lora炼丹活动

以下是关于 Flux 的 Lora 模型训练的详细步骤： 模型准备： 1. 下载所需模型，包括 t5xxl_fp16.safetensors、clip_l.safetensors、ae.safetensors、flux1dev.safetensors。 注意：不使用时存放位置随意，只要知晓路径即可。训练时建议使用 flux1dev.safetensors 版本的模型和 t5xxl_fp16.safetensors 版本的编码器。 下载脚本： 1. 网盘链接： 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 安装虚拟环境： 1. 下载完脚本并解压。 2. 在文件中找到 installcnqinglong.ps1 文件，右键选择“使用 PowerShell 运行”。 3. 新手在此点击“Y”，然后等待 1 2 小时的下载过程，完成后提示是否下载 hunyuan 模型，选择 n 不用下载。 数据集准备： 1. 进入厚德云 模型训练 数据集：https://portal.houdeyun.cn/sd/dataset 2. 创建数据集： 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，也可以上传只有图片的文件（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。 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，选择上传过的数据集。 3. 触发词可有可无，取决于数据集是否有触发词。 4. 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。 5. 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。 6. 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。 7. 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。 8. 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。 数据集存放位置：.Flux_train_20.4\\train\\qinglong\\train 运行训练：约 1 2 小时即可训练完成。 验证和 lora 跑图：有 ComfyUI 基础的话，直接在原版工作流的模型后面，多加一个 LoraloaderModelOnly 的节点就可以，自行选择 Lora 和调节参数。

LoRA 模型相关信息如下： Fooocus 程序默认用到了 3 个 SDXL 的模型，包括一个 base、一个 Refiner 和一个 LoRA。LoRA 模型默认放在 Fooocus_win64_1110\\Fooocus\\models\\loras 。如果单独安装，需要下载三个模型： SDXL 基础模型：https://huggingface.co/stabilityai/stablediffusionxlbase1.0/resolve/main/sd_xl_base_1.0_0.9vae.safetensors refiner 模型：https://huggingface.co/stabilityai/stablediffusionxlrefiner1.0/resolve/main/sd_xl_refiner_1.0_0.9vae.safetensors LoRA 模型：https://huggingface.co/stabilityai/stablediffusionxlbase1.0/resolve/main/sd_xl_offset_examplelora_1.0.safetensors 若部署了 SD 秋叶包，也可共用模型（大模型和 LoRA），可在 Fooocus_win64_1110\\Fooocus\\modules\\path.py 中修改路径为秋叶包模型对应的路径，配置好后点击 run.bat 文件启动。 Lora 全称 LowRank Adaptation Models，中文翻译为低阶自适应模型，作用在于影响和微调画面，通过它可以再现人物或物品的特征。大模型训练复杂且对电脑配置要求高，LoRA 采用在原模型中插入新的数据处理层的方式，避免修改原有模型参数，训练轻量化，显存达到 6G 即可开启训练。 有利用新版 SDXL 生成的 lora 如针线娃娃，需要使用 SDXL1.0 的模型才可以运行，触发词是 BJ_Sewing_doll。想体验可添加公众号【白马与少年】，回复【SDXL】。

以下是关于您提到的“midjourney_whisper_flux_lora_v01”的相关信息： 1. XLabsAI 发布了 6 个不同的 Lora，包括 Midjourney 风格、写实风格、动漫风格、迪斯尼风格、风景风格等，并提供了相应示例。 2. 文生图模型排序（从高到低）：Imagen 3 真实感满分，指令遵从强；Recraft 真实感强，风格泛化很好，指令遵从较好（会受风格影响）；Midjourney 风格化强，艺术感在线，但会失真，指令遵从较差；快手可图 影视场景能用，风格化较差；Flux.1.1 真实感强，需要搭配 Lora 使用；文生图大模型 V2.1L（美感版） 影视感强，但会有点油腻，细节不够，容易糊脸；Luma 影视感强，但风格单一，糊；美图奇想 5.0 AI 油腻感重；腾讯混元 AI 油腻感重，影视感弱，空间结构不准；SD 3.5 Large 崩。 3. 指定 AI 生图里的文字，有 9 种解决方案，其中 2 种快过时了。包括 Midjourney（v6 版本开始支持文字效果，主要支持英文，中文支持有限）、Ideogram（以图片嵌入文字能力闻名，2.0 模型能力得到进一步加强，支持复杂文本和多种艺术风格，文字与图像能够自然融合，支持英文，中文提示词可自动翻译为英文）、Recraft（V3 开始支持文本渲染能力，是目前唯一能在图像中生成长文本的模型，支持精确的文本位置控制，支持图像编辑功能，支持矢量图生成，支持英文，中文渲染能力较弱）、Flux（FLUX.1 是一款高质量的开源图像生成模型，支持复杂指令，支持文本渲染，支持图像编辑，生成图像的质量很高，主要支持英文）。

