直达「 通往AGI之路 」飞书知识库 →
首页/问答列表/问答详情

国内较好用可以替代Midjourney或Stable Diffusion的图像生成工具有哪些

回答

以下是国内一些较好用可以替代 Midjourney 或 Stable Diffusion 的图像生成工具：

  1. 吐司：https://tusiart.com/images/635511733697550450?post_id=635512498197535244&source_id=nzywoVHilkK7o_cqaH31-xAh
  2. 哩布：https://www.liblib.ai/

此外，还有一些常见的图像生成工具：

  1. 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。
  2. Adobe Firefly：内置在各种 Adobe 产品中，但在质量方面落后于 DALL-E 和 Midjourney。不过 Adobe 宣布它只使用有权使用的图像。
内容由 AI 大模型生成，请仔细甄别（powered by aily）

参考资料

如何使用 AI 来做事：一份带有观点的指南

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。以下是它们的比较（每张图像都有模型标记）：

AI 线上绘画教程

如果你的工作中和作者我一样需要用到大量图片，那就得为了图片的商业用途去付费，甚至可能被某版权流氓骚扰碰瓷。也像我一样想要用上能够商用，同时还具有较强艺术美感的图片。要是不能自己拍摄，那这时AI生图是最高效的解决办法。不论是人像、动物、自然风景或是人造景观的图，我们都能用AI完成。但最主流的两款工具：midjourney（MJ）的付费成本较高，stable diffusion（SD）的硬件门槛也不低，让人从一堵墙走到了另一堵墙。别急~还有[吐司](https://tusiart.com/images/635511733697550450?post_id=635512498197535244&source_id=nzywoVHilkK7o_cqaH31-xAh)、[哩布](https://www.liblib.ai/)这样的免费在线SD工具网站接下来，问题就只剩下会不会用了。咱这教程就是来解决不会用的问题的。另外，从我开始正经在工作上探索使用在线SD工具，到写完前两篇教程，时间不过10天，说明这玩意儿要入门真不难。

问：我想用 AI 把小说做成视频，应该怎么做？

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)1.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)1.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)1.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)1.Clipfly：一站式AI视频生成和剪辑平台。网址：[Clipfly](https://www.aihub.cn/tools/video/clipfly/)1.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)1.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)1.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/)

