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

4060和4060TI哪个更适合SD

Answer

在 Stable Diffusion(SD)的应用中,30 系列显卡中 3060ti 12GB 显卡、3090 和 3090ti 比较适合生成图片,其他显存不够的显卡意义不大。2080ti 22GB 魔改版本显卡比较考验运气,建议求稳定。SD 的图像生成主要依赖显卡,只要显存足够,其他配置不太差就行。之前有文章分析,i9 和 i5 的 CPU 对于生成速度影响在 10%以下。能上 4090 建议上 4090,哪怕是万丽版本也好过高配 4080。在实际测试中,使用 4080ti 笔记本,12G 显存,不同模型和设置的出图时间有所不同。例如使用 diffusers 的 2.5Gfull 模型绘制 1024*1024 尺寸的图片,一张图花了 2 分 57 秒;使用 320Mb 的 small 模型,用时 34 秒。对于 4060 和 4060TI 哪个更适合 SD,上述内容未给出直接对比,但综合来看,显存大小和性能表现是关键因素,您可以参考以上信息进行判断。

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

References

Stable Diffusion电脑配置选购指南

30系列显卡中,我认为3060ti12GB显卡和3090、3090ti三款显卡是比较适合SD生成图片的,其他的显存不够,快一点意义不大。至于2080ti22GB魔改版本显卡,比较考验运气哈哈,建议还是多花点求个稳定。A5000等专业卡不能玩游戏,生成速度不如同价位游戏卡,半精度训练模型运算速度可能会快一点,不建议普通玩家选购。

Stable Diffusion电脑配置选购指南

正好有朋友问到我SD电脑配置,就简单写一下我的观点和经验吧。SD的图像生成主要依赖的是显卡。只要显卡显存足够,就能够出图,其他的不太差就行。之前见过文章分析,i9和i5的CPU对于生成速度并无明显影响,在10%以下。能咬咬牙上4090的我全部推荐上4090哈,哪怕是万丽版本的4090也好过高配4080。

【SD】来了来了!属于SDXL的ControlNet模型它终于来了!(测评)

首先是canny,它有几个不同的型号,体积越大,速度越慢。我使用的是4080ti的笔记本进行的测试,12G显存。模型sdxl base+refiner提示词:masterpiece,best quality,1girl采样方法:euler a尺寸1024*1024使用diffusers的2.5Gfull模型绘制的图片,一张图花了2分57秒,从这个效率上来看,这个大尺寸基本可以弃了。使用diffusers的320Mb的small模型,用时34s,质量上差距不大,主要是时间优势很明显。我们可以再看看其他作者的,这张是kohya的,用时33秒,更接近真实质感。sai的canny分为128lora和256lora,分别用时39秒和1分08秒,这个模型比较偏绘画的感觉。最后还有一个t2i的canny模型,用时34s,也是偏插画一点。你们觉得哪个效果更好呢?时间上基本都在30秒以上,如果关掉refiner的话,能节省一半左右的时间,平均在17秒左右。#Depth深度接下来测试一些depth模型,图形尺寸664*1024。使用diffusers的full模型,用时2分48秒,sdxl给我随机到了一个拼贴画的风格。使用diffusers的small模型,用时23s。使用kohya模型,用时42秒。这……好像和我的图片没什么关系。

Others are asking
本地安装大模型使用4060显卡和4060TI显卡有什么区别
在本地安装大模型时,4060 显卡和 4060TI 显卡主要有以下区别: 显存方面:显存是选择显卡的重要因素。4060 显卡的显存通常小于 4060TI 显卡。对于一些对显存要求较高的任务,如生成更大分辨率的超清图片、使用更高的参数进行 Dream booth 微调等,4060TI 显卡的大显存更具优势。 生成速度方面:4060TI 显卡的速度比 4060 显卡快。但在某些情况下,如果显存不足导致无法执行任务,速度稍慢就显得不那么重要了。 总体而言,在预算允许的情况下,16GB 的 4060TI 显卡由于其较大的显存,可以执行更多样的 AI 生成任务。但如果预算有限,4060 显卡也是一个可行的选择。