以下是关于 Lora 训练的详细步骤： 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。 3. 输入数据集名称。 4. 可以上传包含图片+标签 txt 的 zip 文件，也可以只有图片后续使用自动打标功能。建议提前把图片和标签打包成 zip 上传，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，等待一段时间后就会上传成功，可以点击详情检查，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，会跳出您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。 6. 然后等待训练，会显示预览时间和进度条。训练完成的会显示出每一轮的预览图。 7. 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。 此外，还有一些相关的补充信息： 1. 训练前要确保下载几个模型：t5xxl_fp16.safetensors、clip_l.safetensors、ae.safetensors、flux1dev.safetensors。注意：不使用的话它们放到哪里都可以，甚至放一起一个文件夹，只要知道“路径”，后面要引用到“路径”。因为是训练，不是跑图，跑图可以寻求降低方案，训练的话，用 flux1dev.safetensors 这个版本，编码器用 t5xxl_fp16.safetensors 这个版本最好。 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 3. 安装虚拟环境：下载完解压，在文件中找到 installcnqinglong.ps1 这个文件，右键，选择“使用 PowerShell 运行”，新手的话这里就点击“Y”，然后等待 1 2 小时的漫长下载过程。下载完成后最后会提示是否下载 hunyuan 模型，选择 n 不用下载。 在使用 SD 训练一套贴纸 LoRA 模型时： 1. 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 3:4niji 5style cutes 180 。会得到不同风格的贴图，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。 2. 注意事项：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）。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）。如果训练 256256 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。比如从 256 高清化到 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 60 100 张）。

以下是关于 Flux 训练 Lora 的教程： 1. 准备模型：需要下载以下几个模型：t5xxl_fp16.safetensors、clip_l.safetensors、ae.safetensors、flux1dev.safetensors。注意：不使用的话它们放到哪里都可以，甚至放一起一个文件夹，只要知道“路径”，后面要引用到“路径”。因为是训练，不是跑图，训练的话，模型就用 flux1dev.safetensors 这个版本，编码器也用 t5xxl_fp16.safetensors 这个版本最好。 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 3. 安装虚拟环境：下载完解压，在文件中找到 installcnqinglong.ps1 这个文件，右键选择“使用 PowerShell 运行”，新手的话这里就点击“Y”，然后等待 1 2 小时的漫长下载过程，下好了之后最后会提示是否下载 hunyuan 模型，选择 n 不用下载。 4. 0 基础训练大模型： 进入厚德云 模型训练 数据集：https://portal.houdeyun.cn/sd/dataset 步骤一·创建数据集：在数据集一栏中，点击右上角创建数据集，输入数据集名称。zip 文件可以是包含图片 + 标签 txt，也可以只有图片没有打标文件（之后可以在 c 站使用它的自动打标功能），也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。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，等待一段时间后就会上传成功，可以点击详情检查，可以预览到数据集的图片以及对应的标签。 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，会跳出所有上传过的数据集，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，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，然后就可以等待训练了，会显示预览时间和进度条，训练完成的会显示出每一轮的预览图，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。 5. ControlNet 作者张吕敏再出新项目 LuminaBrush：基于数据集在 Flux 上训练 LoRA，并用 LoRA 生成的图像来扩展这个图像数据集。使用均匀光照图像作为中间表示具有一些优势，比如避免来自 3D 反照率的过于锐利的网格边界或过于平坦的表面。而这些图像在细节层面也足够细腻，可以处理皮肤纹理、头发、毛发等细节。接下来，通过合成随机法线，将这些均匀光照图像进行随机再光照，以训练一个可以从任何输入图像中提取均匀光照外观的模型。第一阶段的这个模型目前也提供了在线 demo：https://huggingface.co/spaces/lllyasviel/lumina_brush_uniform_lit 。第二阶段，会从数百万张高质量的自然场景图像中提取均匀光照外观图像，以构建成对数据集，用于训练最终的交互式光照绘制模型。