其他人在问
现在Ai作图用什么？还是以前的Stable Diffusion吗？还是又出现了新的开源软件？
目前在 AI 作图领域，Stable Diffusion 仍然是常用的工具之一。Stable Diffusion 是 AI 绘画领域的核心模型，能够进行文生图和图生图等图像生成任务，其完全开源的特点使其能快速构建强大繁荣的上下游生态。 除了 Stable Diffusion，也出现了一些新的相关开源软件和工具，例如： ：Stability AI 开源的 AI 图像生成平台。 ：拥有超过 700 种经过测试的艺术风格，可快速搜索查找各类艺术家，并支持一键复制 Prompt。 同时，市面上主流的 AI 绘图软件还有 Midjourney，其优势是操作简单方便，创作内容丰富，但需要科学上网并且付费。如果您想尝试使用 Stable Diffusion，可以参考 B 站【秋葉 aaaki】这个 Up 主的视频了解具体的安装方法。
2025-03-24
什么是Diffusion Model
在 AI 图像生成中，“Diffusion Model”（扩散模型）是一类生成模型。其工作原理包括以下几个方面： 1. 正向扩散过程：向图像逐渐添加高斯噪声，直至图像完全无法识别，此过程可形式化为顺序扩散马尔可夫链。 2. 潜空间表示：将图像压缩到低维的潜在空间中，以减少计算量并提高生成速度。 3. 学习逆向过程：训练神经网络来预测每一步中噪声的分布，并逐步去除噪声以恢复清晰图像。 4. 文本到图像的生成：结合文本编码器和图像解码器，依据文本描述生成相应图像。 扩散模型的关键优势在于能够生成高质量的图像，且相比其他生成模型（如 GANs）在计算效率和稳定性方面更具优势。例如 Stable Diffusion 等模型就是基于扩散模型的文本到图像生成工具，可根据文本提示生成逼真的图像。 扩散模型的逆向过程，即从噪声中恢复图像的过程，可类比为雕刻，AI 逐步去除不必要的部分，最终得到清晰的图像。这个过程可以逐步进行，也可以一次性完成，取决于模型的具体实现和采样算法。 总的来说，扩散模型为 AI 图像生成提供了强大的技术手段，能在多种场景下生成高质量的图像。例如 Midjourney 就是一个由 Latent Diffusion Model（LDM）驱动的 AI 图像生成工具，它通过文本提示和参数输入，利用基于大量图像数据训练的机器学习算法生成独特的图像。
2025-03-21
Stable Diffusion 是 Diffusion Model 的优化版本，引入了潜在空间（Latent Space）技术，这个潜在空间（Latent Space）是什么意思，它的实现原理是什么？
在 Stable Diffusion 模型中，潜在空间（Latent Space）指的是图像的潜在分布，它包含了与图像相关的所有信息。 图像被映射到潜在空间后，扩散过程在这个空间中进行。ComfyUI 中的许多操作都在潜在空间中进行，如 KSampler 节点就是在这个空间中执行采样过程。在潜在空间中，通过节点调整对潜在空间的操作，如噪声添加、去噪步数等，这部分通常由潜在空间操作模块来实现。 在 Stable Diffusion 模型中，图像的潜在分布是通过一个编码器解码器结构来学习的。编码器将图像映射到潜在空间，而解码器则将潜在空间中的向量映射回图像空间。通过这种方式，模型可以学习到图像的潜在分布，从而实现图像生成、编辑和操作。 在采样过程中，Stable Diffusion 模型通过逐步降低噪声水平来生成图像。在这个过程中，模型根据当前的噪声水平预测图像的潜在分布，然后根据这个分布生成一个新的图像。这个过程重复进行，直到生成一个高质量的图像。 与之对应的是像素空间（Pixel Space），像素空间指的是图像中每个像素的原始颜色或强度值所组成的空间。图像可以看作是一个二维或三维的矩阵，其中每个元素代表一个像素。在像素空间中，图像的表示是密集的，且包含了大量的细节信息。
2025-03-21
Stable Diffusion有哪些模型
Stable Diffusion 模型包括以下几种： 1. Stable Video Diffusion 模型： 避坑指南：直接使用百度网盘准备好的资源可规避大部分坑；若报显存溢出问题，可调低帧数或增加 novram 启动参数；云部署实战部分，基础依赖模型权重有两个 models–laion–CLIPViTH14laion2Bs32Bb79K 和 ViTL14.pt，需放到指定路径下。 总结：Sora 发布后，之前的视频生成模型略显逊色，Stable Video Diffusion 作为开源项目可自由创作无需充值，有独特优势。其生成的视频画质清晰、过渡自然，虽目前只能生成最多 4 秒视频，但在不断迭代。 2. 潜在扩散模型（Latent Diffusion Models）： CLIP：将用户输入的 Prompt 文本转化成 text embedding。 