关于 Glif 的使用：

  • 首先确认 glif 的入口参数，设计输入项，如宠物的性别、语言、用户提供的一张宠物照片，并分别新增相应的节点。
  • 接下来将图片内容识别出来，有两种选择：使用 Image to Text 节点或 GPT-Vision 的多模态能力。
  • 由于识别图的内容可能混乱，可通过大模型做清理，新增一个 Text Generator（LLM）节点。
Content generated by AI large model, please carefully verify (powered by aily)

References

问：介绍一个移动端-图片视觉处理的方法

移动端图片视觉处理方法在试卷拍照去除书写笔迹方面可以采用图像处理和机器学习技术的结合。以下是一个详细的方法介绍：1.图像预处理：图像去噪：使用去噪算法（如高斯滤波、中值滤波）去除图像中的噪声。图像增强：通过增强算法（如直方图均衡化、对比度增强）提升图像的清晰度和对比度。2.图像分割：使用图像分割算法将试卷图像中的书写笔迹和背景分离。常用的分割算法包括阈值分割、边缘检测和基于区域的分割方法。3.文字检测：在分割后的图像中，使用文字检测算法（如基于深度学习的文本检测模型）识别出试卷上的文字区域。4.文字识别：对检测到的文字区域进行文字识别，将文字内容转换为计算机可处理的文本数据。常用的文字识别技术包括基于深度学习的端到端文本识别模型和传统的OCR（Optical Character Recognition）技术。5.后处理：根据需求进行后处理，如去除残余的噪点、填补文字区域的空白等。6.机器学习模型训练（可选）：如有足够的数据，可以采用机器学习技术训练模型，通过学习样本中的书写笔迹特征来自动去除试卷上的笔迹。7.优化算法：对整个处理流程进行优化，提高处理速度和准确度。可以采用并行计算、硬件加速等方法提升算法的效率。8.移动端集成：将设计好的算法和模型集成到移动应用程序中，以实现试卷拍照去除书写笔迹的功能。可以使用移动端开发框架（如iOS的Core ML、Android的TensorFlow Lite）来实现模型的部署和调用。

宝玉 日报

🫧宝玉日报「12月20日」✨✨✨✨✨✨✨✨1⃣️🖼️GPT的OCR识别问题及解决方案问题：开启代码执行功能时，GPT会尝试用代码完成OCR，导致无法正确识别图片文字。解决方案：1.如果是自定义GPT，关闭Code Interpreter。2.无法关闭时，提问时明确说明“不要执行代码，请用自身多模态能力识别文字”。3.直接使用ChatGPT，而非GPT。🔗[https://x.com/dotey/status/1869947164249489507](https://x.com/dotey/status/1869947164249489507)2⃣️💻ChatGPT桌面应用升级发布主要亮点：支持与多种应用协作，优化工作效率。新功能：1.实时协作：通过Warp终端、Xcode实现智能协作。2.文档支持：支持Notion、Apple Notes等工具。3.语音交互：新增语音助手模式，体验更智能。4.搜索辅助：确保输出信息的准确性。可用性：Mac版本现已发布，Windows版本即将推出。🔗[https://x.c](https://x.com/dotey/status/1869844320322204154)[om/dotey/status/1869844320322204154](https://x.com/dotey/status/1869844320322204154)3⃣️🚀Gemini推理模型已上线AI Studio

Glif：图像流强大的多，使用和接入Coze

