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

Stable Diffusion、MidJourney、DALL·E 这些生成式AI工具有什么区别

Answer

Stable Diffusion、Midjourney 和 DALL·E 这三个生成式 AI 工具主要有以下区别：

  1. 开源性：Stable Diffusion 是开源的，用户可以在任何高端计算机上运行。
  2. 学习曲线：Midjourney 的学习曲线较低，只需键入特定的提示就能得到较好的结果。
  3. 图像质量：Midjourney 被认为是 2023 年中期图像质量最好的系统。
  4. 应用场景：Stable Diffusion 特别适合将 AI 与来自其他源的图像结合；Adobe Firefly 内置在各种 Adobe 产品中，但在质量方面落后于 DALL·E 和 Midjourney。
  5. 训练数据：这些工具都是使用大量的内容数据集进行训练的，例如 Stable Diffusion 是在从网络上抓取的超过 50 亿的图像/标题对上进行训练的。
  6. 所属公司：DALL·E 来自 OpenAI。

在使用方面：

  1. Stable Diffusion 开始使用需要付出努力，因为要学会正确制作提示，但一旦掌握，能产生很好的结果。
  2. DALL·E 已纳入 Bing（需使用创意模式）和 Bing 图像创建器，系统可靠，但图像质量比 Midjourney 差。
  3. Midjourney 需要 Discord，使用时需键入特定格式的提示。
Content generated by AI large model, please carefully verify (powered by aily)

References

问：我想用 AI 把小说做成视频，应该怎么做？

将小说转换成AI视频是一个涉及多个步骤的过程，通常包括文本分析、角色与场景生成、视频编辑与合成等。以下是一些可以利用的工具，以及使用这些工具将小说制作成AI视频的一般流程：[heading3]工具与网址：[content]1.Stable Diffusion（SD）：一种AI图像生成模型，可以基于文本描述生成图像。网址：[Stable Diffusion](https://github.com/StabilityAI)2.Midjourney（MJ）：另一个AI图像生成工具，适用于创建小说中的场景和角色图像。网址：[Midjourney](https://www.midjourney.com)3.Adobe Firefly：Adobe的AI创意工具，可以生成图像和设计模板。网址：[Adobe Firefly](https://www.adobe.com/products/firefly.html)4.Pika AI：文本生成视频的AI工具，适合动画制作。网址：[Pika AI](https://pika.art/waitlist)5.Clipfly：一站式AI视频生成和剪辑平台。网址：[Clipfly](https://www.aihub.cn/tools/video/clipfly/)6.VEED.IO：在线视频编辑工具，具有AI视频生成器功能。网址：[VEED.IO](https://www.veed.io/zh-CN/tools/ai-video)7.极虎漫剪：结合Stable Diffusion技术的小说推文视频创作提效工具。网址：[极虎漫剪](https://tiger.easyartx.com/landing)8.故事AI绘图：小说转视频的AI工具。网址：[故事AI绘图](https://www.aihub.cn/tools/video/gushiai/)

如何使用 AI 来做事：一份带有观点的指南

最透明的选项：[Adobe Firefly](https://www.adobe.com/sensei/generative-ai/firefly.html)开源选项：[Stable Diffusion](https://stable-diffusion-ui.github.io/)最佳免费选项：Bing或[Bing Image Creator](https://www.bing.com/images/create)（使用DALL-E），[Playgound](https://playgroundai.com/)（允许您使用多个模型）最佳质量图像：[MidJourney](https://midjourney.com/)大多数人可以使用四个大型图像生成器：1.Stable Diffusion，它是开源的，你可以在任何高端计算机运行。开始需要付出努力，因为你必须学会正确制作提示，但一旦你做到了，它可以产生很好的结果。它特别适合将AI与来自其他源的图像结合在一起。[如果你走这条路，这里有一个很好的Stable Diffusion指南（请务必阅读第1部分和第2部分）。](https://www.jonstokes.com/p/stable-diffusion-20-and-21-an-overview)2.DALL-E，来自OpenAI，已纳入Bing（您必须使用创意模式）和Bing图像创建器。