核心组件：VAE EncoderDecoder、UNET（进行迭代降噪，在文本引导下进行多轮预测）。 存放路径：ComfyUI 存放路径为 models/checkpoints/。 基础预训练模型：SD1.5、SDXL。 训练方法：DreamBooth（by Google）。 格式：.pt、.safetensor。 融合模型：checkpoint+checkpoint、Lora+Lora、checkpoint+Lora。 模型自带已适配的 VAE。 微调模型：概念学习、Checkpoint。 3. 不同版本模型对比： Stable Diffusion 2.0 系列模型。 Stable Diffusion 2.1 系列模型。 Stable Diffusion 1.6 系列模型。 SD Turbo 模型。 4. 性能优化方面： 使用 TF32 精度加速 SD 模型训练与推理。 使用 FP16 半精度加速。 对注意力模块进行切片。 对 VAE 进行切片。 大图像切块。 CPU<>GPU 切换。 变换 Memory Format。 使用 xFormers 加速 SD 模型训练与推理。 使用 tomesd 加速 SD 模型推理。 使用 torch.compile 加速 SD 推理速度。 此外，还有关于 Stable Diffusion 训练数据集制作、微调训练、基于其训练 LoRA 模型、训练结果测试评估等方面的内容。
2025-03-21
什么是Stable Diffusion
Stable Diffusion 是一种扩散模型的变体，最初称为潜在扩散模型（Latent Diffusion Models）。 它的核心技术来源于 AI 视频剪辑技术创业公司 Runway 的 Patrick Esser 以及慕尼黑大学机器视觉学习组的 Robin Romabach，其技术基础主要来自于他们之前在计算机视觉大会 CVPR22 上合作发表的潜扩散模型研究。 Stable Diffusion 是一种基于潜在扩散模型的文本到图像生成模型，能够根据任意文本输入生成高质量、高分辨率、高逼真的图像。其原理包括：使用新颖的文本编码器（OpenCLIP）将文本输入转换为向量表示以捕捉语义信息并与图像空间对齐；使用扩散模型将随机噪声图像逐渐变换为目标图像，该模型能从训练数据中学习概率分布并采样新数据；在扩散过程中利用文本向量和噪声图像作为条件输入给出每步变换的概率分布，以根据文本指导噪声图像向目标图像收敛并保持图像清晰度和连贯性；使用超分辨率放大器将生成的低分辨率图像放大到更高分辨率，该放大器也是扩散模型，能从低分辨率图像中恢复细节信息并增强图像质量。 简单来说，Stable Diffusion 就是一个 AI 自动生成图片的软件，通过输入文字就能生成对应的图片。它具有能处理任意领域和主题的文本输入并生成多样化和富有创意的图像、生成高达 2048x2048 或更高分辨率且保持良好视觉效果和真实感等优点。
2025-03-21
Stable Diffusion、MidJourney、DALL·E 这些生成式AI工具有什么区别
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。
2025-03-20
"如何使用Midjourney"
以下是关于如何使用 Midjourney 的详细介绍： 1. “人物参考”功能： 在提示词后输入`cref URL`并附上一个人物图像的 URL。需注意一定要在提示词后面，否则会报错。 可以使用`cw`来修改参考“强度”，从 0 到 100。强度 100（`cw 100`）是默认值，会使用面部、头发和衣服；在强度 0（`cw 0`）时，只会关注面部，适合改变服装、发型等。 2. 喂图： 意义：从第一张起，可反复上传优化图片，来达到自己想要的图片。 过程：上传单张或者一组（4 到 5 张）到 Midjourney 输入框里，有两种方法： 点击输入框前方的加号上传。 鼠标选择图片或一组拖到软件里，回车，点击上传后的图片，在左下角“在浏览器打开链接“打开后复制浏览器上的链接，返回主界面，在输入框里“/imagine：粘贴刚才复制的链接+所描述的关键词。 常见问题：小白新手找不到输入框频道。解决方法是找到 Midjourney 白色图标，点击进去，找带数字结尾的频道，或者在自己社区里添加 Midjourney 机器人。 3. Midjourney V6 更新角色一致性命令“cref”： 官方说明：在提示后键入`cref URL`，其中 URL 是一个角色图像的网址。可以使用`cw`来修改参考的“强度”。 用途：这个功能在使用由 Midjourney 图像制作的角色时效果最佳，不适用于真实的人物/照片。 高级功能：可以使用多个 URL 来混合信息/来自多个图像的角色。 在网页 alpha（测试最初版）上的操作：拖动或粘贴图像到想象栏，有三个图标。选择这些图标设置它是一个图像提示，一个风格参考，还是一个角色参考。按住 Shift 键选择一个选项以将图像用于多个类别。 需注意，虽然 MJ V6 还处于 alpha 测试阶段，但这个和其他功能可能会突然更改，V6 官方 beta 版本即将推出。
