在使用 SD 进行超大尺寸绘制时，直接调分辨率绘制超高分辨率的图片（如 10000x768 的清明上河图）通常会爆显存。正常尺寸设置最高到 2048，无法直接设置 10000 的宽度。解决方法是先在 PS 中设置所需尺寸的画布并保存为 jpg 图片，然后将图片放入 ControlNet 中，点击右下角箭头将尺寸信息发送到生成设置，填入正反向提示词，并启用 Tiled Diffusion 插件（方案选择 Mixture of Diffusers）防止接缝产生。 在 ComfyUI 中，模型的安装部署方面，FLUX 模型建议选择 dev 版本，显卡可以的用 fp16，显卡不够用的选 fp8，模型下载后放入 ComfyUI/models/unet/文件夹中。若爆显存，“UNET 加载器”节点中的 weight_dtype 可设置为 fp8 降低显存使用量，但可能稍降质量。clip 模型（t5xxl_fp16.safetensors 和 clip_l.safetensors）放在 ComfyUI/models/clip/文件夹，也可用 t5xxl_fp8_e4m3fn.safetensors 降低内存使用率。Vae 模型下载后放入 ComfyUI/models/vae 文件夹。 在生成过程中，ComfyUI 处理 SDXL 模型比 webUI 更有效率。例如，ComfyUI 生成过程中显存占用率为 7 9GB，每次生成耗时 13 15s；webUI 显存占用率为 8 11GB，每次生成耗时 25s。此外，还可对 SDXL 进行风格控制，添加【新建节点】【实用工具】【SDXL Promot Styler Advanced】节点，通过右键增加输入点将文本提示词赋予 base 和 refiner 并切换风格。

以下是关于 AI 数字人直播的相关信息： 1. 盈利方式： 直接卖数字人工具软件，实时驱动的一年 4 6 万往上，非实时驱动的一个月 600 元，市场价格较混乱。 提供数字人运营服务，按直播间成交额抽佣。 2. 适用品类和场景： 适用于不需要强展示的商品，如品牌食品饮料；虚拟商品，如门票、优惠券等。 电商直播中店播效果较好，不适用于促销场景和服装品类。 3. 壁垒和未来市场格局： 长期来看技术上没壁垒，目前仍有技术门槛，如更真实的对口型、更低的响应延迟等。 不会一家独大，可能 4 5 家一线效果，大多二三线效果公司。 把客户服务好、能规模化扩张的公司更有价值。 有资源、有业务的大平台下场可能带来降维打击。 此外，目前业界对数字人的定义还不明确，一般可根据技术栈分为真人驱动和算法驱动两类。真人驱动的数字人重在通过动捕设备或视觉算法还原真人动作表情，主要应用于影视行业和直播带货。

以下是一些可用于视频中人物和背景替换的工具及相关流程： ComfyUI 工作流： 前景处理： 使用 SAM 之前的版本来分割视频背景。 根据实际情况调整提示词和阈值。 移除背景后，使用图像遮罩复合生成灰色背景的图像批次，以帮助柔化前景对象（如人物）的边缘，减少锯齿或硬边缘的视觉效果，为后续和背景融合时过渡更自然顺滑。 在网盘里可以找到对应的模型，下载后按文件夹目录地址放置。 背景：背景部分可以是图片或者视频，为了有前后的视觉效果，可以添加一个图像的模糊，让生成的视频有种景深的效果。 边缘的处理： 核心是优化和改善前景对象的边缘，使其能够与新背景无缝融合，同时保持前景细节的完整性和自然性。 通过遮罩模糊生长（growMaskWithBlur），调整扩展和模糊半径来控制边缘的遮罩。 【SD】工作流： GroundingDINO 模型分割：当需要更精确的蒙版，如人物的眼睛或身上的配饰等，可使用 segment anything 中的 GroundingDINO。启用 GroundingDINO 时，AI 会自动下载模型，也可去云盘下载放到指定文件目录下。在检测提示词中输入相关内容，AI 可自动检测并设置蒙版，还能通过预览箱体得到编号选择调整单一部分。 希望以上内容对您有所帮助。