2024-11-06
蛟龙16pro配置(处理器R7-7745HX,显卡RTX4060 8G,硬盘512GPCIE4.0SSD)可以用于审计人员本地化部署大模型用于数据分析工作吗
蛟龙 16pro 的配置(处理器 R77745HX,显卡 RTX4060 8G,硬盘 512G PCIE4.0 SSD)对于审计人员本地化部署大模型用于数据分析工作来说,可能存在一定的局限性。 处理器 R77745HX 具有一定的计算能力,但在处理大规模数据和复杂的模型运算时,其性能可能不够强劲。 显卡 RTX4060 8G 对于一些较为复杂的图形处理和计算任务能够提供一定的支持,但对于大规模的深度学习模型训练和数据分析,可能会显得不足。 512G 的 PCIE4.0 SSD 硬盘容量相对较小,在存储大量数据时可能会很快耗尽空间。 综上所述,该配置在一定程度上可以用于简单的数据分析任务,但对于较为复杂和大规模的大模型本地化部署及数据分析工作,可能需要更强大的硬件配置,例如更高性能的处理器、更大容量和更高性能的显卡,以及更大的存储空间。
2024-09-14
4060显卡用Stable Diffusion怎么样
4060 显卡用于 Stable Diffusion 的情况如下: 在 30 系列显卡中,3060ti 12GB 显卡、3090 和 3090ti 比较适合 Stable Diffusion 生成图片,其他显存不够的显卡意义不大。2080ti 22GB 魔改版本显卡比较考验运气,不建议普通玩家选购。A5000 等专业卡不能玩游戏,生成速度不如同价位游戏卡,半精度训练模型运算速度可能会快一点,也不建议普通玩家选购。 如果使用 40 系显卡,16GB 的 4060ti 虽然速度比 12GB 的 4070ti 慢一点,但大显存可以执行更多样的 AI 生成任务,比如生成更大分辨率的超清图片,使用更高的参数进行 Dream booth 微调等。 需要注意的是,如果在 Stable Diffusion 模型加载时遇到 CUDA 显存不足的错误,简单来说就是显卡不行,没有足够的显存空间分配给该模型。解决方法有:换个好一些的显卡,至少英伟达 2060 以上;或者开启低显存模式。 开启低显存模式的方法如下:在 stablediffusionwebui 文件夹下找到 webuiuser.bat,用文本或代码编辑器打开该文件夹。如果显卡显存不足 3G,可以在 set COMMANDLINE_ARGS=的后面添加参数–lowvram –alwaysbatchconduncond 之后保存。如果显卡只有 4G 显存,可以在 set COMMANDLINE_ARGS=的后面添加参数–precision full –nohalf –lowvram –alwaysbatchconduncond 之后保存。
2024-08-13
comfyui 与 SD 功能上有啥区别
ComfyUI 与 SD 在功能上主要有以下区别: 1. 工作原理:ComfyUI 更接近 SD 的底层工作原理。 2. 自动化工作流:ComfyUI 具有更出色的自动化工作流,能够消灭重复性工作。 3. 后端工具:ComfyUI 作为强大的可视化后端工具,可实现 SD 之外的功能,如调用 API 等。 4. 定制开发:可根据定制需求开发节点或模块。 5. 应用场景:例如在抠图素材方面,ComfyUI 能根据需求自动生成定制的抠图素材。 6. 与其他软件的结合:如与 Blender 整合,从工作流程上天然适配。 7. 工作流搭建:ComfyUI 以连线方式搭建工作流,可通过改变节点实现不同功能,具有更高的自由和拓展性,能根据自身需求搭建和改造工作流。
2025-03-28
我是一名电商设计师,现在想学习SD AI绘图,有一点基础,但学习课程资源有限,请你帮我制定一份详细的学习计划,并提供一些学习资源。
