以下是一些普通人利用 AI 赚钱的方式： 1. 电商：婴儿的四维彩超 AI 预测 思路和玩法：通过 AI 工具将宝宝的四维彩超还原出现实模样进行变现。孕妇妈妈在孕期 22 26 周会进行四维彩超检查，很多准爸爸妈妈期待宝宝模样，从而衍生出市场需求。在小红书、抖音等公域平台发布相关笔记吸引咨询。 操作流程：客户提供四维彩超图原图，在 Midjourney 里进行垫图和特定描述词，整个流程不超 10 分钟出图。 变现方式：在抖音、快手、视频号、小红书上批量发布相关视频或图文，将客户引到私域接单变现。但要注意平台引流需隐蔽，避免被检测限流或封号。 2. AI 产业中的应用层 基础设施层：布局投入确定性强，但资金和资源门槛高，普通人若无强资源应谨慎入局，可考虑“合作生态”切入机会。 技术层：技术迭代快，小规模团队或个人需慎重考虑技术迭代风险，基础通用大模型不建议普通个体和小团队考虑。 应用层：是时代赋予的广阔蓝海，当前针对行业/细分领域的成熟应用产品不多，对于普通个体和小团队有超级机会和巨大发展空间。

以下是关于文生图的详细教程： 1. 定主题：明确您需要生成一张具有何种主题、风格和表达信息的图。 2. 选择基础模型 Checkpoint：根据主题，选择内容贴近的模型，如麦橘、墨幽的系列模型，如麦橘写实、麦橘男团、墨幽人造人等。 3. 选择 lora：基于生成内容，寻找重叠的 lora 以控制图片效果和质量，可参考广场上好看的帖子中使用的 lora。 4. ControlNet：可控制图片中特定图像，如人物姿态、生成特定文字或艺术化二维码等，属于高阶技能。 5. 局部重绘：下篇再教。 6. 设置 VAE：无脑选择 840000 即可。 7. Prompt 提示词：用英文写想要 AI 生成的内容，使用单词和短语组合，用英文半角逗号隔开，无需管语法和句子长度。 8. 负向提示词 Negative Prompt：用英文写想要 AI 避免产生的内容，同样是单词和短语组合，用英文半角逗号隔开，无需语法。 9. 采样算法：一般选 DPM++2M Karras 较多，也可参考 checkpoint 详情页上模型作者推荐的采样器。 10. 采样次数：选 DPM++2M Karras 时，采样次数一般在 30 40 之间。 11. 尺寸：根据个人喜好和需求选择。 以下是一些常见的文生图工具： 1. Tusiart 2. Liblibai 3. 腾讯混元 4. luma 5. Recraft 6. 文生图大模型 V2.1L（美感版） 7. 美图奇想 5.0 8. midjourney 9. 快手可图 10. Flux.1.1 11. Stable Diffusion 3.5 Large 12. Imagen 3 网页版 以下是一个提示词示例：赛博哥特时尚摄影，风格化的身材瘦高细长的男性，类似《质量效应》中的生物机械两栖类星种植物外星怪物，身着全套赛博朋克街头服饰。机械天使手持超级等离子步枪，融合本・埃尔特、库尔特・帕普斯坦、亚历杭德罗・阿尔瓦雷斯的风格，色调为深海蓝色与靛蓝色，类似漫威漫画风格，带有幽灵般的形态，青蛙核风格，身形拉长，超写实细节，纤细，3D 雕刻感，石板灰、丁香色、奶油冰棒色、铜色、薄荷绿，极简主义，烟熏眼影，亮白色凸起的生物形态点状图案，发光的眼睛，发光的反向图案背景，色彩鲜艳，发光的未来主义赛博朋克盔甲与武器，变焦模糊，空灵的打光，逆光

大模型是指输入大量语料，使计算机获得类似人类的“思考”能力，能够理解自然语言，并进行文本生成、推理问答、对话、文档摘要等工作。 大模型的“大”体现在用于表达 token 之间关系的参数多，主要是指模型中的权重（weight）与偏置（bias），例如 GPT3 拥有 1750 亿参数。以 Transform 为代表的大模型采用自注意力（Selfattention）机制来学习不同 token 之间的依赖关系，生成高质量 embedding。 在大模型的训练和使用过程中，可以用“上学参加工作”来类比： 1. 找学校：训练 LLM 需要大量计算，GPU 更合适，只有购买得起大量 GPU 的才有资本训练自己的大模型。 2. 确定教材：大模型需要大量的数据量，几千亿序列（Token）的输入基本是标配。 3. 找老师：即用合适的算法讲述“书本”中的内容，让大模型更好理解 Token 之间的关系。 4. 就业指导：学完知识后，为让大模型更好胜任某一行业，需要进行微调（fine tuning）指导。 5. 搬砖：就业指导完成后，正式干活，比如进行翻译、问答等，在大模型里称之为推导（infer）。 在 LLM 中，Token 被视为模型处理和生成的文本单位，可以代表单个字符、单词、子单词，甚至更大的语言单位，具体取决于所使用的分词方法（Tokenization）。在将输入进行分词时，会对其进行数字化，形成一个词汇表。常见的将 Token 表示成稠密矩阵向量的算法有：基于统计的 Word2Vec（通过上下文统计信息学习词向量）、GloVe（基于词共现统计信息学习词向量）；基于深度网络的 CNN（使用卷积网络获得图像或文本向量）、RNN/LSTM（利用序列模型获得文本向量）；基于神经网络的 BERT（基于 Transformer 和掩码语言建模进行词向量预训练）、Doc2Vec（使用神经网络获得文本序列的向量）。