以下工具可以将英文音频转为中文音频：Whisper。它和 llama 类似，采用 make 命令编译，之后去 ggerganov/whisper.cpp下载量化好的模型，然后转换音频即可。目前 Whisper 只接受 wav 格式，可以用 ffmpeg 进行转化。输出的 srt 文件如下所示： |Size|Parameters|Englishonly model|Multilingual model|Required VRAM|Relative speed| ||||||| |tiny|39 M|tiny.en|tiny|~1 GB|~32x| |base|74 M|base.en|base|~1 GB|~16x| |small|244 M|small.en|small|~2 GB|~6x| |medium|769 M|medium.en|medium|~5 GB|~2x| |large|1550 M|N/A|large|~10 GB|1x| 一般来说，对于英文音频，small 模型通常就足够了，但如果是中文音频，最好使用最大的模型。

以下是一些制作数字人的工具： 1. HeyGen：这是一个 AI 驱动的平台，能创建逼真的数字人脸和角色。它运用深度学习算法生成高质量的肖像和角色模型，适用于游戏、电影和虚拟现实等领域。 2. Synthesia：这是一个 AI 视频制作平台，允许用户创建虚拟角色并实现语音和口型同步。支持多种语言，可用于教育视频、营销内容和虚拟助手等场景。 3. DID：这是一家提供 AI 拟真人视频产品服务和开发的公司，只需上传人像照片和输入要说的内容，平台提供的 AI 语音机器人将自动转换成语音，然后合成逼真的会开口说话的视频。 此外，还有适合小白用户的开源数字人工具，具有以下特点： 一键安装包，无需配置环境，简单易用。 功能包括生成数字人视频，支持语音合成和声音克隆，操作界面中英文可选。 系统兼容 Windows、Linux、macOS。 模型支持 MuseTalk（文本到语音）、CosyVoice（语音克隆）。 使用步骤为下载 8G+3G 语音模型包，启动模型即可。 相关链接： GitHub： 官网： 请注意，这些工具的具体功能和可用性可能会随时间和技术发展而变化。在使用时，请确保遵守相关使用条款和隐私政策，并注意对生成内容的版权和伦理责任。更多数字人工具请访问网站查看：https://www.waytoagi.com/category/42 。内容由 AI 大模型生成，请仔细甄别。

以下是为新手入门 AI 推荐的系统课程： 1. SD 从入门到大佬： 安装完 SD 后，可参考。 强烈推荐跟着 Nenly 同学的【B站 第一套 Stable Diffusion 系统课程】合集走一遍，大概 4 小时左右可掌握基础技能。此外，还有可选的图片版教程。 2. 新手学习 AI 的综合指南： 了解 AI 基本概念：建议阅读「」部分，熟悉术语和基础概念，包括主要分支及联系。浏览入门文章，了解历史、应用和发展趋势。 开始学习之旅：在「」中有为初学者设计的课程，特别推荐李宏毅老师的课程。还可通过在线教育平台（如 Coursera、edX、Udacity）按自己节奏学习并获证书。 选择感兴趣模块深入学习：AI 领域广泛，可根据兴趣选择特定模块，如掌握提示词技巧。 实践和尝试：理论学习后要实践巩固，可在知识库分享实践作品和文章。 体验 AI 产品：与 ChatGPT、Kimi Chat、智谱、文心一言等互动，了解工作原理和交互方式。 3. 《雪梅 May 的 AI 学习日记》挑战 100 天和 AI 做朋友： 第一阶段：迈出第一步，看书听课进社区。感受是要系统性学习，打好基础。 DAY1 2024.5.22 初步探索：May 认为初期会走弯路，B站 上一些介绍 ChatGPT 原理的分享，消费可看，系统性学习要看高质量内容。 DAY2 2024.5.23 加入 AI 社区：waytoAGI。May 评价这是宝藏社区，可参考，先看新手指引入门。