以下是为您制定的学习 SD AI 绘图的详细计划及相关学习资源: 学习计划: 1. 首先,深入学习 Stable Diffusion 的核心基础原理,包括模型工作流程、核心基础原理、训练全过程以及其他主流生成式模型介绍。 2. 接着,掌握 Stable Diffusion 的核心网络结构,如 SD 模型整体架构、VAE 模型、UNet 模型、CLIP Text Encoder 模型等。 3. 学习从 0 到 1 搭建使用 Stable Diffusion 模型进行 AI 绘画的不同方式,如使用 ComfyUI、SD.Next、Stable Diffusion WebUI、diffusers 搭建推理流程,并查看生成示例。 4. 了解 Stable Diffusion 的经典应用场景,如文本生成图像、图片生成图片、图像 inpainting、使用 controlnet 辅助生成图片、超分辨率重建等。 5. 最后,尝试从 0 到 1 上手使用 Stable Diffusion 训练自己的 AI 绘画模型,包括配置训练环境与训练文件,以及基于 Stable Diffusion 训练 LoRA 模型。 学习资源: 1. 教程:深入浅出完整解析 Stable Diffusion(SD)核心基础知识 知乎。 目录涵盖了 Stable Diffusion 系列的各个方面,包括核心基础知识、网络结构解析、搭建推理流程、应用场景和模型训练等。 2. SD 模型权重百度云网盘: 关注 Rocky 的公众号 WeThinkIn,后台回复:SD 模型,即可获得资源链接,包含多种模型权重。 3. SD 保姆级训练资源百度云网盘: 关注 Rocky 的公众号 WeThinkIn,后台回复:SDTrain,即可获得资源链接,包含数据处理、模型微调训练以及基于 SD 的 LoRA 模型训练代码全套资源。 4. Stable Diffusion 中 VAE,UNet 和 CLIP 三大模型的可视化网络结构图下载: 关注 Rocky 的公众号 WeThinkIn,后台回复:SD 网络结构,即可获得网络结构图资源链接。
2025-03-28
SD如何部署
SD 的部署方式如下: 1. 本地部署(Win 系统): 系统要求:Win10 或 Win11。 查看配置: 查看电脑系统:在桌面上找到“我的电脑”,鼠标右键点击,点击“属性”,查看 Windows 规格。 查看电脑配置:需要满足 3 个要求(推荐),电脑运行内存 8GB 以上,是英伟达(NVIDA)的显卡,显卡内存 4GB 以上。打开任务管理器(同时按下 ctrl+shift+esc),可查看电脑运行内存,8GB 运行内存可以勉强运行 SD,推荐 16GB 以上运行内存;查看电脑显卡内存(显存),4GB 显存可运行 SD,推荐 8GB 以上显存。 配置达标跳转至对应安装教程页:。 一键式安装: 电脑配置能支持 SD 运行的朋友们,可使用 B 站秋叶分享的整合包。 具体安装方法: 打开链接 https://pan.baidu.com/s/1hY8CKbYRAj9RrFGmswdNiA?pwd=caru ,下载《1.整合包安装》,存放到电脑本地。 打开保存到电脑里的文件夹。 打开文件夹《1.秋叶整合包主包》,鼠标右击文件,点击“解压文件”。 选择解压到 D 盘或者 E 盘,小心 C 盘被占满,点击确定。 解压完成后,来到第二个文件夹,双击里面的文件,点击安装。 打开刚刚解压保存的 SD 的根目录,找到启动器,鼠标右击启动器,点击“发送到”,桌面快捷方式。 双击启动器,等待更新,接着点击左边第二个“高级选项”,在显存优化里,根据自己电脑的显存选择(就是上面查看的专用 GPU 内存),自己电脑是多少就选多少。 回到第一个一键启动,点击右下角的一键启动。出现代码页面不用管,等一下就行了,SD 的主界面会自动在网页上弹出来。如果出现报错,可以回到最开始的界面,在左边点击“疑难解答”,再点击右边的“开始扫描”,最后点击“修复”按钮。 2. 云端部署: 部署流程: 安装和配置基础环境:浏览器上按照腾讯云>控制台>云服务器的路径找到你刚才购买的实例,点击启动,就会新开一个远程访问的窗口,输入你购买时设置的密码,进入,这样你就有了一个远程的 Windows 系统环境,接下来安装显卡驱动、配置环境变量即可。 