2025-03-24
Midjourney怎样生成人物侧脸照？
要在 Midjourney 中生成人物侧脸照，您可以按照以下步骤进行操作： 1. 初始图（单人画面生成结果）。 2. 找到已生成的人物纯图，提取图片链接（url）做准备工作。 3. 基于生成的构图清晰但人物失控的成图基础上，进行重绘 Vary Region。具体操作包括：框选需要被替换的人物，然后将准备好的链接，贴入框内界面 cref 后面，注意先把原始的 cref（即红色部分）删掉。 4. 连续“抽卡”后找到合适的角度，选中理想的图片，U1/U2/U3/U4 点击后就可以拿出来使用。 5. 假设需求是让配角转头营造“偷看主角”的感觉。先准备一个正脸照的链接，然后进入重绘界面圈起红色部分，更新 cref 的链接为正脸照链接。如果还是出不来，再修改原有指令词，要求将女性的侧脸照替换成正脸。坚持几轮抽卡后就可以得到需要的结果。 此外，Midjourney V6 更新了角色一致性命令“cref”。您可以添加角色参考图像，并选择一个“cw”以达到效果。Midjourney 能够从参考图像中识别的角色属性将与提示混合，从而创建出您角色的最终表现。您可以通过使用“cw N”参数（cref 权重）来大致控制转移，其中 N 的值可以从 1 到 100，默认值为 100。需要注意的是，“cw”参数不会改变角色参考图像的强度/影响力，“cw 100”的值（默认值）将捕捉整个角色，“cw 99 到cw 1”之间的值将开始捕捉较少的整个角色，仅集中于转移面部，“cw 0”的值将仅捕捉面部，大致类似于面部替换。
2025-03-17
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，但不适用于某些特定人员的个人数据。 可能会不时更新政策，适用法律要求时会通知变更。 定义了“您”或“您的”的含义以及使用数据的概念。 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 输入，出现提示框后，将图片文件拖入或右键单击并粘贴链接。 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，如不同的起始图像和中途模型版本的相关示例，还提到纵横比提示，即将图像裁剪为与最终图像相同的宽高比以获得最佳效果。 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，不创建不尊重、攻击性或辱骂性的图像或使用此类文本提示，禁止任何形式的暴力或骚扰。 无成人内容或血腥内容，未经许可不公开转发他人创作，分享时要小心。 任何违反规则的行为可能导致服务被禁止，规则适用于所有内容。
2025-03-12
Midjourney多人物在不同场景下的一致性
以下是关于 Midjourney 多人物在不同场景下一致性的相关内容： 参数局限性： 最好使用 Midjourney 生成的图像，因为其对自身输出的解读已优化，使用真实世界图像可能导致扭曲或不一致。 无法精确复制每一个小细节，AI 更倾向于关注更广泛的视觉特征。 不太适用于多人组合，通常会让组内所有人看起来相同。 实际应用案例： 分镜和漫画：在不同面板和场景中保持同一角色的一致性，不丧失角色核心身份。 角色设计：为角色创建不同版本，如不同服装、姿势或环境中的版本。 奇幻和叙事艺术：以视觉一致的方式描绘角色在旅程中的变化。 最佳结果的技巧： 使用清晰、放大的图片，其中角色面部特征清晰可见，最好正对镜头，有助于 AI 更好地解读关键面部特征。 从 cw 100 开始，若希望引入变化，可逐渐降低该值。 角色参考： Midjourney 中的 cref 是一个高级命令参数，允许用户在多张图像之间保持角色一致性。无论创作故事板还是创建不同场景中的角色变化，该命令参数能确保角色的核心视觉特征（如面部特征、发型和服装）在每次生成时得以保留。 频道说明： 您可以仅描述环境、周围环境、背景或情境，Midjourney 将努力将角色融入场景中。但可能会出现不连贯的结果，此时可尝试使用更高值的样式化（s），如 s 800。 多个角色的放置： cref 命令适用于单一主题、单一角色的图像。若计划在场景中添加多个角色，需要使用平移按钮来添加。 基于 cref 的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的画布与现有画布拼接在一起，每个新画布的部分都将有自己的 cref。 1. 使用 /settings 将 Remix 打开，然后选择 。 2. 选择将包含第二个字符的图像，然后使用 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一条新图像。选择新角色的前进方向并输入提示及其 cref。这将缝合一条新的画布。