这个系统很可靠，但比Midjourney差。3.Midjourney，这是2023年中期最好的系统。它的学习曲线最低：只需键入“thing-you-want-to-see--v 5.2”（末尾的--v 5.2很重要，它使用最新的模型），你就会得到一个很好的结果。Midjourney需要Discord。这是[使用Discord的指南](https://www.pcworld.com/article/540080/how-to-use-discord-a-beginners-guide.html)。4.Adobe Firefly内置在各种Adobe产品中，但在质量方面落后于DALL-E和Midjourney。然而，虽然其他两个模型还不清楚他们用于训练人工智能的源图像，但Adobe宣布它只使用它有权使用的图像。

游戏中的生成式 AI 革命

围绕Stable Diffusion和Midjourney等基础模型的兴奋和关注正在产生惊人的估值，但新研究的不断涌现确保新模型将随着新技术的完善而更替。考虑到三个流行的生成性AI模型：Dall-E、Midjourney和Stable Diffusion的网站搜索流量。每个新模型都会有它在聚光灯下的时刻。一种替代的方法可能是构建与特定行业相符的工具套件，这些工具专注于满足给定行业的生成性AI需求，对特定受众有深入的理解，并能丰富地集成到现有的生产流程中（例如游戏的Unity或Unreal）。一个很好的例子是[Runway](https://runwayml.com/)，它针对视频创作者的需求，提供AI辅助工具，如视频编辑、绿幕移除、图像修复和运动跟踪。这样的工具可以构建并变现特定的受众，并随着时间的推移添加新的模型。我们尚未看到针对游戏领域的类似Runway的套件出现，但我们知道这是一个正在积极开发的领域。1.法律挑战即将来临所有这些生成性AI模型的共同点是，它们都是使用大量的内容数据集进行训练的，这些数据集通常是通过爬取互联网本身获得的。例如，Stable Diffusion是在从网络上抓取的超过50亿的图像/标题对上进行训练的。目前，这些模型声称它们是根据“合理使用”版权原则运作的，但这一论点尚未在法庭上得到明确的检验。似乎很明显，[法律挑战即将到来](https://venturebeat.com/ai/why-generative-ai-legal-battles-are-brewing-the-ai-beat/)，这可能会改变生成性AI的格局。

Others are asking
生成式AI的教育重构价值
生成式 AI 在教育领域具有重要的重构价值，主要体现在以下几个方面： 1. 为教师减负：通过复杂的算法、模型和规则，从大规模数据集中学习，创造新的原创内容，帮助教师减轻工作负担。 2. 创新教学方式：例如让历史人物亲自授课，知识获取不再受时空限制，提高教育效率和质量，增强学生学习兴趣。 3. 个性化教育：根据学生的学习情况、兴趣和偏好提供定制化的学习计划和资源，实现因材施教，满足学生学习需求，提高学习成果，缓解教育资源不平等问题。 4. 角色多样化：授课教师、游戏玩家、情感伴侣等服务都可以被 AI 重构。 5. 促进学生成长：人工智能生成的虚拟角色可以作为数字陪伴，给予孩子社会奖励，促进其成长和提高学习成绩。
2025-03-22
生成式人工智能的提示词工程
生成式人工智能的提示词工程是一门新兴学科，在生成式 AI 模型中具有重要作用。 提示词是用户与模型沟通愿望的文本界面，适用于图像生成模型（如 DALLE3、Midjourney）和语言模型（如 GPT4、Gemini）等。它可以是简单的问题，也可以是复杂的任务，包括指令、问题、输入数据和示例，以引导 AI 的响应。 提示词工程的核心是制作能实现特定目标的最佳提示词，这不仅要指导模型，还需深刻理解模型的能力和局限性及所处上下文。例如，在图像生成模型中是对期望图像的详细描述，在语言模型中可能是复杂查询。 提示词工程不仅是构建提示词，还需结合领域知识、对 AI 模型的理解及系统化方法为不同情境定制提示词，可能包括创建可根据数据集或上下文程序化修改的模板。 此外，提示词工程是迭代和探索的过程，类似于传统软件工程实践，如版本控制和回归测试。该领域发展迅速，有潜力改变机器学习的某些方面。 在商业和社会中，提示词工程师是被炒作的职位，实际可能承担了机器学习工程师的部分职责。提示词工程是一切生成式 AI 的基础，不管用于学习、写作、绘画、编程还是玩音乐等。 在使用提示词时，要记住几个基本关键点： 1. 角色/身份：告诉 AI 它需要扮演的身份，提升其“职业素养”。 2. 目标/任务以及背景：所有对话都有目的性，要交代目标背后的逻辑，包括为什么要实现目标、希望达到的结果等。
2025-03-19
生成式AI