安装显卡驱动:用内置的 IE(也可下载 Chrome),打开英伟达的网站,找到驱动下载,选择购买机器时选定的显卡型号、Windows 版本号,下载对应的驱动,然后安装上。 配置环境变量:驱动安全完成后,开始配置环境变量。首先先找到你安装后驱动所在的目录,如果没有特殊设定的话,一般是在「C:\\Program Files\\NCIDIA Corporation」这里,复制这个路径,找到环境变量配置入口(控制面板>系统和安全>系统),选择「高级系统设置」,弹窗设置环境变量,找到「系统变量」里的 Path 环境变量,点击「编辑...」,然后「新建」,帮刚才复制的 nvidia 驱动安装地址粘贴进去,保存即可。 备选:SD 好难,先试试简单的无界 AI:
2025-03-25
SD 反推模型
以下是关于 SD 反推模型的相关内容: Fooocus 模型: LoRA 模型默认放在:Fooocus_win64_1110\\Fooocus\\models\\loras 程序默认用到 3 个 SDXL 的模型,包括一个 base、一个 Refiner 和一个 LoRA。单独安装需下载三个模型: 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,可共用模型(大模型和 LoRA),通过修改 Fooocus_win64_1110\\Fooocus\\modules\\path.py 文件中的路径来配置,修改为秋叶包模型对应的路径,如: 大模型路径:sdwebui\\models\\Stablediffusion\\SDXL LoRA 模型路径:sdwebui\\models\\lora 配置好后点击 run.bat 文件启动。 Comfyui SD 学社做黏土头像的相关插件: 提示词反推 WD14Tagger:https://github.com/pythongosss/ComfyUlWD14Tagger,首次使用会自动下载模型(需要网络环境) 处理人物一致性: IPAdapter:https://github.com/cubiq/ComfyUI_IPAdapter_plus 也可以用 instantID,这里使用的是 IPadpter,后续很多地方也会用到,建议先使用起来。关于 IPAdapter 的使用,之前有文章介绍。 ControlNet: 预处理的插件:comfyui_controlnet_aux https://github.com/Fannovel16/comfyui_controlnet_aux ControlNet 模型: XLCN 模型下载:https://huggingface.co/lllyasviel/sd_control_collection/tree/main 1.5 理模型下载:https://huggingface.co/lllyasviel/ControlNetv11/tree/main ControlNet 的 tile 模型: 随着 ControlNet1.1 的更新,tile 模型横空出世,其强大的功能让之前的一些模型变得有点黯然失色。 可用于高清修复小图,比如将分辨率不高的食物图片拖进“WD 1.4 标签器”反推关键词,然后发送到图生图。使用大模型“dreamshaper”调整参数尺寸,放大为 2K,提示词引导系数官方推荐在 15 以上,重绘幅度在 0.5 以上。 可用于修复和增加细节,如处理一张细节不足且结构错误的小屋图。tile 的预处理器用来降低原图的分辨率,为新图添加像素和细节提供空间。若图片本身像素很低,可以不使用预处理器,直接使用 tile 模型。
2025-03-13
请你用简单易懂的语言告诉我comfyui和SD的区别