2025-03-06
Midjourney教程
以下是关于 Midjourney 的教程： 1. 利用一致性 MJ 出海马体写真： 超低学习成本，会用任意手机修图软件即可。 得益于 cref，能迅速达成角色一致性目的，无需 Lora。cref 代表 character reference（角色参考），cw 代表 character weight（参考权重），默认为 100，会参考角色的人脸和服装特点，若只想关注人脸，可调低到 0。 风格复制和服装替换，用提示词（prompt）和 sref，默认值 100，越高越接近参考图像的风格。 用 /describe 指令反推海马体的提示词，再配合 sref，可轻松复制图像风格。在回车前检查提示词，避免出现和 sref 风格差异过大的 prompt，也可增加有用的 prompt。 解决“形似而神不似”的问题，即 MJ 直出和原人物在五官等地方的细微差距。 2. 线稿上色 Midjourney + Stable Diffusion： 用 Midjourney 生成线稿，PS 修正错误，再用 Controlnet 控制，Stable Diffusion 上色，多套 AI 组合可快速生成效果惊艳的图。 线稿产出的 mj 关键词：Black and white line drawing illustration of a cute cat cartoon IP character,black line sketch,wearing a fortune hat,wearing a collar around the neck,Carrying a huge bag containing scrolls and ingots,matching rope and straps at his wrists,Chinese element style,popular toys,blind box toys,Disney style,white backgroundniji 5style expressive。 3. 小白 30min 加入离谱村： 选工具，如 SD 或 Midjourney。 抄 prompt，从教程和导航中找喜欢风格的提示词。 找 ChatGPT 改写。 坐等出图，把提示词喂给 Midjourney 机器人，初学者可多按 VU 让其自由修改，先弄出满意的图，V1V4 基于生成的某一张图修改再出 4 张，U1U4 选定某一张细节调整。
2025-03-05
Midjourney
以下是关于 Midjourney 的相关信息： 隐私政策： 适用于 Midjourney,Inc.、Midjourney.com 网站和 Midjourney 图像生成平台的服务。 个人数据指与个人相关、可用于识别个人身份的信息。 适用性包括通过服务、训练机器学习算法、网站收集的数据以及从第三方来源收集的数据，但不适用于 Midjourney 员工等的个人数据。 可能会不时更新政策，适用法律要求时会通知变更。 定义了“您”或“您的”的含义以及使用数据。 收集的数据类型包括个人数据。 图像提示： 将图像 URL 添加到提示中，可通过拖入或粘贴链接的方式。 使用 Midjourney Bot 在私信中上传图像可防止被其他服务器用户看到，除非用户具有隐身模式，否则图像提示在网站上可见。 给出了多个例子，包括不同的起始图像和模型版本。 提示将图像裁剪为与最终图像相同的宽高比以获得最佳效果。 社区准则： Midjourney 是默认开放的社区。 要友善并尊重彼此和员工，禁止不尊重、攻击性或辱骂性的内容，禁止成人和血腥内容。 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。
2025-02-23
Stable Diffusion从哪可以使用
以下是关于 Stable Diffusion 的使用途径： 1. 模型获取： 在分享的链接中，有部分常用的大模型。文章的第三部分会详细介绍更多模型的下载途径及模型存放位置。 您可以从上的推理代码。 2. 低配置电脑使用： 可以通过云平台，如“青椒云”来畅玩 SD。点击链接 http://account.qingjiaocloud.com/signup?inviteCode=R0JJ9CHY 下载。 云平台使用步骤： 点击链接，注册账号。 下载并安装后，登录账号。 点击右上角个人中心进行实名认证。 进行实名认证后回到主界面，点击新增云桌面，选“AIGC 尝鲜”，新注册有优惠券可免费试用。 点击“开机”按钮，稍等后点击“进入桌面”，进入桌面后可关闭弹出框。 点击“此电脑”，在 C 盘找到 SD 根目录，点击“A 启动器.exe”。 点击右下角“一键启动”进入 SD。 用完记得关机，避免持续计费。
2025-03-07
图像翻译