可汗学院在 AGI 的探索主要体现在其推出的 AI 教育产品 Khanmigo 上。 Khanmigo 接入了 4.0 的 API，所有模块采取苏格拉底式教学法，从不直接给答案，而是引导学生不停思考，最终自己找到答案。例如在数学教学中，会从简单题目开始，难度递进，当学生遇到困难时，会通过降维到具体物品、拆解问题等方式给予脚手架辅助。它可以做到全科目随问随答，不仅是数学，在其他科目上也能为学生总结视频内容，以苏格拉底的方式启发学生完成题目。 可汗学院创始人萨尔·可汗认为人工智能是一种补充工具，而且是一种非常强大的工具。Khan Academy 于 2006 年成立于硅谷，是一个非营利性的学校和教育平台，收到了 Google、Bill Gates、Elon Musk 等公司和个人的资助，致力于为全球任何地方的任何学生提供免费、高质量的教育。去年推出的 Khanmigo AI 最大的特点是以无限的耐心引导学习者自己寻找答案，对于每一个问题和答案，都引导学生思考背后的概念，激发学生的好奇心，鼓励跨学科学习，让学生能自主地去探索。

在英语教育领域实现 AGI 方面，目前国内外走在前面的公司情况如下： 在国外，OpenAI 表现突出，ChatGPT 和 GPT4 的出现令人惊讶，其成功拉开了与国内的技术差距。 在国内，百度和阿里相对较为高调。百度的“文心 4.0”是当前国内能力较好的模型之一，即将发布的阿里的“通义千问”也备受关注。然而，国内大厂们虽然在人才、GPU、数据和资金储备方面具备冲击 AGI 的条件，但实际效果尚未有明确亮点。2023 年中美在 AGI 技术上的差距并未缩小，国内最领先的模型水平大概在准 ChatGPT3.5 的水平，与 GPT4 仍有不小差距，甚至不如临时拼凑的 Mistral 团队的水平。此外，大厂们受内部短期考核压力影响，多数力量放在卷新产品圈地盘和向上汇报工作上，且同时背负了较多其他业务和政治考量。

对于新手学习 AI，以下是一些建议： 1. 了解 AI 基本概念： 阅读「」部分，熟悉 AI 的术语和基础概念，包括其主要分支（如机器学习、深度学习、自然语言处理等）以及它们之间的联系。 浏览入门文章，了解 AI 的历史、当前的应用和未来的发展趋势。 2. 开始 AI 学习之旅： 在「」中，找到为初学者设计的课程，特别推荐李宏毅老师的课程。 通过在线教育平台（如 Coursera、edX、Udacity）上的课程，按照自己的节奏学习，并有机会获得证书。 3. 选择感兴趣的模块深入学习： AI 领域广泛，如图像、音乐、视频等，可根据兴趣选择特定模块深入学习。 掌握提示词的技巧，它上手容易且很有用。 4. 实践和尝试： 理论学习后，实践是巩固知识的关键，尝试使用各种产品做出作品。 在知识库提供了很多大家实践后的作品、文章分享，欢迎实践后的分享。 5. 体验 AI 产品： 与现有的 AI 产品如 ChatGPT、Kimi Chat、智谱、文心一言等聊天机器人互动，了解其工作原理和交互方式，获得对 AI 在实际应用中表现的第一手体验，并激发对 AI 潜力的认识。 6. 持续学习和跟进： AI 是快速发展的领域，新的研究成果和技术不断涌现。关注 AI 领域的新闻、博客、论坛和社交媒体，保持对最新发展的了解。 考虑加入 AI 相关的社群和组织，参加研讨会、工作坊和会议，与其他 AI 爱好者和专业人士交流。 记住，学习 AI 是一个长期的过程，需要耐心和持续的努力。不要害怕犯错，每个挑战都是成长的机会。随着时间的推移，您将逐渐建立起自己的 AI 知识体系，并能够在这一领域取得成就。完整的学习路径建议参考「通往 AGI 之路」的布鲁姆分类法，设计自己的学习路径。