ComfyUI 和 SD(Stable Diffusion)主要有以下区别: 1. UI 界面:SD WebUI 的 UI 更接近传统产品,有很多输入框和按钮;ComfyUI 的 UI 界面复杂,除输入框外,还有很多块状元素和复杂的连线。 2. 学习成本:ComfyUI 的学习成本比 SD WebUI 高。 3. 工作流方式:ComfyUI 主要通过连线搭建自动化工作流,从左到右依次运行;SD WebUI 则通过输入框和按钮配置参数。 4. 灵活性和拓展性:ComfyUI 具有更高的自由和拓展性,可以根据自身需求搭建、调整甚至改造工作流,无需依赖开发者,还能开发并改造节点;SD WebUI 在这方面相对较弱。 5. 功能实现:从功能角度看,两者提供的功能本质相同,但 ComfyUI 通过改变节点方式能实现不同功能,如一个节点是直接加载图片,另一个是通过画板绘制图片,从而实现导入图片生图和绘图生图等不同功能。
2025-03-08
SD教程
以下是关于 SD 的一些教程: 1. 用 SD 做二维码: 方法原文地址:https://stablediffusionart.com/qrcode/ 相关帖子:模型,也有在无自定义模型情况下的制作方法。 微信的二维码需要转一下:https://cli.im/weixin 2. 用 SD 做中文文字(持续更新中): 制作思路: 将中文字做成白底黑字,存成图片样式。 使用文生图的方式,使用大模型真实系,作者用的 realisticVisionV20_v20.safetensorsControlNet 预设置。 输入关键词,如奶油的英文单词,Cream+Cake(加强质感),反关键词:Easynegative(负能量),反复刷机,得到满意的效果即可。 同理可输出 C4D 模型,可自由贴图材质效果,3d,blender,oc rendering。 如果希望有景深效果,也可以打开 depth(增加阴影和质感)。 打开高清修复,分辨率联系 1024 以上,步数:2960。 3. SD 的其他实践教程: 线稿上色 Midjourney+Stable Diffusion:https://waytoagi.feishu.cn/wiki/AsbYwmfS6ikhr3kNsCocdPMEnUd 猫咪狗狗 lora:https://waytoagi.feishu.cn/wiki/JiQewVbOHi7tzakS23ecprxsnfg 字体设计机甲战士:https://waytoagi.feishu.cn/wiki/GUQ3w52elisr9ukIgkBc42UmnWd 做盲盒平面变 3D:https://waytoagi.feishu.cn/wiki/SCK8wV4PTiHQVKkvGRUcx0fcnTe MJ 出图 SD 放大:https://waytoagi.feishu.cn/wiki/E88nwOtk9ilRQskg3Qlc6ZHpnTf 七夕字体和图:https://waytoagi.feishu.cn/wiki/BjQ1wLRv0ivCLtk136VchSCqnpU 可爱毛粘字体:https://waytoagi.feishu.cn/wiki/NjhbwF1cTiQ5Xjkd3tNc1OWynZd
2025-03-05
如何部署本地NOTION AI工具
部署本地 NOTION AI 工具需要考虑以下几个方面: 1. 开始方式: 本地部署:如果您的电脑是 M 芯片的 Mac 电脑(Intel 芯片出图速度非常慢,因此不建议)或者 2060Ti 及以上显卡的 Windows 电脑,可以选择本地部署。强烈建议在配有 N 卡的 Windows 电脑上进行。 在线平台:对于电脑不符合要求的小伙伴可以直接使用在线工具,在线工具分为在线出图和云电脑两种,前者功能可能会受限、后者需要自己手动部署,大家根据实际情况选择即可。 配台电脑:非常不建议一上来就配主机,因为大概率会变成游戏机或者吃灰(土豪请随意)。玩几个月后还对 AI 有兴趣的话再考虑配个主机。主机硬盘要大,显卡预算之内买最好,其他的随意。 2. 平台选择: 线上平台:出图速度快,不吃本地显卡的配置,且无需自己下载动辄几个 G 的模型,还能看其他创作者的制作的涩图,但为了节约算力成本他们只支持出最高 1024X1024 左右的图,制作横板、高清等图片就会受限。 线下部署:可以自己添加插件,不卡算力,出图质量高于线上平台,但是使用期间电脑基本处于宕机状态,如果配置不高的话还会出现生成半天之后爆显存的情况,导致出图失败。 3. 具体部署步骤(以接入微信为例): 下边将出现代码,复制的时候,注意复制全。 代码我已经分好步骤,每次只需要粘贴一行,然后点击一次回车。 