接下来我以一个示例来介绍如何搭一个给宠物起名的glif:【[Pet Name Genius](https://glif.app/@Binllm/glifs/clxwncgy2000aybxuqtmvd4lx)】一，首先确认这个glif的入口参数，设计输入项为：输入项1：宠物的性别输入项2：语言输入项3：用户提供一张宠物照片分别新增【宠物性别】Text Input，【起名语言】Text Input，【宠物照片】Image Input三个节点。二，接下来要将图片内容识别出来，这里有两种选择：1.使用Image to Text节点，可以选择里面Blip2和MiniGPT4（很慢）。2.使用GPT-Vision的多模态能力，已经有封装好的glif block（推荐）。这里选择第二种方式，新增一个glif block节点。1.Select Glif这里选择里面的GPT Vision。2.在textPrompt里给出指令：Describe the all characteristics of the pet,e.g.detailed descriptions fur,color,ears,eyes,facial features,body features,posture1.imageUrl填入上面图片输入项的变量。三，由于识别图的内容相对混乱，尤其宠物特征和环境的描述很可能是杂糅在一起，通过大模型做清理。新增一个Text Generator（LLM）节点。这里的User Prompt参考：

Others are asking
在开会时实现AI识别语音成文档
目前在开会时实现 AI 识别语音成文档的技术已经较为成熟。常见的实现方式有使用专门的语音识别软件或服务，例如科大讯飞、百度语音等。这些工具通常可以实时将会议中的语音转换为文字，并生成相应的文档。在使用时，需要确保有良好的录音设备以获取清晰的语音输入，同时要注意对识别结果进行适当的校对和修正，以提高文档的准确性。
2025-03-13
写一个可以对接金蝶云之家OA的插件，可以识别上传的发票与之前发票是否有重复提交的情况？
目前没有关于如何编写对接金蝶云之家 OA 并实现识别上传发票是否重复提交的具体内容。但一般来说，要实现这样的插件，您可能需要以下步骤： 1. 了解金蝶云之家 OA 的接口和数据格式规范，以便能够与之进行有效的交互。 2. 建立发票数据的存储和管理机制，用于保存已上传的发票信息。 3. 设计发票识别的算法和逻辑，能够提取发票的关键特征，如发票号码、日期、金额等。 4. 对比新上传发票的特征与已存储发票的特征，判断是否存在重复。 这是一个较为复杂的开发任务，可能需要涉及到软件开发、数据库管理、算法设计等多方面的知识和技术。
2025-03-13
意图识别
意图识别是根据输入的内容决定后续环节的流程，有点像 if/else 。从输出看，其 reason 通常为英文。可以简单理解为是一个简化版的大语言模型节点，为更精准识别，可优化选项使其更精准凝练，不行的话可换用大语言模型节点。 在自然语言处理领域，意图识别已被广泛讨论。随着大型模型兴起，尤其是用作智能体的 Brain 模块时，承担了主要工作任务。当用户输入指令，通过感知模块传递到 Brain 模块，Brain 模块需做出反应，本质上是一种分类任务，区分用户具体意图，在单一或多智能体系统中都至关重要。通过如 Siri、小爱同学等常见智能助手的例子可更直观理解。大型模型执行意图识别任务主要基于前期大量数据训练得到的模型，可通过微调适应特定领域需求。 在 Manus 多智能体通用任务系统中，意图识别从用户输入中提取关键词和任务类型，引导用户补充信息以明确需求。
2025-03-12
帮我完成基于深度学习的草莓目标识别的毕设
很抱歉，目前没有关于基于深度学习的草莓目标识别毕设的具体内容。但我可以为您提供一个大致的指导框架： 首先，您需要收集大量包含草莓的图像数据，并对这些数据进行标注，例如标记出草莓的位置和类别。 然后，选择适合的深度学习模型，如卷积神经网络（CNN），可以考虑使用经典的模型架构如 VGG、ResNet 等，或者根据您的需求进行适当的修改和优化。 在训练模型时，要注意设置合适的超参数，如学习率、迭代次数等，并使用合适的优化算法，如随机梯度下降（SGD）、Adagrad 等。 在模型训练完成后，进行评估和验证，可以使用准确率、召回率、F1 值等指标来衡量模型的性能。 最后，对模型进行优化和改进，以提高识别效果。 希望以上框架对您有所帮助，祝您顺利完成毕业设计！