LoRA 训练主要包括以下步骤： 1. 创建数据集： 进入厚德云模型训练数据集，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，也可以只有图片后续使用自动打标功能，或者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。 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，可以点击详情检查，预览数据集的图片以及对应的标签。 2. 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，会跳出所有上传过的数据集。 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。 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。训练完成的会显示出每一轮的预览图。 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。 此外，郑敏轩提到的 Flux 的 Lora 训练还需要： 1. 下载相关模型：t5xxl_fp16.safetensors、clip_l.safetensors、ae.safetensors、flux1dev.safetensors。 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 3. 安装虚拟环境：下载完解压，在文件中找到 installcnqinglong.ps1 这个文件，右键选择“使用 PowerShell 运行”，新手点击“Y”，然后等待 1 2 小时的漫长下载过程，下好后最后会提示是否下载 hunyuan 模型，选择 n 不用下载。 在 AI 梦一丹一世界（下）2025 年 2 月 8 日副本中提到，参加相关比赛须用摩搭平台和麦橘超然模型作为底膜训练 Lora，提交训练好的 Lora 及用其生成的六张以上高质量、展现完整世界观的作品。作图分三步，一是明确创作主题即锚点，根据 Lora 风格确定创作方向；二是确定主体，联想主体的角色设定；三是增加叙事感，让画面有一到两个及以上角色，制造反差和联想。好看的图片的构成因素包括构图、色彩以及光影，构图包括景别（远景、全景、中景、近景、特写）和拍摄视角（俯视、平视、仰视，正面、侧面、背面），构图要素有主体、陪体、前景、背景、点线面，构图方式有点中心构图、九宫格构图、三分法构图、对称构图、对角线构图、曲线构图、框架构图、三角形构图等。在 AI 绘图中，推荐中景及以上景别，全身景别可能需开 AD 跳以确保作图质量。

炼丹需要了解的参数主要包括以下方面： 1. 学习步数：指 AI 对每张图片的学习次数。二次元图片的 repeat 一般在 10 15，写实人物图片的 repeat 一般在 30 50，真实世界的景观场景可能要达到 100。repeat 值越高，AI 对图片的理解越好，但图片精细度越高，学习步数也要越高。 2. 循环次数：AI 将所有图片按照学习步数学习一轮即为一次循环，循环次数指将这个过程重复的遍数。一般数值在 10 20 之间，次数并非越多越好，过多可能导致过拟合，即训练结果过于僵化。 3. 训练总步数：通过图片张数×学习步数×循环次数计算得出。例如 5 张图片，学习步数 50，循环次数 10，训练总步数为 2500 步。

炼丹是指在 Lora 模型训练中的一系列过程，主要包括以下步骤： 1. 训练过程：每训练 50 步，右下角会生成一张图查看效果，训练完毕后会有一个 loss 值，数值在 0.07 0.09 之间为最优。 2. 模型查看：训练完成后点击模型文件夹查看炼丹成果，可修改丹的后缀名。 3. 跑图测试：炼丹完成后需放入 SD 中进行跑图测试。 4. 打标：选择基础大模型，如“麦橘写实”，填写 lora 名字，将照片导入丹炉，选择分辨率，可勾选“脸部加强训练”并点击“预处理”，手动裁剪，为脸部和整体文件夹中的照片打好 tag 标签，注意描述的详细程度会影响人物 lora 的泛化性。 5. 参数调整：大部分参数固定，主要参数按人物参数配置，后期根据生成结果调整。 6. 炼丹：如 18 张脸部图片、20 张整体图片，各训练 50 步，循环训练 10 次，并行步数为 1 。 7. 测试：将丹放入 SD 的 lora 文件夹，启动 SD 后在 lora 选项卡中刷新查看，通过 XYZ 脚本测试不同 lora 在不同权重下的效果，用肉眼对比寻找最像的，再更换提示词查看效果。