回车后,只有最左边显示中括号对话前缀时,不要操作。 如果发现 ctrl+v 粘贴不进去,试试 shift+ctrl+v 粘贴。 点击菜单中,下边的“终端”,然后开始把代码粘贴进入。 第一步:cd/root||exit 1 第二步:下方两行粘贴进入,然后点击回车,等待下载完成。(如果这里有了卡点,进行不下去,可能是因为服务器网络问题,去拉取的时候下载不全,可以复制网址,手动去下载到电脑上。然后进入文件夹,找到 root 文件夹,把下载的文件上传进去就好了。) 2.2、再粘贴下方代码,出现下图,就代表在执行中了。 第三步:rm f Anaconda32021.05Linuxx86_64.sh 第四步:/root/anaconda/bin/conda create y name AI python=3.8 第五步:echo 'source /root/anaconda/bin/activate AI' >> ~/.bashrc 第六步:执行完成后。刷新一下,重新进入终端,您会看到,最左侧出现了(AI)的字符。如果出现了,那么恭喜您。 第七步:继续,一行一行依次粘贴,依次回车。
2025-02-26
如何用AI测试MBTI
人工智能 。以下是一些如何使用 AI 测试 MBTI 的方法: 1. 基于规则的系统: 一些 AI 系统使用基于规则的方法来评估 MBTI 偏好。这些系统会问用户一系列问题,然后根据他们的回答将他们归类为 16 种 MBTI 类型之一。 2. 机器学习模型: 其他人工智能系统使用机器学习模型来预测用户的 MBTI 类型。这些模型使用大量数据进行训练,包括已知 MBTI 类型的人的回答。然后,他们可以使用这些数据来预测新用户的 MBTI 类型。 3. 自然语言处理 : 一些 AI 系统使用 NLP 来分析用户的文本输入以确定他们的 MBTI 类型。这些系统可以分析用户的书写风格、词汇选择和语法来识别可能与特定 MBTI 类型相关的模式。 以下是一些使用 AI 测试 MBTI 的潜在好处: 方便快捷: AI 测试可以比传统的面对面 MBTI 测试更快、更方便。 可扩展性: AI 测试可以用于测试大量受众,而传统的面对面测试则受到时间和成本的限制。 客观性: AI 测试可以减少人为偏见的影响,从而提供更客观的结果。 当然,使用 AI 测试 MBTI 也存在一些潜在挑战: 数据质量: AI 模型的性能依赖于数据质量。如果训练数据不完整或不准确,AI 模型可能会生成错误或误导性的结果。 解释性: AI 模型通常是“黑箱”模型,难以解释其如何做出决策。这使得很难理解 AI 测试结果的准确性或可靠性。 伦理问题: 使用 AI 测试 MBTI 可能会引发一些伦理问题,例如患者隐私和歧视风险。 总体而言,AI 在 MBTI 测试方面具有广阔的应用前景,但仍需进一步研究和开发才能克服现有的挑战。随着 AI 技术的不断进步,我们可以期待 AI 将在未来发挥更大的作用,帮助人们更好地了解自己和他人。 以下是一些使用 AI 测试 MBTI 的示例工具: 16Personalities: 16Personalities 是一款免费的在线 MBTI 测试,使用基于规则的系统来评估用户的偏好。 My MBTI Type: My MBTI Type 是一款付费的在线 MBTI 测试,使用机器学习模型来预测用户的 MBTI 类型。 IDRlabs MBTI Test: IDRlabs MBTI Test 是一款免费的在线 MBTI 测试,使用 NLP 来分析用户的文本输入以确定他们的 MBTI 类型。 在选择 AI MBTI 测试工具时,重要的是要考虑您的需求和偏好。一些工具是免费的,而另一些工具则需要付费订阅。此外,一些工具比其他工具更擅长评估特定类型的 MBTI 偏好。
2024-05-09
我想找一款适合做标书的ai工具