2025-03-09
我现在需要做我的毕业设计名为“基于深度学习的草莓目标识别系统”，你能告诉我如何制作以及用到这里的哪些ai工具、
对于您的“基于深度学习的草莓目标识别系统”毕业设计，以下是一些制作的步骤和可能用到的 AI 工具： 制作步骤： 1. 数据收集：收集大量包含草莓的图像数据，并对其进行标注，例如标记出草莓的位置和类别。 2. 数据预处理：对收集到的数据进行清洗、增强、裁剪等操作，以提高数据质量和模型的泛化能力。 3. 选择模型架构：可以考虑使用常见的深度学习目标检测模型，如 Faster RCNN、YOLO 等。 4. 训练模型：使用预处理后的数据对选择的模型进行训练。 5. 模型评估：使用测试集对训练好的模型进行评估，如准确率、召回率等指标。 6. 模型优化：根据评估结果对模型进行调整和优化，例如调整超参数、增加数据量、使用更复杂的模型等。 可能用到的 AI 工具： 1. TensorFlow：一个广泛使用的深度学习框架，提供了丰富的模型构建和训练工具。 2. PyTorch：另一个流行的深度学习框架，具有灵活的编程接口和强大的计算能力。 3. OpenCV：用于图像处理和数据预处理。 4. LabelImg：用于图像数据的标注。 希望以上内容对您有所帮助，祝您毕业设计顺利！
2025-03-09
所以我可以理解为CNN是一种图像分类识别的AI算法技术吗
卷积神经网络（CNN）是一种用于图像分类识别的 AI 算法技术。 ImageNet 成为深度神经网络革命的首选数据集，其中由 Hinton 领导的 AlexNet 就是基于卷积神经网络（CNN）。自 2012 年以来，在深度学习理论和数据集的支持下，深度神经网络算法大爆发，包括卷积神经网络（CNN）等。 连接主义的全面逆袭从 2012 年开始，欣顿教授和他的学生建立的 AlexNet 就是使用反向传播算法训练的卷积神经网络（CNN），其在图像识别方面击败了当时最先进的逻辑程序。 虽然 CNN 模型取得了显著成果并解决了许多问题，但也存在一些缺陷，如不能从整幅图像和部分图像识别出姿势、纹理和变化，池化操作导致模型不具备等变、丢失很多信息，需要更多训练数据来补偿损失，更适合像素扰动极大的图像分类，对某些不同视角的图像识别能力相对较差。因此，在 2011 年，Hinton 和他的同事们提出了胶囊网络（CapsNet）作为 CNN 模型的替代。
2025-03-07
帮我生成一张黑洞吞噬星系的图片
很抱歉，目前无法直接为您生成黑洞吞噬星系的图片。但为您提供以下相关信息： Genie 模型可以为您展示一系列关于宇宙的内容，比如黑洞是怎样吞噬光线的。通过与 Genie 模型的互动，您能感受到宇宙的广阔和神秘，激发对天文学和物理学的兴趣。 有研究利用计算机视觉模型拼凑出了 5500 万光年外的首张黑洞图像，结合了来自世界各地八台望远镜的图像。 如果您想要获得黑洞吞噬星系的图片，建议您通过以下方式： 1. 使用专业的图像设计软件，如 Adobe Photoshop 等，自己创作。 2. 在一些提供图片素材的网站上搜索，如 Unsplash、Pexels 等。
2025-03-13
生成图片的大模型
以下是关于生成图片的大模型的相关信息： SDXL 模型： 是 Stable Diffusion 开发公司最新发布的图像生成大模型。 以往使用的模型多在 sd1.5 官方模型上衍生微调，而 sdxl1.0 版本的官方大模型有极强升级。 base 模型参数数量为 35 亿，refiner 模型参数数量达 66 亿。 由 base 基础模型和 refiner 优化模型构成，可在 base 模型基础上用优化模型绘画，更有针对性优化出图质量。 优势： 审美偏好有很大提升，出图效果直逼 midjourney。 体积和分辨率更大，base+refiner 容量达 13G，基于 10241024 图片训练，可直接生成 1000 分辨率以上图片，细节和绘画质量惊人。 