在 Flux 炼丹中，炼丹物品的打标步骤如下： 1. 选择一个基础大模型，如“麦橘写实”，并填写一个 lora 的名字。 2. 将照片导入到丹炉，选择适合的分辨率，可勾选“脸部加强训练”，然后点击“预处理”。手动裁剪照片，预处理后会出现脸部和整体的文件夹，且每张照片会自动打好 tag 标签。 3. 可以给整体添加统一的标签，也可单独给每一张修改标签。标签的作用是帮助 AI 理解图片内容，若想让某些特征成为人物的固定效果，则不填写相关关键词。打标过程需仔细检查每张图片，打标的好坏会影响人物 lora 的泛化性，若想让人物有更多变化，应尽量描述详细。 在打标过程中还需注意以下几点： 1. 注册为开发者，按照流程填写信息，获取 AppID 和密钥，并填入相关位置，开启双语 TAG，检查每幅图的 tag，删除不正确的，新增需要的。 2. 打标要用自然语言，语句精简，选好触发词和打标模型，推荐短标并检查。

在AI图像设计领域，"炼丹"这个术语被用来形象地描述一些复杂且需要大量实验的模型训练和优化过程。具体来说，它可能涉及以下几个方面： 1. 模型训练：在图像识别、分类、生成等任务中，需要训练深度学习模型以从大量图像数据中学习特征和模式。 2. 参数调整：调整模型的超参数（如学习率、网络层数、神经元数量等）以优化性能，这个过程可能需要大量的实验和试错。 3. 数据增强：为了提高模型的泛化能力，需要通过数据增强技术（如旋转、缩放、裁剪等）来增加训练数据的多样性。 4. 特征工程：在图像处理中，选择合适的特征是关键。这可能涉及到复杂的特征提取和选择过程。 5. 风格迁移：在图像风格迁移任务中，需要训练模型将一种图像的风格应用到另一种图像上，这通常需要精细的参数调整和多次迭代。 6. 图像生成：在生成对抗网络（GAN）等生成模型中，训练过程需要精心设计网络结构和损失函数，以达到逼真的图像生成效果。 7. 损失函数设计：设计合适的损失函数以指导模型训练，使其能够更好地学习图像的特征和结构。 8. 网络架构设计：尝试不同的网络架构（如卷积神经网络、循环神经网络等）来解决特定的图像处理任务。 9. 实验迭代：在图像设计中，通常需要多次实验和迭代来优化模型，这个过程可能非常耗时且需要耐心。 10. 结果验证：验证模型在不同数据集上的性能，确保其泛化能力和鲁棒性。 11. 自动化工具：使用自动化机器学习（AutoML）工具来辅助模型选择和参数调整，减少"炼丹"的工作量。 在AI图像设计领域，"炼丹"强调的是模型训练和优化过程中的复杂性和不确定性，以及需要投入大量时间和精力来达到理想的效果。随着技术的进步，研究人员正在探索更高效的方法来简化这一过程。

昨天的 AI 分享活动有： 1. AI bot 拟人化大赛的最后一天分享日，五个团队带来精彩分享。冠军团队《》无私分享建构 AI bot 的思路和提示词。相关视频回放： 五个团队的嘉宾分享视频回放：https://www.bilibili.com/video/BV1Kr421M7Cb/ 第一名团队分享的视频回放：https://www.bilibili.com/video/BV1ji421a7zJ/ 投稿作品 2. AI 版权分享课，麦橘教大家用 AI 做小游戏编程的跨界活动，包括： 用 AI 做小游戏编程的活动策划和心得。 使用 Poe 制作小游戏的经验分享。 麦橘谈增量游戏、肉鸽游戏及其制作与 AI 交互。 3. 03 0 基础建站相关分享，包括： 银海老师讲解模型基础、AJ 带大家浏览知识库，大宇老师的建站教程。 未来的课程安排，如明天接触编程，后天 Garmon 老师用 AI 手搓机器人。 AIPO 活动 11 天共学内容，含生图、生视频、模型训练，还有应用搭建课及具身智能机器人课。 线下活动规则，包括组队、物料、角色、资本和奖品等。 以 config UI 为主题的活动，有赞助、线下活动、课程及相关交流等内容。