生成式 AI（Generative AI）是一种基于深度学习技术，利用机器学习算法从已有数据中学习并生成新的数据或内容的 AI 应用。其工作原理是通过大规模的数据集训练深度神经网络模型，学习各种数据的规律和特征，实现对输入数据的分析、理解和生成。 AIGC（AI generated content）意为人工智能生成内容，又称为生成式 AI。例如 AI 文本续写，文字转图像的 AI 图、AI 主持人等，都属于 AIGC 的应用。能进行 AIGC 的产品项目和媒介很多，包括语言文字类（如 OpenAI 的 GPT、Google 的 Bard、百度的文心一言等）、语音声音类（如 Google 的 WaveNet、微软的 Deep Nerual Network、百度的 DeepSpeech 等）、图片美术类（如早期的 GEN、去年大热的扩散模型带火的 Midjourney、先驱者谷歌的 Disco Diffusion、OpenAI 的 Dalle·2 以及 stability ai 和 runaway 共同推出的 Stable Diffusion 等）。 SD 是 Stable Diffusion 的简称，是由初创公司 StabilityAI、CompVis 与 Runway 合作开发，2022 年发布的深度学习文本到图像生成模型。它主要用于根据文本的描述产生详细图像，是一种扩散模型（diffusion model）的变体，叫做“潜在扩散模型”（latent diffusion model;LDM）。其代码模型权重已公开发布，可以在大多数配备有适度 GPU 的电脑硬件上运行。当前版本为 2.1 稳定版（2022.12.7）。源代码库：github.com/StabilityAI/stablediffusion 。 国内目前主要是在《网络安全法》《数据安全法》以及《个人信息保护法》的框架下，由《互联网信息服务算法推荐管理规定》、《互联网信息服务深度合成管理规定》、《生成式人工智能服务管理暂行办法》、《科技伦理审查办法（试行）》共同监管 AIGC 行业。 Gen AI/Generative AI 是“生成式人工智能”正式称呼，是一种能够生成新内容的人工智能技术，比如文本、图像、音乐等。而 AIGC 指的是由人工智能生成的内容的创作方式，实际上是 Generative AI 的应用结果。 ChatGPT 在 2022 年宣发时，OpenAI 称其是一种模型，但在官网的帮助页面中，称其是一种服务。目前我们所熟知的 ChatGPT 逐渐演变成了一种可以兼容多种 GPT 模型的聊天应用（服务）。
2025-03-19
能帮我做一个介绍生成式AI的ppt吗？5页左右即可，介绍一些通用的，用户规模较大的即可，不超过5种。
以下是为您生成的关于生成式 AI 的 5 页 PPT 内容： 幻灯片 1：封面 标题：生成式 AI 简介 幻灯片 2：生成式 AI 的基础模型 大型预训练模型可适应或微调用于多种下游任务，如情感分析、图像字幕和对象识别。 有可能革新医疗、金融和客户服务等行业，检测欺诈并提供个性化支持。 幻灯片 3：在软件开发中的应用 提及 Bard 和生成式人工智能工作室等工具，可用于调试、代码转换和应用构建。 幻灯片 4：PALM API 的会话式人工智能引擎 用户可用自然语言交互。 可创建数字助手、自定义搜索引擎、知识库和培训应用。 能与 Maker Suite 集成，通过图形用户界面访问 API，套件包含模型训练、部署和监控工具。 幻灯片 5：参考资料 All Readings:Introduction to Generative AI Here are the assembled readings on generative AI: 此外，以下是一些常用的 PPT 生成工具（网站）： https://zhiwen.xfyun.cn/ 讯飞智文 http://Mindshow.fun Markdown 导入 http://kimi.ai 选 PPT 助手暂时免费效果好 http://Tome.app AI 配图效果好 http://Chatppt.com 自动化程度高 https://wenku.baidu.com 付费效果好 希望以上内容对您有所帮助！
2025-03-11
生成式AI有哪些类型和工具
生成式 AI 主要有以下类型和相关工具： 类型：生成的内容可以是多模式的，包括文本、图像、音频和视频。能够帮助完成各种任务，例如文档摘要、信息提取、代码生成、营销活动创建、虚拟协助和呼叫中心机器人等。 工具： Google Cloud 提供了多种易于使用的工具，如 Vertex AI，它是端到端机器学习开发平台，可帮助构建、部署和管理机器学习模型。 图中描绘的趋势显示，相关工具和基础设施逐渐模块化和专业化，公司被分组到以下四个主要类别： Orchestration（编排）：涉及 DUST、FIAVIE、LangChain 等公司提供的工具，帮助管理和协调各个部分和任务。 Deployment,Scalability,&PreTraining（部署，可扩展性和预训练）：如 UWA mosaicm、NMAREL、anyscale 等公司提供工具，用于部署模型、保证可扩展性和进行预训练。 Context&Embeddings（上下文和嵌入）：如 TRUDO，Llamalndex，BerriAI 等公司提供工具，处理和理解语言上下文以及进行嵌入。 QA&Observability（质量保证和可观察性）：如 Pinecone，drant，Vald 等公司提供工具，确保模型表现和监控性能状态。 目前典型的生成式 AI 包括 OpenAI 推出的语言模型 ChatGPT、GPT4、图像模型 DALLE 以及百度推出的文心一言、阿里云推出的通义千问等。国内主要在《网络安全法》《数据安全法》《个人信息保护法》的框架下，由《互联网信息服务算法推荐管理规定》《互联网信息服务深度合成管理规定》《生成式人工智能服务管理暂行办法》《科技伦理审查办法（试行）》共同监管 AIGC 行业。