以下是一些适合做标书的 AI 工具: AutogenAI:伦敦初创公司开发的基于生成型人工智能的工具,声称可以帮助企业撰写更强的提案,提高中标率。该公司获得了来自 Blossom Capital 的 2230 万美元投资,用于招聘更多人才、扩展平台和增加客户群。其软件可以将撰写强大提案的过程加快 800%,同时降低 10%的采购成本。 如果您还想了解生成 Logo 的 AI 产品,有以下选择: 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。 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。 Designhill:Logo 制作器使用 AI 技术创建个性化 Logo 设计。 LogoMakr:提供简单易用的 Logo 设计工具,可利用 AI 建议的设计元素和颜色方案。 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。 LogoAI by Tailor Brands:Tailor Brands 推出的 AI Logo 设计工具,根据用户输入快速生成方案。 标小智:中文 AI Logo 设计工具,利用人工智能技术创建个性化 Logo。 您还可以访问网站的 AI 生成 Logo 工具版块获取更多好用的工具:https://waytoagi.com/category/20
2025-04-11
适合搭建应用的AI
以下是一些适合搭建应用的 AI 相关信息: Menlo Ventures 指出生成式 AI 应用当前有三个核心用例与强大的产品市场契合度:搜索、合成和生成。其投资组合公司在这些类别中有早期突破性的代表,中心是 LLMs 的少样本推理能力。但生成式人工智能的承诺不止于此,领先的应用程序构建商正在建立解决方案处理大量人力工作流程。借助多步逻辑等新型构建块,下一波智能体正在拓展 AI 能力边界,实现端到端流程自动化。在深入探讨人工智能体领域时,将概述 Menlo 对新兴市场的论点,包括定义智能体及使其成为可能的因素,追溯现代人工智能技术栈的架构演化过程,探讨范式转变对应用和基础设施层面的影响。 第一期「AI 实训营」手把手学 AI,在阿里云百炼从零搭应用。阿里云百炼是基于通义系列大模型和开源大模型打造的一站式大模型服务平台,提供生成式大模型的应用编排搭建能力和企业大模型的全链路训练部署能力。其核心能力和优势包括大模型 API 服务、AI 应用搭建、模型在线训练部署等。目标客户群体包括有开发经验的企业或独立开发者,期望通过“企业知识+大模型”降本增效的企业,以及有算法和技术人力、有丰富企业数据、期望拥有专属大模型的企业。 目前企业正在自行构建而非购买应用程序,重点主要放在自主构建应用程序上,基础模型的出现使企业更易通过 API 构建自己的 AI 应用程序。企业正在构建常见应用,也在尝试更新颖的应用。关于“GPT wrappers(GPT 套壳)”的局限性已有诸多讨论,目前尚不清楚当更多面向企业的 AI 应用上市时情况是否会变化。那些能在“LLM+UI”公式之外创新,并显著重新思考企业基本工作流程或帮助企业更好利用专有数据的应用,将在市场上表现出色。
2025-04-10
CRM那些功能适合和ai结合
AIGC 在 CRM 中的应用主要包括以下几个方面: 1. 个性化营销内容创作:根据客户个人信息、购买历史、偏好等数据生成个性化且富有创意的营销文案、视觉内容等,提高营销效率和转化率。 2. 客户服务对话系统:基于 AIGC 的对话模型开发智能客服系统,通过自然语言交互解答客户咨询、投诉等,缓解人工客服压力。 3. 产品推荐引擎:借助 AIGC 生成丰富的产品描述、视觉展示等内容,结合推荐算法为客户推荐更贴合需求的产品,提升销售业绩。 4. CRM 数据分析报告生成:AIGC 可以自动生成数据分析报告,包括文字、图表、视频演示等形式,加快报告生产流程。 5. 智能翻译和本地化:提供高质量的多语种翻译及本地化服务,帮助企业打造全球化营销内容。 6. 虚拟数字人和营销视频内容生成:快速生成虚拟数字人形象、场景背景和营销视频内容,降低视频制作成本。 7. 客户反馈分析:高效分析海量客户反馈文本和多媒体信息,挖掘客户需求和潜在痛点。 以下是一些与 AI 结合的 CRM 相关产品推荐: 1. Clay:一款 AI 驱动的联系人应用软件,自动整理联系人信息,帮助管理个人和职业人脉。 