以下是一些 Coze 的进阶教程和搭建过程的资源： 5 月 7 号（）：大聪明分享，主题为“Agent 的前世今生”，每个分享人分享最初接触 Coze 的经历以及现在用 Coze 做什么。流程为 20:00@🌈AJ 主持开场，20:00 21:00 大聪明分享，21:00 21:30 关于 Coze 随便聊聊。 5 月 8 号（）：大圣分享，主题为“我眼中的 AI Agent 以及通过搭建知识库实例入门 Coze”，20:00 21:20 大圣分享。 5 月 9 号（）：艾木分享，主题为“Agent 系统的核心构成：Workflow 和 Multiagent Flow（以‘Dr.Know’和‘卧底’为例），线上答疑。流程为 20:00 21:00 艾木分享，21:00 21:30 线上答疑。 5 月 10 号（）：罗文分享，主题为“一个方法解锁 COEZ 所有插件的用法+如何自动化解锁每天抓取 X 内容+改写+发布到飞书”，20:00 21:00 罗文分享。 5 月 11 号（）：Itao 分享，主题为“和 AI 成为搭子”，线上答疑。流程为 20:00 21:00 Itao 分享，21:00 21:30 线上答疑。 此外，还有以下案例合集和教程：

以下是为您整理的相关活动文案内容： 一、危柯宇：如何让 AI 走进我们的工作和生活 案例四：【读书会活动 AI 赋能】 1. 日常活动文案输出（读书社进行中，AI 复核型玩法“高阶”，依托传音智库+飞书妙记+在线思维导图 Markmap）： 运营一个读书俱乐部（策划方案，欢迎仪式，互动玩法） 筹办一场趣味性活动（主题拆解，魔性流程，头脑风暴） 完成一次结构化总结（快速记录，分秒总结，一键同频） 2. 方法一：一键知识图谱 用 kimichat 让 AI 拆解这本书的三级章节并按照 markdown 产出内容，Prompt：帮我拆解《爱的五种语言》，生成全书内容的思维导图，要求每个章节后面有三级展开，下一级是主要知识点，下下一级是知识点的论述。先输出对应的 markdown。访问地址： 复制 AI 内容粘贴到在线思维导图 Markmap 中，一键生成思维导图，还可以自定义微调内容，并免费导出图片。访问地址： 3. 方法二：推导知识图谱（可以参考下面 prompt 自己构建） 二、办公提效神器：飞书多维表格字段插件 1. 第一步，用 AI 插件理解图片 上传参考的海报图片，用 AI 内容生成插件理解。创建表格列时，选择字段捷径，在 AI 中心找到智谱 AI 的内容生成插件。 使用插件，配置如下：选择提示文本，提示词参考：详细描述下海报中的内容；选择上传图片的所在列；选择模型 glm4v。很快 AI 就帮我把海报内容整理出来，并填充到对应的列中。 2. 第二步，生成视频的指令 用飞书自带的插件总结宣语，生成视频的 prompt 指令。有了海报内容参考，使用飞书自带的字段插件进行总结成活动宣传语。 自定义的总结要求：任务：根据活动海报的描述文案，总结为一句话的活动宣传语。要求：删除日期时间；把活动的品牌统一更换为“智谱 AI”；文案风格采用小红书风格，要有鲜明的记忆点；文案字数尽量不超过 50 字。 然后再使用飞书自带的自定义 AI 插件，来给我生成视频所需的 prompt 指令。 输入指令如下，文案引用刚才的总结宣传语：任务：根据文案联想，设计一个定格卡通画面，画面以静态描述为主。文案：<引用字段>要求：画面描述中，删除品牌词，删除日期、链接、文字；画面描述开头包含“卡通风格，镜头从远推进：”；描述文案用英文生成，适合模型指令的格式，字数不超过 100 个字。生成指令建议用英文，视频风格采用卡通的，不需要太长的描述，反正 AI 视频本身也有指令优化。 三、Show Me 扣子 AI 挑战赛大消费行业专场圆满落幕，探索 AI 与大消费行业的深度结合副本 1. 2024 年 11 月 30 日，在北京方恒时尚中心 B 座 B1 报告厅成功举办。 2. 此次活动由扣子携手 NVIDIA、火山引擎开发者社区、通往 AGI 之路、西二旗生活指北等合作伙伴共同举办，旨在推动 AI 技术在大消费领域的应用与创新，同时为各位内容生产者寻求更多变现可能性。 3. 活动流程 扣子产品经理管新源介绍了此次扣子（coze.cn）平台最新公测的各项能力，包括从单一对话模式扩展到完整应用界面，引入 IDE 开发模式，提供零门槛开发体验，优化知识库管理和智能问答能力，以及支持第三方服务接入和标准 API 管理。 NVIDIA 资深解决方案架构师刘一鸣在"Agents:The Next Big Thing in AI Revolution"主题演讲中表示：“AI 不仅是技术的革新，更是商业模式的重塑。” 4. 获奖作品介绍 一等奖：买买买！产品买点提炼神器强化版 开发者：一念星球 一句话介绍：精准提炼产品卖点，生成营销文案，助力社交媒体营销。 作品简介：专注于市场营销领域，帮助用户从产品特性中提炼卖点，并转化为用户友好的买点，生成适用于小红书和抖音的营销文案和视频脚本。此外，它还能将内容保存至飞书文档，方便团队协作和内容管理。 作品链接：https://www.coze.cn/store/agent/7440054773375582258?bid=6ego449t8600c