2025-03-10
生成式 AI 搜索
生成式 AI 搜索具有以下特点和应用： 有可能彻底改变互联网的核心功能之一——搜索。传统搜索中，用户在 Google 输入问题后常被大量链接及不准确信息淹没，而由大型语言模型驱动的搜索引擎可提供自然语言写成的简洁答案，并能在用户感兴趣时提供更多链接阅读。 一些公司为一般搜索查询提供服务，如 You 和 Neeva。还有公司采取更垂直化的方法，如 Consensus 跨越研究论文进行搜索，Perplexity 的 Bird SQL 产品针对 Twitter 进行搜索。 对于产品推荐尤为有价值，能根据特定需求提供策划过的选项列表。 在企业内部搜索应用中具有巨大潜力，如 Glean 允许团队跨应用搜索，Vowel 允许用户查询视频会议记录。 以下是一些推荐的 AI 搜索引擎： 秘塔 AI 搜索：由秘塔科技开发，提供多模式搜索、无广告干扰、结构化展示和信息聚合等功能，旨在提升用户的搜索效率和体验。 Perplexity：聊天机器人式的搜索引擎，允许用户用自然语言提问，使用生成式 AI 技术从各种来源收集信息并给出答案。 360AI 搜索：360 公司推出，通过 AI 分析问题，生成清晰、有理的答案，并支持增强模式和智能排序。 天工 AI 搜索：昆仑万维推出，采用生成式搜索技术，支持自然语言交互和深度追问，未来还将支持图像、语音等多模态搜索。 Flowith：创新的 AI 交互式搜索和对话工具，基于节点式交互方式，支持多种 AI 模型和图像生成技术，提供插件系统和社区功能。 Devv：面向程序员的 AI 搜索引擎，专注于提供编程、软件开发和人工智能等领域的专业建议和指导。 Phind：专为开发者设计的 AI 搜索引擎，利用大型语言模型提供相关的搜索结果和动态答案，特别擅长处理编程和技术问题。 在生成式人工智能方面，近年来大型语言模型的飞速进步为信息检索领域带来新机遇和挑战。2022 年 OpenAI 发布 ChatGPT 引发轰动，其在对话中展现出理解复杂问题和生成连贯文本的能力，被视为对传统搜索引擎的颠覆性竞争。ChatGPT 的成功引发搜索引擎巨头的紧迫感，谷歌推出 Bard 并逐步向 180 多个国家开放服务，百度推出文心一言等生成式 AI 搜索功能，微软将 GPT4 集成到必应搜索中推出新版本的 Bing Chat。早期观察指出，聊天机器人式的搜索在提供直接答案的同时，存在回答不准确甚至“幻觉”信息的问题，现阶段许多用户对 AI 答案的准确性和可靠性仍存疑虑。
2025-02-28
DALL-E
DALL·E 是 OpenAI 构建的一种新型神经网络，可以从文字说明直接生成图像。它一般会有三个 Prompt 阶段：原始 Prompt 即初始输入的那个；优化 Prompt 时有时无，DallE 会输出它分析优化后的每图英文 Prompt；最终 Prompt 则是每张图片点开后的 Prompt。推特博主通过一段 json 实现了一个功能，切换是否允许 DALL·E 自动更改原始 Prompt，一个是要求它必须生成新的，另一个是不允许更改，这个切换对应到了一个命令上，可以方便调用切换。 一些具有代表性的海外项目中包含 DALL·E 3，去年 OpenAI 将 DALL·E 3 集成进 ChatGPT。DALL·E 推出了编辑功能，支持对生成图片进行二次编辑，包括替换、删除、添加对象。其编辑界面提供了一系列可用工具，如 Select 按钮用于选择需要编辑的图像部分，左上角有可来回拖动大小的工具以改变想要更新的区域，还有“撤销、恢复”按钮以及“Clear Selection”选项用于重新开始编辑图像。使用时，编辑器界面可以添加、删除和更新图像的某些部分，例如添加樱花、删除鸟类、更改猫的表情等。帮助文档可参考：https://help.openai.com/en/articles/9055440editingyourimageswithdalle
2025-03-21
DALL·E2的介绍
DALL·E2 也叫 unCLIP，基本可以看成是 DALL·E 和 GLIDE 的合体。 其问题建模采用两阶段方法： Stage1：通过 caption 得到 CLIP image embedding 的 prior 过程，方式可以是 DALL·E 中的自回归方法，也可以用另外一个扩散模型来做。 Stage2：通过 CLIP image embedding 到生成图片的 diffusion decoder。这个过程带有较强的随机性，多样性比 DALL·E 中的 dVAE 要好。 在 Stage2 的 Decoder 训练中： 本质是个 Diffusion 模型，细节借鉴了 GLIDE。每一次传播过程都会把 CLIP text embedding 拼接在 timestamp embedding 后面，CLIP text embedding 代表了 text 全局信息。 类似 GLIDE，把 caption 原始序列也加入 attention 里，希望能补充 CLIP text embedding 没有捕捉到的 NLP 信息，但效果一般。 为了得到大图，还学习了两个 upsamplediffusionmodel，分别从 64×64 到 256×256，以及 256×256 到 1024×1024。使用了 guidancefree 的方式，10%的概率随机擦除 CLIP text embedding 输入，50%概率随机丢弃 caption 输入。 在 Stage1 的 Prior 训练方面： DALL·E2 是在 2022 年引发了基于图像的生成式 AI 热潮的模型。它把 GLIDE 和 DALL·E 结合在一起，把效果做出了圈。同时，它是 AIGC 组成原理中 Image 生成部分重点介绍的模型之一。