图像翻译具有以下特点和功能： 多语言支持：涵盖 18 种语言，包括中文、英文、法语、日语、韩语和西班牙语。 保护图像主体：可选择不翻译品牌名称或重要信息，避免影响关键内容。 高分辨率处理：支持高达 4000×4000 像素的图像，确保翻译后画质清晰。 原始排版恢复：保留原字体、大小及对齐方式，确保设计一致性。 多行文本合并：将多行文本合并为段落翻译，避免逐行翻译造成误解。 清除文本痕迹：翻译后干净移除原文本，并恢复图像空白区域。
2025-04-14
gpt4o图像生成提示词有哪些
以下是一些 GPT4o 图像生成的提示词示例： 1. 将这张图更改为蓝色氛围，星星图标改为魔法棒图标，同时将里面文案描述的主题改为其他的。 2. 帮我生成一张这样的 UI 设计稿：Peerlist 邀请链接界面分析，界面内容。 3. 一张逼真的照片，描绘了一匹马在宁静的海洋表面从右向左奔驰，准确地描绘了飞溅的水花。 Realistic photograph of a horse galloping from right to left across a vast,calm ocean surface,accurately depicting splashes,reflections,and subtle ripple patterns beneath their hooves.Exaggerate horse movements but everything else should be still,quiet to show contrast with the horse's strength.clean composition,cinematographic.A wide,panoramic composition showcasing a distant horizon.Atmospheric perspective creating depth.zoomed out so the horse appears minuscule compared to vast ocean.horse is right at the horizon where ocean meets sky.use rule of thirds to position horse.size of horse is 1% size of entire image because camera is so far away from subject.camera view is super close to the ground/ocean like a worm's eye view.horse is galloping right where ocean meets the sky 4. 生成一张 2006 年夏天的周六多伦多农夫市场的逼真照片，那天是六月的美好时光，人们在购物和吃三明治。焦点应是一个穿着牛仔工装裤、啜饮草莓香蕉奶昔的年轻亚洲女孩——其余部分可以模糊。照片应让人联想到 2006 年的数码相机拍摄的效果，带有像打印照片一样的日期和时间戳。画幅比例应为 3:2
2025-04-11
图像识别模型
图像识别模型通常包括编码器和解码器部分。以创建图像描述模型为例： 编码器：如使用 inception resnet V2 应用于图像数据，且大部分情况下会冻结此 CNN 的大部分部分，因为其骨干通常是预训练的，例如通过庞大的数据集如图像网络数据集进行预训练。若想再次微调训练也是可行的，但有时仅需保留预训练的权重。 解码器：较为复杂，包含很多关于注意力层的说明，还包括嵌入层、GRU 层、注意力层、添加层归一化层和最终的密集层等。 在定义好解码器和编码器后，创建最终的 TF Keras 模型并定义输入和输出。模型输入通常包括图像输入进入编码器，文字输入进入解码器，输出则为解码器输出。在运行训练前，还需定义损失功能。 另外，还有一些相关模型的安装配置，如 siglipso400mpatch14384（视觉模型），由 Google 开发，负责理解和编码图像内容，其工作流程包括接收输入图像、分析图像的视觉内容并将其编码成特征向量。image_adapter.pt（适配器）连接视觉模型和语言模型，优化数据转换。MetaLlama3.18Bbnb4bit（语言模型）负责生成文本描述。
2025-03-28
gpt4o图像生成
GPT4o 是 OpenAI 推出的具有强大图像生成能力的多模态模型，能够实现精确、准确、照片级真实感输出。其核心功能包括生成美观且实用的图像，如白板演示、科学实验图解等。亮点功能有精确的文本渲染，能在图像中准确生成文字，如街道标志、菜单、邀请函等；支持多样化场景生成，从照片级真实感到漫画风格均可；具有上下文感知能力，能利用内在知识库和对话上下文生成符合语境的内容。技术上通过联合训练在线图像和文本的分布，学会了图像与语言及图像之间的关系，经过后期训练优化，在视觉流畅性和一致性方面表现出色。实际应用场景包括信息传递、创意设计、教育与演示等。但也存在某些场景或细节的限制。安全性方面，OpenAI 强调了保护。目前该功能已集成到 ChatGPT 中，用户可直接体验。 此外，在 3 月 26 日的 AI 资讯汇总中，OpenAI 推出了 GPT4o 图像生成能力。昨晚 Open AI 更新 GPT4o 图像生成功能后，其真正强大之处在于几乎可以通过自然语言对话完成复杂的 SD 图像生成工作流的所有玩法，如重新打光、扩图、换脸、融脸、风格化、风格迁移、换装、换发型等。