2. Promptden:提示词交流和交易社区,可探索、发现和分享从 ChatGPT 和 Bard 文本提示到 MidJourney、Stable Diffusion 等 AI 生成的图像。 3. Parthean AI:财务教练,将 AI 工具与个人财务信息集成,提供定制答案,帮助用户制定预算并规划财务目标。 4. TinyStudio:免费的 Mac 应用程序,利用 M1/M2 芯片为视频和音频文件生成字幕。 5. Pagegpt:提供个性化网页设计,生成文案和图片,帮助吸引和转化顾客。 此外,工具使用或函数调用通常被视为从 RAG 到主动行为的第一个半步,为现代人工智能栈增加新的层。一些流行的原语如网页浏览(Browserbase、Tiny Fish)、代码解释(E2B)和授权+认证(Anon)已经出现,它们使 LLMs 能够导航网络、与外部软件(如 CRM、ERP)交互并运行自定义代码。例如,Omni 的计算 AI 功能利用 LLM 直接输出适当的 Excel 函数到电子表格中,然后执行计算并自动生成复杂查询供用户使用。
2025-04-09
我想学AI,那么coze是否适合拿来练手学习AI
Coze 适合拿来练手学习 AI,原因如下: 其在智能体开发方面,低代码或零代码的工作流等场景表现较好。 对于没有代码基础和图文审美的人来说,门槛较低。 能让学习者短时间接触大量的应用场景练习和 prompt 练习。 有相关的教学资源,例如从操作界面、业务逻辑和用户界面的学习教程,还有关于数据库等概念的细化讲解。 但同时需要注意,AI CODING 虽强,但目前适用于小场景和产品的第一个版本,复杂应用可能导致需求理解错误从而使产品出错。
2025-04-01
比较适合语音克隆的有哪些AI
以下是一些适合语音克隆的 AI: :能将书面内容转化为引人入胜的音频,并实现无缝分发。 :提供专业音频、语音、声音和音乐的扩展服务。 (被 Spotify 收购):提供完全表达的 AI 生成语音,带来引人入胜的逼真表演。 :利用合成媒体生成和检测,带来无限可能。 :一键使您的内容多语言化,触及更多人群。 :生成听起来真实的 AI 声音。 :为游戏、电影和元宇宙提供 AI 语音演员。 :为内容创作者提供语音克隆服务。 :超逼真的文本转语音引擎。 :使用单一 AI 驱动的 API 进行音频转录和理解。 :听起来像真人的新声音。 :从真实人的声音创建逼真的合成语音的文本转语音技术。 :生成听起来完全像你的音频内容。 此外,还有以下相关信息: DubbingX2.0.3 中的海螺 AI 配音可以进行语音克隆,操作时需上传语音、命名声音、选择语言,原音频若有背景音乐最好在剪影中去除以保证生成的音色模型效果好且纯净。去除原音频背景杂音可通过打开剪映,按以下步骤操作:打开剪映,点击开始创作,导入原始音频或视频。 StepAudio:130B 语音文本多模态模型开源,集成语音识别、语义理解、对话生成、语音克隆、音频编辑、语音合成等功能,成本低质量高的语音克隆,支持“蒸馏”技术简化为更轻量版。
2025-03-31
最适合搭建本地个人知识库的ai是什么
以下是一些适合搭建本地个人知识库的 AI 相关技术和工具: 1. RAG(Retrieval Augmented Generation)技术:利用大模型的能力搭建知识库,其应用包括文档加载(从多种来源加载文档)、文本分割(把文档切分为指定大小的块)、存储(将切分好的文档块嵌入并存储到向量数据库)、检索(通过检索算法找到与输入问题相似的嵌入片)和输出(把问题及检索出的嵌入片提交给 LLM 生成答案)。 2. Open WebUI:一般有两种使用方式,包括聊天对话和 RAG 能力(让模型根据文档内容回答问题,是构建知识库的基础之一)。如果要求不高,通过其可实现本地大模型的对话功能。 3. AnythingLLM:包含 Open WebUI 的能力,并额外支持选择文本嵌入模型和向量数据库。安装完成后,配置主要分为三步,包括选择大模型、文本嵌入模型和向量数据库。在 AnythingLLM 中,有 Workspace 的概念,可创建工作空间,上传文档并进行文本嵌入,还提供了 Chat 模式(综合给出答案)和 Query 模式(仅依靠文档数据给出答案)两种对话模式。
2025-03-28