可图大模型： 由快手可图团队开发，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）等方面有巨大优势，支持中英双语，在中文特色内容理解方面更具竞争力。更多信息可查看技术报告。 SD 模型入门： 主模型后缀一般为.ckpt 或者.safetensors，体积在 2G 7G 之间。 管理模型需进入 WebUl 目录下的 models/Stablediffusion 目录。 在使用 WebUI 时左上角切换的就是主模型。
2025-03-13
AI赋能办公，包含AI+对话、AI+写作与PPT、图片与视频生成和数据分析，还有面向HR、行政、财务、营销等岗位的AI赋能课
以下是关于 AI 赋能办公的相关内容： GPT 使用场景： 1. 内容生成：可以生成文章、故事、诗歌、歌词等内容。 演示：https://chat.openai.com/ 、https://bard.google.com/extensions 、https://claude.ai/ 2. 聊天机器人：作为聊天机器人后端，提供自然对话体验。 演示： 3. 问答系统：为用户提供准确答案。 4. 文本摘要：生成文本的摘要或概述。 5. 机器翻译：虽非专门设计，但有不错表现。 6. 群聊总结： 7. 代码生成：GPT3 及后续版本可生成代码片段，帮助解决编程问题。 8. 教育：用于教育领域，帮助学生解答问题或提供学习材料。 9. 浏览器插件：webpilot 10. PDF 对话：演示 www.chatpdf.com PPT 相关： 1. 2. AiPPT.cn：爱设计&AiPPT.cn 是一家 AIGC 数字科技企业，致力于打造“下一代个人与组织的 Ai 工作站”。旗下产品包括 AiPPT 等超过 10 余款应用 AI 能力的内容创作工具。23 年在 Ai+办公领域推出 AiPPT.cn/AiPPT.com，帮助用户“一分钟一键生成 PPT”，是国内 AiPPT 赛道创业公司第 1 的产品，全球第 4，国内所有 AIGC 产品 PC 端 Top10。目标市场主要是市场、运营、销售、人力、财务、行政、技术、产品、总助、公务员、学生、老师等基层及中高层管理岗位人员。 3. 在众多的 PPT 工具中，AI 带来便捷高效体验。深入了解了五大 AI PPT 工具：MindShow、爱设计、闪击、Process ON、WPS AI，它们各自有鲜明特色和擅长场景。选择合适工具要根据实际需求调整，试用和体验比盲目跟风更明智。 其他： 1. 音视频提取总结：https://bibigpt.co/r/AJ 2. 播客总结：https://podwise.xyz/dashboard/trending 3. 生成脑图：https://xmind.ai/editor/
2025-03-12
你现在是抖音运营，如何可以利用现有图片素材，自动生成服饰图文
以下是一些利用现有图片素材自动生成服饰图文的方法和相关资源： 1. TryOffDiff：这是一种 AI 脱衣技术，能够逆向打造服装图片。与虚拟试衣不同，它可以将衣服从照片中“摘取”生成标准化服装图，并且能够保留图案、褶皱、徽标等精细细节，即使原图中部分被遮挡，也能准确推断。其应用场景广泛，适合商品目录制作及电商平台服装展示需求。详细介绍： 2. 可生成自定义服装效果图，支持颜色、款式、材质等多种细节描述。基于 H&M Fashion Captions 数据集，提供多样化的时尚风格参考。模型权重为 Safetensors 格式，便于集成和使用。模型下载： 3. 在 Stable Diffusion 中，若看到好看的图片想复制其效果，可将照片导入。若为 SD 下载的 PNG 格式照片，右边会自动弹出照片信息，包括正面关键词、负面关键词等，可复制这些信息到“文生图”页面生成相似图片。若照片无法自动弹出信息，可使用“标签器（Tagger）”生成关键词。
2025-03-12