2025-03-28
免费增强图像分辨率的
以下是一些免费增强图像分辨率的工具和方法： 1. Kraken.io：主要用于图像压缩，但也提供免费的图像放大功能，能保证图像细节清晰度。 2. Deep Art Effects：强大的艺术效果编辑器，通过 AI 技术放大图像并赋予艺术效果，支持多种滤镜和风格。 3. Waifu2x：提供图片放大和降噪功能，使用深度学习技术提高图像质量，保留细节和纹理，简单易用效果好。 4. Bigjpg：强大的图像分辨率增强工具，使用神经网络算法加大图像尺寸，提高图像质量，处理速度快。 此外，还有以下相关资源： 1. 【超级会员 V6】通过百度网盘分享的 Topaz 全家桶，链接：https://pan.baidu.com/s/1bL4tGfl2nD6leugFh4jg9Q?pwd=16d1 ，提取码：16d1 ，复制这段内容打开「百度网盘 APP 即可获取」。 2. RealESRGAN：基于 RealESRGAN 的图像超分辨率增强模型，具有可选的人脸修复和可调节的放大倍数，但使用几次后要收费。 3. InvSR：开源图像超分辨率模型，提升图像分辨率的开源新工具，只需一个采样步骤（支持 1 5 的材料步骤）即可增强图像，可以高清修复图像。地址、在线试用地址：https://github.com/zsyOAOA/InvSR?tab=readme ov filerailway_car online demo 、https://huggingface.co/spaces/OAOA/InvSR 。 4. GIGAGAN：https://mingukkang.github.io/GigaGAN/ 。 5. Topaz Gigapixel AI：https://www.topazlabs.com/gigapixel ai 。 6. Topaz Photo AI：https://www.topazlabs.com/ 。 7. discord：https://discord.gg/m5wPDgkaWP 。
2025-03-24
图像生成
图像生成是 AIGC 的一个重要领域，离不开深度学习算法，如生成对抗网络（GANs）、变分自编码器（VAEs）以及 Stable Diffusion 等，以创建与现实世界图像视觉相似的新图像。 图像生成可用于多种场景，如数据增强以提高机器学习模型的性能，也可用于创造艺术、生成产品图像（如艺术作品、虚拟现实场景或图像修复等）。 一些具有代表性的海外项目包括： Stable Diffusion：文本生成图像模型，主要由 VAE、UNet 网络和 CLIP 文本编码器组成。首先使用 CLIP 模型将文本转换为表征形式，然后引导扩散模型 UNet 在低维表征上进行扩散，之后将扩散之后的低维表征送入 VAE 中的解码器，从而实现图像生成。 DALLE 3（Open AI）：OpenAI 基于 ChatGPT 构建的一种新型神经网络，可以从文字说明直接生成图像。 StyleGAN 2（NVIDIA）：一种生成对抗网络，可以生成非常逼真的人脸图像。 DCGAN（Deep Convolutional GAN）：一种使用卷积神经网络的生成对抗网络，可生成各种类型的图像。 在图像生成的用法方面，图像生成端点允许您在给定文本提示的情况下创建原始图像。生成的图像的大小可以为 256x256、512x512 或 1024x1024 像素。较小的尺寸生成速度更快。您可以使用 n 参数一次请求 1 10 张图像。描述越详细，就越有可能获得您或您的最终用户想要的结果。您可以探索 DALL·E 预览应用程序中的示例以获得更多提示灵感。 图像编辑端点允许您通过上传蒙版来编辑和扩展图像。遮罩的透明区域指示应编辑图像的位置，提示应描述完整的新图像，而不仅仅是擦除区域。 AI 绘图 Imagen 3 具有以下功能点和优势： 功能点： 图像生成：根据用户输入的 Prompt 生成图像。 Prompt 智能拆解：能够自动拆解用户输入的 Prompt，并提供下拉框选项。 自动联想：提供自动联想功能，帮助用户选择更合适的词汇。 优势： 无需排队：用户可以直接使用，无需排队。 免费使用：目前 Imagen 3 是免费提供给用户使用的。 交互人性化：提供了人性化的交互设计，如自动联想和下拉框选项。 语义理解：具有较好的语义理解能力，能够根据 Prompt 生成符合描述的图像。 灵活性：用户可以根据自动联想的功能，灵活调整 Prompt 以生成不同的图像。
2025-03-23