目前的 AI 活动包括： 1. 全新 AI 整活计划第七期：一起去抓小精灵！ 可能会是新的流量爆款，ins 上已经火爆。 给大家准备好了海辛和阿文的教程。 活动链接：https://waytoagi.feishu.cn/wiki/DQj6waWzkiFkRQkSm1Ic5YKFnoe 2. 阿里云 AI 实训营全新升级上线！！ 免费学习，交作业拿好礼。 共学、共享、共实践，1 月 24 号正式开课。 阿里云资深专家带你掌握 AI 应用场景最新实操。 加入学习链接：https://click.aliyun.com/m/1000401471/ 3. 投稿内容：使用 DeepSeek 写一篇以“反转”为主题的 1000 字内短篇小说，尽情挥洒你的创意叭！ 投稿地址：通往 AGI 之路腾讯频道【deepseek 专区】点击投稿 小程序://腾讯频道/tN8kNr1nLwcAC0b 2 月 16 日晚 8 点截止并现场直播评选如何用 AI 评选出最佳小说家！ 活动详情： 4. 摊位活动： 乐易科学院：通过 AI 的技术，结合量子、暗物质、天体运行规律等能量形式从科学、物理学、天文学、心理学等方面讲解国学和传统文化。可以通过技术方式批八字、调风水、进行性格色彩分析，让每个人找到方向，成为更好的自己。摊位区域：C，摊位编号：27，摊位类型：玄学+科学。 AIGC 策划程序美术（3AI 简称 3A 游戏）应用独立游戏开发：摊位区域：C，摊位编号：76，摊位类型：游戏宣传。 AI 人像摄影绘画：摊位区域：C，摊位编号：77，摊位类型：照片。 主题是：B2B AI 营销与 AI 落地项目快速🔜落地～ 具体涵盖 3 个方向： AI 训练 to b，出应用，智能体 agent，文生图生视频都涉及。 美国独立站搭建，工作流给模特戴上珠宝饰品。 Google seo 与 AI 结合。 技术尝试： 好消息，代码写出来了，可以运行，也有 bug。 最近还做出来很多 AI 工具，帮 HR 筛选简历的 AI 工具，行业新闻 AI 生成与自动推送的工作流，小红书 AI 生成的工具，Newsletter AI 生成的工具…… 摊位区域：C，摊位编号：58，摊位类型：产品展示。 5. 030 基础建站相关活动： 共学活动课程安排：近日的共学活动包括建站、编程、用 AI 手搓机器人等课程，并有李吉刚等老师授课。 课程准备与作业：课程有回放链接，会在 B 站专题呈现，还有小作业，部分课程需提前准备材料和购买清单。 线下活动规则：学校若未组队可报名，满 30 人寄物料。活动有创业者、投资人、交易所三个角色，有初始资本，通过股权和现金交换，最终选出最佳投资人和创业者。 线下活动奖励：最佳投资人和创业者有礼品、奖品，config UI 赛道的优秀者可去东京参加 CCS 东京的 config UI 大会，包机酒。 线下活动赞助：活动有豆包、飞书等大厂工具赞助。 Config UI 共学活动：11 月 16 日至 17 日举办首次活动，有优质创作者和开发者参与，提供了课程和回放，左侧“社区共创项目”有文档内容，18 号海鑫、阿文将讲解搭建基础和小应用，共学结束后将开展第二期。 编程课程：大雨老师的编程课原本 10 天压缩为 2 天，先给概念，后续可深入学习。 AIGC 营销视频大赛：伊利主办，奖金丰厚，赛道多，明天早上 10 点有直播，下周开始相关教学，鼓励以赛代练，活动信息在知识库首页、网站和公众号。 交流渠道：QQ 群号码后续会公布，活动相关疑问可在群里交流。