2024-10-20
DALL E 教程
以下是为您整理的 DALL·E 教程相关内容： 软件教程： 好玩的主题创作： 视频挑战相关：使用 Dall E 直接描述出图，再去视频工具中转成视频，可参考中的教程。
2024-08-09
Dall·E照片级写实风格提示词
以下是一些可以尝试在 DALLE 中使用的提示词，来生成照片级的写实风格图像： 1. "一张拥有极高分辨率和令人惊艳的细节的照片..." 2. "拍摄于自然光线下，无滤镜，无修饰的写实..." 3. "使用高端相机和镜头拍摄的，能看到每一个毛孔的超高分辨率..." 4. "逼真到仿佛能从画面中嗅到气味的写实风格..." 5. "照片般的写实效果，清晰可见皱纹、纹理和细微表情..." 6. "令人难以区分真实照片与渲染图像的无与伦比的写实画面..." 7. "展现出 的肌肤质感、织物褶皱和光线细节..." 8. "使用热成像相机和光学变焦镜头拍摄的近乎真实的..." 9. "胶片级细节，颗粒感和动态光比的顶尖图像..." 10. "具备媲美 artsation.com 摄影作品般的逼真写实效果..." 这些提示词都强调了写实、细节、分辨率、真实感等关键词，有助于 DALLE 生成出照片般的高分辨率写实图像。你也可以继续探索其他组合，找到最佳的提示方式。
2024-04-18
midjourney图怎么 放大
在 Midjourney 中，放大图像的方法如下： 放大（Upscale）将图像尺寸加倍： 精细放大（Subtle）：放大图像同时尽量保持原样。 创意放大（Creative）：在放大的同时会调整或改变图像中的某些细节。 操作时，您可以点击相应的按钮进行放大。例如，在生成的图像中，点击上面的 U 1 4 即可放大一张图。 另外，使用当前默认模型版本的中途图像的默认尺寸为 1024 x 1024 像素。您可以使用 upscale 工具将文件大小增加到 2048 x 2048 或 4096 x 4096 像素。在网络浏览器中打开 Midjourney 图像，或从 Midjourney.com 下载它们以获得最大文件大小。 需要注意的是，如果没看到放大相关的按钮，可能有以下原因： 1. 该图像已经在 Discord 中生成最满意的一张，不可再放大。 2. 在 More options 文字里没打上相应的对勾。
2025-03-21
midjourney的平替
以下是关于 Midjourney 的相关信息： Midjourney V6 更新角色一致性命令“cref”：您可以仅描述环境、背景等，Midjourney 会努力将角色融入场景中，但可能会有不连贯的结果，此时可尝试更高值的样式化（如s 800）。场景唯一提示示例：在一个空荒地下，乌云密布的暴风雨天空下。cref https://my.image.host/joisstanding.jpg 。注意该命令适用于单一主题、单一角色的图像，若要添加多个角色，需使用平移按钮。将多个角色放置到单个画布上的最佳方法是使用平移功能将新画布与现有画布拼接，每个新画布部分都有自己的 cref。具体操作：1.使用/settings 将 Remix 打开，然后选择；2.选择包含第二个字符的图像，用 U 将其从网格中分离出来；3.寻找蓝色小箭头（⬆️⬇️⬅️➡️），每个都会在现有图像中添加新图像，选择新角色前进方向并输入提示及其cref，缝合新画布，比如描绘两个人的开场提示。 训练 Midjourney 的 prompt：style<4a,4b or 4c>可在 Midjourney 模型版本 4 之间切换。stylize<number>或s<number>参数影响 Midjourney 默认美学风格应用于 Jobs 的强度。还有uplight 和upbeta 等参数。默认值（模型版本 5）包括纵横比、混沌、质量、种子、停止、样式化等，各有相应的默认值和范围。纵横比大于 2:1 为实验性的，可能产生不可预测的结果。不同模型版本和参数具有兼容性。
2025-03-18
midjourney注册不了，有替代的软件吗
以下是一些可以替代 Midjourney 的软件： 1. 扣子+ByteArtist： 网址：https://www.coze.cn/home 优点：不需要🪜，无收费，可以直接生成。 注册：手机号、抖音号或飞书号。 操作步骤：需要在 coze 的 bot 里面添加绘图插件，时间约 5 分钟。这里需要一点小小的加插件操作，不难，截图一步一步即可做到，而且全程没有科学🕸️，不需要付费。 2. 悠船： 网址：www.youchuanai.com 新用户注册：在悠船桌面端，输入离谱村专用激活码（296976）即可完成注册。 特点：从成本和小白理解力的角度来说适合先尝试，最近有新注册的免费福利。