以下是关于用 COZE 国内版搭建工作流的相关内容： 需求分析：主要需求是国内可直接使用且能批量生产，选用 COZE 搭建工作流，但批量生产可能会牺牲一定质量的文案和图片效果。 批量生成句子：不同于手动搭建，可一次性生成句子并进行图片处理，但一次生成不要太多，建议设置为一次生成五句。 句子提取：需要把生成的句子逐个提取出来，针对每个句子画图。 图片生成：根据生成的句子结合特有画风等描述绘图。 图片和句子结合：COZE 工作流本身支持 Python 代码，但环境中缺少画图、图片处理所需包，可替换为搞定设计的方式处理图片，会用 PS 脚本效果也不错。 工作流使用：工作流是 AI Bot 的核心和灵魂部分。第一步是开始节点，定义用户传入赋值的变量及描述，描述作为提示词，用户输入相关关键词时会调用工作流。第二步通过大模型组件解析用户输入信息是否满足提示词条件，借助 AI 大模型组件可实现动态用户需求传入，通过自然语言动态调用条件流程，而非传统编程的固定条件匹配和调用。接下来是条件判断，根据大模型解析结果选择条件执行。

Stable Diffusion 模型可以从以下几个地方获取和存放： 1. 部分常用的大模型可以在分享的链接中获取，大家可以根据文件夹名称找到需要的模型。 2. 大多数模型可以在 Civitai（C 站）这个网站（https://civitai.com/）下载。下载方法如下： 科学上网（自行解决）。 点击右上角的筛选按钮，在框框里面找到自己需要的模型类型，如 Checkpoint=大模型、LoRA=Lora 等。 看照片，看到感兴趣的点进去，点击右边的“Download”保存到电脑本地。 3. 模型存放位置： 大模型：SD 根目录，即下载存放 SD 的那个文件夹。 Lora： VAE： 4. 如果不知道下载的模型是哪个类型，不知道要放到哪个文件夹，可以使用秋叶的模型解析工具（https://spell.novelai.dev/），把模型拖动到空白处，会自动弹出模型的信息。 另外，ComfyUI 存放路径：models/checkpoints/ 。

以下是关于 Coze 的相关信息： 重磅更新：Coze 可以接入抖音评论区，帮用户自动回复评论。若想快速上手，可参考视频。不知 Coze 是什么，可参考文章。 安装 Coze Scraper： 通过应用商店安装： 1. 打开 Chrome 浏览器。 2. 点击在 Chrome 应用商店中打开 Coze Scrapper 扩展程序。 3. 单击添加至 Chrome。 4. 在弹出的页面，单击添加扩展程序。 本地安装： 1. 单击下载安装包，然后解压下载的文件。 2. 打开 Chrome 浏览器。 3. 在浏览器中输入 chrome://extensions 打开扩展程序页面，确认开发者模式处于打开状态。 4. 点击加载已解压的扩展程序，选择已解压的文件夹。 Coze 记账管家： 什么是 COZE：字节跳动旗下子公司推出的 AI Agent 构建工具，允许用户在无编程知识的基础上，使用自然语言和拖拽等方式构建 Agent；目前 coze 可以白嫖海量的大模型免费使用，有丰富的插件生态。 什么是记账管家：基于 COZE 平台的能力搭建的一个记账应用；可以直接和 coze 说收入或支出情况，coze 会自动记账并计算账户余额，每一笔记账记录都不会丢失。点击以下卡片体验记账管家。

以下是为您系统整理的 AI 绘画相关学习资源： 1. 知乎上 Rocky 的系列教程： 深入浅出完整解析 Stable Diffusion XL 核心基础知识： 深入浅出完整解析 Stable Diffusion 中 UNet 核心基础知识： 深入浅出完整解析 LoRA 核心基础知识： 深入浅出完整解析 ControlNet 核心基础知识： 2. 【野菩萨】的课程： 预习周课程：包括 AI 绘画电脑配置要求、高效 AIGC 创意者的数字人工具包、SD 插件安装方法、画静为动的 AIGC 视频制作讲解等。 基础操作课：涵盖 AI 绘画通识课、AI 摄影虚拟的真实、AI 电影 穿越的大门等内容。 核心范式课程：涉及词汇的纸牌屋、核心范式应用、控制随机性等方面。 SD WebUi 体系课程：包括 SD 基础部署、SD 文生图、图生图、局部重绘等。 ChatGPT 体系课程：有 ChatGPT 基础、核心 文风、格式、思维模型等内容。 ComfyUI 与 AI 动画课程：包含部署和基本概念、基础工作流搭建、动画工作流搭建等。 应对 SORA 的视听语言课程：涉及通识 欢迎参加电影的葬礼、影像赏析、基础戏剧影视文学等。 如果您想要免费获得这门课程，可以来参与 video battle。冠军奖励：4980 课程一份；亚军奖励：3980 课程一份；季军奖励：1980 课程一份；入围奖励：598 野神殿门票一张。您可以扫码添加菩萨老师助理，了解更多课程信息。