我想知道现在中国网络环境内可以用的最好图片AI，以图生图稳定
目前在中国网络环境内可用的较好的以图生图且较为稳定的 AI 产品有： 1. Artguru AI Art Generator：在线平台，能生成逼真图像，为设计师提供灵感，丰富创作过程。 2. Retrato：AI 工具，可将图片转换为非凡肖像，有 500 多种风格可选，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，能将上传的照片转换为芭比风格，效果出色。 此外，关于 Stable Diffusion 还有一些相关的使用技巧和处理步骤： 用 GFPGAN 算法将人脸变清晰，可参考文章。 将图片发送到图生图中，打开 stableSR 脚本放大两倍，该放大插件是所有插件中对原图还原最精准、重绘效果最好的，可参考文章。 使用 Stable Diffusion 中的【X/Y/Z plot】脚本做参数对比，如设置 X 轴为提示词相关性，Y 轴为重绘幅度等。绘图时可通过增加提示词、使用画笔工具等进行局部修改和重绘。
2025-03-12
总结文章内容，生成内容总结，最后输出图片、海报类的内容总结，用什么工具如何实现？
以下是对上述文章内容的总结： 文章主要介绍了三种与总结文章内容、生成相关图片和推送相关内容有关的工作流： 1. Yeadon 的 coze 扣子闪光卡片制作工作流：包括输入原文链接、提取链接内容、生成原文二维码、图片搜索、利用代码节点改变 HTML 展示信息变量、HTML 代码转图片内容、抠图提取卡片主体等步骤。具有页面自动对齐、修改方便、模板复用等优势，有待提升的方面包括自由选择显示内容和添加更多动画效果等。 2. 【拔刀刘】的自动总结公众号内容并定时推送到微信的工作流：包括使用大模型节点批量总结文章内容，选择模型和配置参数，使用代码节点汇总格式化最终输出内容，通过自建插件将格式化好的内容推送到用户微信。 3. 【买买买！💥产品买点提炼神器强化版🚀】的一站式营销内容解决方案工作流：包括卖点提炼模块，通过提问引导用户发掘卖点，或由大模型帮助生成；卖点修改模块，对大模型总结的卖点进行精细化调整；内容展示模块，将生成的内容制作成可保存的图片并输出图片链接。 关于生成图片、海报类内容总结的工具和实现方式，在 Yeadon 的工作流中，通过代码节点将 HTML 代码转成图片内容，在【买买买！💥产品买点提炼神器强化版🚀】的工作流中，利用图像流制作美观的图片模板，并传入相关信息展示在图片中。
2025-03-11
免费的文字生视频软件
以下是一些免费的文字生成视频软件： 1. Pika：是一款出色的文本生成视频AI工具，擅长动画制作，支持视频编辑，目前内测免费。生成服务托管在discord中，加入Pika Labs的Discord频道，在“generate”子区可进行操作，输入/create并在弹出的prompt文本框内输入描述即可生成视频，还能上传本地图片生成对应指令动态效果。 2. SVD：如果熟悉Stable Diffusion，可以安装这款最新的插件，在图片基础上直接生成视频，由Stability AI开源。 3. Kaiber：这是一款视频转视频AI，能够将原视频转换成各种风格的视频。 4. Sora：由OpenAI开发，可以生成长达1分钟以上的视频。 更多的文生视频的网站可以查看：https://www.waytoagi.com/category/38 。 Pika labs的特点及使用方法： 目前推出了Beta版本，支持免费、不限次数地文生视频、图生视频，生成的视频会带上官方水印。 官方Twitter：https://twitter.com/pika_labs 使用方法： 在Discord试用Beta版本：http://discord.gg/pika 选择generatex开头的频道或者建立pika labs私信 “/create”输入prompt即可完成文生视频，输入prompt后，点击“增加1”可添加image进行文+图生视频。 若仅输入图片，不输入Prompt来生成视频，可以使用/animate命令。 9月，pika更新了新能力加密信息。使用命令/encrypt_text，可以将最多20个字符的文本“加密”到给定的视频输出中。使用/encrypt_image，则可以实现输入logo image，生成图像动画中含有logo的效果。 请注意，以上内容由AI大模型生成，请仔细甄别。