2025-03-18
如何登陆midjourney？
以下是登录 Midjourney 的方法： 1. 登录 Midjourney 官网： Midjourney 官网现已向生成 100 张以上图片的用户开放了使用权限。登录 MJ 官网，您将进入到特定页面。左侧为各种页面入口，顶部是生成入口（prompt 框）和搜索框。在社区作品、创作（Create）以及组织（Organize）页面中，您可以随时使用 prompt 框和搜索框，方便查找参考和进行创作，无需频繁切换页面。 您可以通过点击 prompt 框最右侧的图标来设置常用参数的默认值，包括画面比例和个性化模型开关。 在官网上使用图片参考变得简单直观。只需要点击 prompt 框最左侧的图片按钮，或直接拖入图片即可，并且官网会记录所有使用过的图片，方便调用或删除。当鼠标悬停在图片上时，会看到 3 个小图标，从左到右分别是角色参考、风格参考、整图参考，点击相应的图标即可，如需多种参考逻辑可按住 shift 键点选多个图标即可。 创作页面的最大亮点是 prompt 的复用。您可以直接点击画面描述或复制描述词到 prompt 框中，也可以直接点击下方横列菜单里的按钮，将包括参考图在内的完整 prompt 替换当前的 prompt。点击图片则会进入单图调整模式，在 discord 中常用的操作指令都被集中在了右下角的按键中，并且上线了全新的 Editor 编辑器功能。 2. 通过 Discord 登录： 通过 Web 浏览器、移动应用程序或桌面应用程序通过 Discord 访问 Midjourney Bot。在加入 Midjourney Discord 服务器之前，请确保您拥有经过验证的 Discord 帐户。请按照以下指南创建或验证您的 Discord 帐户： 要开始使用 Midjourney 生成图像，您需要订阅计划。 访问。 使用您经过验证的 Discord 帐户登录。 选择适合您需求的订阅计划。请转至了解有关定价和各层可用功能的信息。 要开始与中途机器人交互，请加入中途服务器： 打开 Discord 并找到左侧边栏上的服务器列表。 按+服务器列表底部的按钮。 在弹出窗口中，单击 Join a Server 按钮。 粘贴或输入以下 URL：。
2025-03-18
midjourney中文站和官方网站上的内容是一样的吗
Midjourney 中文站和官方网站的内容不完全一样。 Midjourney 官网具有以下特点和操作细节： 已向生成 100 张以上图片的用户开放使用权限，登录官网后，左侧为各种页面入口，顶部有生成入口（prompt 框）和搜索框。在社区作品、创作（Create）以及组织（Organize）页面中，随时可用 prompt 框和搜索框，无需频繁切换页面。 可通过点击 prompt 框最右侧的图标设置常用参数默认值，包括画面比例和个性化模型开关。 图片参考在官网上变得简单直观，点击 prompt 框最左侧的图片按钮或直接拖入图片即可，官网会记录所有使用过的图片，方便调用或删除。当鼠标悬停在图片上时，会看到 3 个小图标，从左到右分别是角色参考、风格参考、整图参考，如需多种参考逻辑可按住 shift 键点选多个图标。 创作页面的最大亮点是 prompt 的复用，可以直接点击画面描述或复制描述词到 prompt 框中，也可以直接点击下方横列菜单里的按钮，将包括参考图在内的完整 prompt 替换当前的 prompt。点击图片会进入单图调整模式，常用的操作指令集中在右下角的按键中，并且上线了全新的 Editor 编辑器功能。 此外，关于 Midjourney 还有以下相关内容： 有关于 Midjourney v5.1 的 AIGC Weekly23 相关介绍。 有 Midjourney 的隐私政策，包括适用范围、变更情况、定义等。
2025-03-18
midjourney
以下是关于 Midjourney 的相关信息： 隐私政策： 本隐私政策适用于 Midjourney,Inc.、Midjourney.com 网站和 Midjourney 图像生成平台的服务。Midjourney 是一家通信技术孵化器，提供图像生成服务以增强人类创造力并促进社会联系。 个人数据指与个人相关、可用于直接或间接识别个人身份的任何信息。本政策适用于 Midjourney 收集、使用和披露的个人数据，包括通过服务、训练机器学习算法过程、网站以及第三方来源收集的数据，但不适用于 Midjourney 员工和候选人等的个人数据。 可能会不时更新政策，适用法律要求时会通知变更。若不接受变更应停止互动。 定义方面，“您”指访问或使用服务的个人或代表该个人的公司等。使用数据指自动收集的数据。 收集的数据类型包括个人数据。 图像提示： 要将图像添加到提示中，可按“/imagine”开始输入，出现提示框后，将图片文件拖入或右键单击并粘贴图片的 URL。 使用 Midjourney Bot 在私信中上传图像可防止其他服务器用户看到，除非用户具有隐身模式，否则图像提示在 Midjourney 网站上可见。 给出了多个例子，如阿波罗雕像、复古花图、恩斯特·海克尔的水母等，以及不同模型版本和纵横比提示。 社区准则： Midjourney 是默认开放的社区，内容必须为 P。 要友善并尊重彼此和员工，禁止不尊重、攻击性或辱骂性的图像或文本提示，不容忍任何形式的暴力或骚扰。 禁止成人内容或血腥内容，未经许可不得公开转发他人创作，分享时要小心。 违反规则可能导致服务被禁止，规则适用于所有内容。