以下是一些尚未到截止日期的 AIGC 活动： 2024 上海国际公益广告大赛：截止 10 月 31 日。作品提交：sipsac.cn，主题为“潮起东方创益未来”，板块包括美丽世界、文化中国、科技生活，类型有平面、音视频、数字创新，金奖 3 万、银奖 1 万、铜奖 5 千，还有全场大奖 10 万。 首届“海丝之光”AI 青瓷设计大赛：截止 2024 年 11 月 10 日。报名链接：，团队参赛最多 5 人，网络投票+专家评审，一等奖 10000 元，二等奖 5000 元，三等奖 1000 元。 百万奖金池重磅赛事“2024 AIGC 营销视频生态创新大赛 '真 AI 牛奶，真 AI 创意'”：作品提交时间为 10 月 11 日 11 月 30 日，专家评审时间为 12 月 1 日 12 月 9 日，成果发布时间为 12 月 10 日。 中国神兽复兴计划 AI 创作大赛开启：9 月 1 日 9 月 24 日。利用 AI 复原《山海经》中的经典神兽，赢取 35 万元现金和实体大奖，获奖作品将获得全网流量曝光，由中央美术学院等权威高校支持。 生成式人工智能（AIGC）网络微短剧、微电影大赛征集评选活动：9 月 3 日 11 月 3 日。一等奖 2 名，奖杯、荣誉证书 10000；二等奖 2 名，奖杯、荣誉证书 8000；三等奖 6 名，奖杯、荣誉证书 3000。 ComfyUI 共学 WaytoAGI 共学计划：8 月 20 23 日每晚 8 点，会议链接：。 全球 AI 视觉创意大赛（瓦卡奖 VACAT）：8 月 22 日 9 月 22 日。全球 AI 视觉创意大赛（瓦卡奖 VACAT Vision Arts Created by AI Technology），致力于构建 AI 视觉创意界的“奥斯卡”平台，推动 AI 视觉技术的应用与创新。

以下是近期的 AIGC 相关比赛活动： 【线上⬆️】，时间为 9 月 1 日 9 月 24 日。利用 AI 复原《山海经》中的经典神兽，赢取 35 万元现金和实体大奖，获奖作品将获得全网流量曝光，由中央美术学院等权威高校支持。 ，时间为 9 月 3 日 11 月 3 日。一等奖 2 名，奖杯、荣誉证书及 10000 元奖励；二等奖 2 名，奖杯、荣誉证书及 8000 元奖励；三等奖 6 名，奖杯、荣誉证书及 3000 元奖励。 【线上⬆️】 。 【线上⬆️】，时间为 8 月 22 日 9 月 22 日。全球 AI 视觉创意大赛（瓦卡奖 VACAT Vision Arts Created by AI Technology），致力于构建 AI 视觉创意界的“奥斯卡”平台，推动 AI 视觉技术的应用与创新。 ，截止时间为 10 月 31 日。作品提交：sipsac.cn，主题为“潮起东方创益未来”，板块包括美丽世界、文化中国、科技生活，类型有平面、音视频、数字创新，金奖 3 万、银奖 1 万、铜奖 5 千，另外有全场大奖 10 万。 ，截止时间为 2024 年 11 月 10 日。让创意点亮传统，传承经典，一等奖 10000 元，二等奖 5000 元，三等奖 1000 元。 ，作品提交时间为 10.11 11.30，专家评审时间为 12.1 12.9，成果发布时间为 12.10 。 ，时间为 1 月 24 日 2 月 28 日。需用魔搭平台【AIGC 专区】麦橘超然模型作底模训练 LORA 模型，描绘心中理想世界，风格不限。提交 LoRA 及 6 张以上高质量作品，单张图片分辨率不低于 1024x1024 像素，每组作品展现一个世界观场景；避免鲜血、骷髅等敏感元素。一等奖 1 名，奖金 5000 元 + 证书；二等奖 3 名，奖金 3000 元 + 证书；三等奖 10 名，奖金 1000 元 + 证书。魔搭社区 AIGC 代言人奖：作品发小红书带一丹一世界话题并@魔搭 ModelScope 社区官方，浏览量满 800，前 20 名可得 300 元天猫超市卡。