2025-03-14
把一段录音转化成文字
以下是将录音转化成文字的几种方法： 1. 办公场景： 可以使用通义听悟、飞书妙记、钉钉闪记来实现录音转文字。以钉钉闪记为例，操作步骤如下： 第一步打开钉钉闪记。 结束录音后点击“智能识别”。 点击智能摘要，就可以获得本次会议的纪要。 如果需要更多内容，复制所有文案或下载文本文件到GPT、GLM、通义千问等大语言模型对话框中，再将会议内容发送。 该场景对应的关键词库包括会议主题、参与人员、讨论议题、关键观点、决策、时间、地点、修改要求、文本格式、语言风格、列表、段落。 提问模板： 第一步：用飞书会议等软件整理好会议记录，并分段式发给 ChatGPT 生成总结：请根据以下会议资料，整理会议的关键信息，包括：会议主题、参与人员、讨论议题、关键观点和决策。会议资料：1、时间：XXX 年 XXX 月 XXX 日；2、地点：XXXX；3、参与人员：XXX、XXX；4、会议主题：XXXX；5、讨论内容：Speaker1：XXX；Speaker2：XXX；Speaker3：XXX。 第二步：检查生成的总结：请根据我提供的会议补充信息和修改要求，对 XXX 部分进行修改。 第三步：优化文本格式和风格：1、请将生成的总结，以 XXX 形式呈现（例如：以列表的形式、以段落的形式、使用正式/非正式的语言风格）；2、请给上述会议总结，提供修改意见，并根据这个修改意见做最后的调整。 2. 外语学习场景（雅思口语急速备考）： 如果时间充裕，建议把每个 topic 的问题喂给 GPT，让它一道道问您，您回答（可以用苹果自带的录音转文字）。转成文本后差不多能知道自己发音的问题。 然后让 GPT 对您的内容执行 correct 或者 another native answer 两个指令。前者可以基于您的内容做修正，后者是自己完全没思路让它给您弄一个。 之后要归纳，把语料按照教育、工作、购物、科技、消费分成几大类，然后再弄吃、环保、交通、历史几个专题，可以挑最不熟悉、现场水不出来的准备。 3. 教师场景： 7 月 31 日录音可以用通义听悟整理录音笔记，网址为：https://tingwu.aliyun.com ，有智能速览、关键词、保存导出等功能。
2025-03-14
我可以把我的论文文字给ai，让他帮我生成数据图标吗
目前在 AI 领域，是可以将您的论文文字提供给 AI 来生成数据图表的。例如，在一些案例中，人们会要求 AI 对特定的问卷统计数据生成柱状图、饼图等。但在使用过程中可能存在一些问题，比如数据库更新不够及时、深入讲解不足、部分操作无法实现等。同时，像 Midjourney 这样的工具在生成 UI 设计相关的图表时，可能存在不够规范、文字混乱等情况，但也能作为风格参考。您在使用时可以不断提出要求和调整，以获得更符合您需求的数据图表。
2025-03-14
批量视频转文字
以下是关于批量视频转文字的相关信息： 通义听悟是阿里云推出的一款基于大模型的工作学习 AI 助手，能对音视频内容进行转写、检索、摘要和整理等。它可以实时记录交流内容并同步翻译，批量转写音视频文件并区分发言人，智能提炼全文概要、章节速览和发言总结，提取视频中的 PPT 并总结摘要，自动提取关键词和待办事项，编辑整理笔记并导出分享。通义听悟于 2023 年 6 月 1 日开始公测，并在 2023 年 11 月的云栖大会上正式上线。 舆情管理大师汽车 bot 小队具有视频直转文字的功能，能简化人工筛选过程，提炼关键内容用于复审。 在视频转绘制作视频过程中，对于批量跑图脚本设置，当对关键帧的图片试验完毕得到满意画面时，可来到图生图界面点击最下面的脚本按钮，选择 Ebsynth Utility 脚本。需填写对应的工程文件路径，注意 Mask option 选项控制是否使用蒙版。ControlNet 配置一般保持默认参数，还可配置脸部裁切，包括面部裁切选择、面部裁切分辨率、最大裁切尺寸、人脸去噪程度、面部放大倍数等参数，开启后可改善面部崩坏情况。设置完成点击生成按钮，最后会在工程文件夹中生成一个 img2img_key 的文件夹。