2025-03-17
ai能做什么
AI 能做的事情非常广泛，已经深入渗透到生活的各个层面，引发了一场生产力的革命。以下是一些具体方面： 医疗保健方面：包括医学影像分析以辅助诊断疾病、加速药物研发、提供个性化医疗方案、控制手术机器人提高手术精度和安全性等。 金融服务方面：用于风控和反欺诈、信用评估、投资分析、提供 24/7 客户服务等。 零售和电子商务方面：进行产品推荐、改善搜索和个性化体验、实现动态定价、提供聊天机器人服务等。 制造业方面：做到预测性维护机器、检测产品质量、优化供应链、控制工业机器人提高生产效率等。 交通运输方面：（此处未给出具体内容） 如今，AI 正推动着智能化时代的到来，其发展速度远超大多数人的预期。例如，像 ChatGPT 这样的聊天机器人，其交流体验已经非常接近和正常人类的交流。虽然对于 AI 是否真正拥有智慧还存在争议，但它无疑已经在改变着我们的生活和工作。
2025-03-23
我是一个AI Agent初学者，现在我想要捏一款Agent，目的是喂给Agent固定材料之后对其做提问，让Agent学习完我的材料之后，在不联网的情况下对我问出的问题做出贴切材料的回答，现在请你告诉我如何操作
以下是捏制一个满足您需求的 AI Agent 的操作步骤： 1. 规划： 制定任务的关键方法，总结任务目标与执行形式。 将任务分解为可管理的子任务，确立逻辑顺序和依赖关系。 设计每个子任务的执行方法。 2. 实施： 在 Coze 上搭建工作流框架，设定每个节点的逻辑关系。 详细配置子任务节点，并验证每个子任务的可用性。 3. 完善： 整体试运行 Agent，识别功能和性能的卡点。 通过反复测试和迭代，优化至达到预期水平。 AI Agent 相关概念： AI Agent 是基于大型语言模型（LLM）和其他技术实现的智能实体，其核心功能在于自主理解、规划决策、执行复杂任务。 Chain：通常一个 AI Agent 可能由多个 Chain 组成。一个 Chain 视作是一个步骤，可以接受一些输入变量，产生一些输出变量。大部分的 Chain 是大语言模型完成的 LLM Chain。 Router：可以使用一些判定（甚至可以用 LLM 来判定），然后让 Agent 走向不同的 Chain。例如：如果这是一个图片，则 a；否则 b。 Tool：Agent 上可以进行的一次工具调用。例如，对互联网的一次搜索，对数据库的一次检索。 常见的 AI Agent 类型包括： Responser Agent：主 agent，用于回复用户（伪多模态）。 Background Agent：背景 agent，用于推进角色当前状态（例如进入下一个剧本，抽检生成增长的记忆体）。 Daily Agent：每日 agent，用于生成剧本，配套的图片，以及每日朋友圈。 Background Agent 每隔一段时间运行一次（默认 3 分钟），分析期间的历史对话，变更人物关系（亲密度，了解度等），变更反感度，如果超标则拉黑用户，抽简对话内容，提取人物和用户的信息成为“增长的记忆体”，按照时间推进人物剧本，有概率主动聊天（与亲密度正相关，跳过夜间时间）。
2025-03-23
为什么ai能够“思考”
AI 能够“思考”主要基于以下几个方面： 1. 以 AlphaGo 为例，它在对战围棋传奇李世石时展示了超越简单模式模仿、真正“思考”的能力。在预训练时，它不仅模仿人类专家决策，还会在作答前“停下来思考”，通过模拟多个未来可能的棋局，评估得分并选择最优应对方式。随着推理时间增加，表现逐步提升并超过人类。但将此概念移植到大规模语言模型（LLM）上存在构建价值函数的难点，如在评估文章初稿、制定旅行计划等较为开放领域的打分问题。 2. 人类的思维过程分为快速、直觉的“系统 1”和缓慢、深思熟虑的“系统 2”。研究人员认为，如果有足够大、接近人脑的人工神经网络，就可能实现人脑的“思考”工作。 3. 像 HiDeepSeek 这样的工具，旨在让 AI 像人类交流时那样展示思考过程，通过特别的规则要求 AI 在思考时自然地提出疑问、修正错误等，使 AI 的回答不再是冰冷的结论，而是可跟踪、可理解的思考过程。虽然这种“思维”是模拟的，但有助于更好地理解和使用 AI 。
2025-03-23
我是一个AI Agent初学者，现在我想要捏一款Agent，目的是喂给Agent固定材料之后对其做提问，让Agent学习完我的材料之后，在不联网的情况下对我问出的问题做出贴切材料的回答
以下是为您提供的关于捏制 AI Agent 的相关知识： 一、手捏 AI Agent 的思路 在 Coze 中创建工作流驱动的 AI Agent，简单情况可分为 3 个步骤： 1. 规划 制定任务的关键方法。 总结任务目标与执行形式。 将任务分解为可管理的子任务，确立逻辑顺序和依赖关系。 设计每个子任务的执行方法。 2. 实施 在 Coze 上搭建工作流框架，设定每个节点的逻辑关系。 详细配置子任务节点，并验证每个子任务的可用性。 3. 完善 整体试运行 Agent，识别功能和性能的卡点。 通过反复测试和迭代，优化至达到预期水平。 二、AI Agent 的概念 AI Agent 是基于大型语言模型（LLM）和其他技术实现的智能实体，其核心功能在于自主理解、规划决策、执行复杂任务。 AI Agent 包括以下几个概念： 1. Chain：通常一个 AI Agent 可能由多个 Chain 组成。一个 Chain 视作是一个步骤，可以接受一些输入变量，产生一些输出变量。大部分的 Chain 是大语言模型完成的 LLM Chain。 2. Router：可以使用一些判定（甚至可以用 LLM 来判定），然后让 Agent 走向不同的 Chain。例如：如果这是一个图片，则 a；否则 b。 3. Tool：Agent 上可以进行的一次工具调用。例如，对互联网的一次搜索，对数据库的一次检索。 同时，需要三个 Agent： Responser Agent：主 agent，用于回复用户（伪多模态）。 Background Agent：背景 agent，用于推进角色当前状态（例如进入下一个剧本，抽检生成增长的记忆体）。 Daily Agent：每日 agent，用于生成剧本，配套的图片，以及每日朋友圈。 三、Agent 的“明斯基时刻” 心灵社会理论认为，智能是由许多简单的 Agent（分等级、分功能的计算单元）共同工作和相互作用的结果。这些 Agent 在不同层次上执行不同的功能，通过协作实现复杂的智能行为。 其特点包括： 1. 多重层次：心灵社会将智能划分为多个层次，从低层次的感知和反应到高层次的规划和决策，每个层次由多个 Agent 负责。 2. 功能模块：每个 Agent 类似于功能模块，专门处理特定类型的信息或执行特定任务，如视觉处理、语言理解、运动控制等。 3. 分布式智能：智能不是集中在单一的核心处理单元，而是通过多个相互关联的 Agent 共同实现。这种分布式智能能够提高系统的灵活性和鲁棒性，应对复杂和多变的环境。 同时，在《心灵社会》中，明斯基还详细描述了不同类型的 Agent 及其功能： 专家 Agent：拥有特定领域知识和技能的 Agent，负责处理复杂的任务和解决特定问题。 管理 Agent：协调和控制其他 Agent 的活动，确保整体系统协调一致地运行。 学习 Agent：通过经验和交互，不断调整和优化自身行为，提高系统在不断变化环境中的适应能力。
2025-03-23
什么是ai中的RAG
RAG 是检索增强生成（RetrievalAugmented Generation）的缩写，是一种结合了检索模型和生成模型的技术。其核心目的是通过某种途径把知识告诉给 AI 大模型，让大模型“知道”我们的私有知识，变得越来越“懂”我们。 RAG 的核心流程是：根据用户提问，从私有知识中检索到“包含答案的内容”，然后把“包含答案的内容”和用户提问一起放到 prompt（提示词）中，提交给大模型，此时大模型的回答就会充分考虑到“包含答案的内容”。 RAG 的最常见应用场景是知识问答系统，用户提出问题，RAG 模型从大规模的文档集合中检索相关的文档，然后生成回答。 RAG 的基本流程如下： 1. 首先，给定一个用户的输入，例如一个问题或一个话题，RAG 会从一个数据源中检索出与之相关的文本片段，例如网页、文档或数据库记录。这些文本片段称为上下文（context）。 2. 然后，RAG 会将用户的输入和检索到的上下文拼接成一个完整的输入，传递给一个大模型，例如 GPT。这个输入通常会包含一些提示（prompt），指导模型如何生成期望的输出，例如一个答案或一个摘要。 3. 最后，RAG 会从大模型的输出中提取或格式化所需的信息，返回给用户。
2025-03-23
AI 大模型的专业术语有哪些
以下是一些 AI 大模型的专业术语： 1. AIGC：生成式 AI 生成的内容。 2. AI：人工智能。 3. 机器学习：电脑找规律学习，包括监督学习、无监督学习、强化学习。 监督学习：使用有标签的训练数据，算法目标是学习输入和输出之间的映射关系，包括分类和回归。 无监督学习：学习的数据没有标签，算法自主发现规律，经典任务包括聚类。 强化学习：从反馈里学习，最大化奖励或最小化损失，类似训小狗。 4. 深度学习：一种参照人脑有神经网络和神经元的方法（因有很多层所以叫深度），神经网络可用于监督学习、无监督学习、强化学习。 5. 生成式 AI：可以生成文本、图片、音频、视频等内容形式。 6. LLM：大语言模型。对于生成式 AI，其中生成图像的扩散模型就不是大语言模型；对于大语言模型，生成只是其中一个处理任务，比如谷歌的 BERT 模型，可用于语义理解（不擅长文本生成），如上下文理解、情感分析、文本分类。 7. Prompt：提示词，即输入给大模型的文本内容，可以理解为和大模型说的话、下达的指令。 8. Token：大模型语言体系中的最小单元。不同厂商的大模型对中文的文本切分方法不同，通常 1Token≈1 2 个汉字。大模型的收费计算方法及对输入输出长度的限制，都以 token 为单位计量。 9. 上下文：英文通常翻译为 context，指对话聊天内容前、后的内容信息。上下文长度限制了模型一次交互中能够处理的最大 token 数量，上下文窗口限制了模型在生成每个新 token 时实际参考的前面内容的范围。
2025-03-23