2025-03-13
如何用脚本文字生成视频
以下是关于用脚本文字生成视频的相关内容： 一、Sora 的功能 1. 文字生成视频，时长可到 60 秒。 示例：一位时尚的女士在充满温暖发光的霓虹灯和活泼的城市标志的东京街头漫步。 2. 图片生成视频。 3. 扩展视频，能够在时间上向前或向后扩展。 二、根据视频脚本生成短视频的工具 1. ChatGPT + 剪映：ChatGPT 生成视频小说脚本，剪映根据脚本自动分析出视频要素并生成素材和文本框架。 2. PixVerse AI：在线 AI 视频生成工具，支持将多模态输入转化为视频。 3. Pictory：AI 视频生成器，用户提供文本描述即可生成相应视频内容。 4. VEED.IO：提供 AI 图像和脚本生成器，帮助用户从图像制作视频并规划内容。 5. Runway：AI 视频创作工具，能将文本转化为风格化视频内容。 6. 艺映 AI：专注于人工智能视频领域，提供文生视频、图生视频、视频转漫等服务。 三、用 AI 把小说做成视频的制作流程 1. 小说内容分析：使用 AI 工具（如 ChatGPT）提取关键场景、角色和情节。 2. 生成角色与场景描述：利用工具（如 Stable Diffusion 或 Midjourney）生成视觉描述。 3. 图像生成：使用 AI 图像生成工具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脚本。 5. 音频制作：用 AI 配音工具（如 Adobe Firefly）转换语音，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）合成。 7. 后期处理：进行剪辑、添加特效和转场以提高质量。 8. 审阅与调整：观看视频并根据需要调整。 9. 输出与分享：完成编辑后输出并分享。 请注意，具体操作步骤和所需工具可能因项目需求和个人偏好不同而有所差异。AI 工具的可用性和功能也可能变化，建议访问工具网址获取最新信息和使用指南。内容由 AI 大模型生成，请仔细甄别。
2025-03-12
推荐一些好用的文字转APP产品原型设计工具
以下为您推荐一些好用的文字转 APP 产品原型设计工具： 1. 即时设计：https://js.design/ 这是一款可在线使用的“专业 UI 设计工具”，为设计师提供更加本土化的功能和服务，相较于其他传统设计工具，更注重云端文件管理、团队协作，并将设计工具与更多平台整合，一站搞定全流程工作。 2. V0.dev：https://v0.dev/ Vercel Labs 推出的 AI 生成式用户界面系统。每个人都能通过文本或图像生成代码化的用户界面，它基于 Shadcn UI 和 Tailwind CSS 生成复制粘贴友好的 React 代码。 3. Wix：https://wix.com/ Wix 是一款用户友好的 AI 工具，可让您在没有任何编码知识的情况下轻松创建和自定义自己的网站，提供广泛的模板和设计供您选择，以及移动优化和集成电子商务功能等功能。Wix 建站工具通过拖放编辑、优秀模板和 250 多种 app，能帮助不同领域的用户创建所有种类的网站。 4. Dora：https://www.dora.run/ 使用 Dora AI，可以通过一个 prompt，借助 AI 3D 动画，生成强大网站。支持文字转网站，生成式 3D 互动，高级 AI 动画。 请注意，以上内容由 AI 大模型生成，请仔细甄别。您可以在版块里找到更多推荐的网站。
2025-03-12