在飞书加入 way to AGI 的群聊有以下几种方式： 1. 您可以在 WaytoAGI 飞书知识库首页找到加入飞书群的链接（下图二维码仅作示意，请在找到最新二维码），然后点击加入，直接@机器人即可。 2. 您可以扫描。 3. 请填写下面问卷进群，群内会分享最新 AI 信息、社区活动。

要将通往 AGI 之路的网站加入飞书知识库，您可以参考以下步骤： 1. 请填写下面问卷进群，群内会分享最新 AI 信息、社区活动。 2. 加入群后，欢迎大家积极分享，我们也会吸收进知识库，因为有您的参与才让知识库更加完善。 3. 飞书群内置 AI 智能机器人，可以回复任何与 AI 相关的问题，欢迎加入。 4. 如果您对「飞书」这款效率工具感兴趣，或者您希望结交各行各业志同道合的朋友和他们交流企业/个人效率的提升，诚邀您访问「飞书官方社区——飞行社」。 5. 如需下载研究报告，我们诚邀您加入知识星球：数百份涵盖 AI 各个方面的报告，并提供内容概要。自 2023 年上半年建立以来，保持长期活跃更新。扫码右侧二维码，加入知识星球。更多合作与咨询，请访问：https://waytoagi.feishu.cn/wiki/Wj77wBWjbi0yUAkyJWdc2TKFnmd 。 此外，关于 WaytoAGI 还有以下相关信息： 我是 WaytoAGI 专属问答机器人，基于 Aily 和云雀大模型。「飞书智能伙伴创建平台」（英文名：Aily）是飞书团队旗下的企业级 AI 应用开发平台，提供了一个简单、安全且高效的环境，帮助企业轻松构建和发布 AI 应用，推动业务创新和效率提升。云雀是一款由字节跳动研发的语言模型，通过便捷的自然语言交互，能够高效的完成互动对话、信息获取、协助创作等任务。 WaytoAGI 知识库就像一位 24 小时在线的 AI 老师、一个永不嫌烦的知识管家、一个不断成长的智慧宝库。里面有 AI 工具的“傻瓜式说明书”、大神们的“踩坑经验分享”、实用的“一招制胜”秘籍等。开启宝藏的步骤：第一步，点击飞书链接（对，就是那个网址啦：）。里面的界面就像一张藏宝图，左边的导航栏是您的指南针，上面的搜索框是您的探宝雷达，中间的内容区是知识的海洋。

以下是关于提示词的相关知识： 艺术字生成： 模型选择图片 2.1，输入提示词（可参考案例提示词）。 案例参考： 金色立体书法，“立冬”，字体上覆盖着积雪，雪山背景，冬季场景，冰雪覆盖，枯树点缀，柔和光影，梦幻意境，温暖与寒冷对比，静谧氛围，传统文化，唯美中国风。 巨大的春联，金色的书法字体，线条流畅，艺术美感，“万事如意”。 巨大的字体，书法字体，线条流畅，艺术美感，“书法”二字突出，沉稳，大气，背景是水墨画。 巨大的奶白色字体“柔软”，字体使用毛绒材质，立在厚厚的毛绒面料上，背景是蓝天。 星流一站式 AI 设计工具： 在 prompt 输入框中可输入提示词，使用图生图功能辅助创作。 提示词相关： 用于描绘想生成的画面。 输入语言： 星流通用大模型与基础模型 F.1、基础模型 XL 使用自然语言（如一个长头发的金发女孩），基础模型 1.5 使用单个词组（如女孩、金发、长头发），支持中英文输入。 提示词优化：启用后可扩展提示词，更生动地描述画面内容。 写好提示词的方法： 预设词组：小白用户可点击提示词上方官方预设词组进行生图。 内容准确：包含人物主体、风格、场景特点、环境光照、画面构图、画质，如一个女孩抱着小猫，背景是一面红墙，插画风格、孤独感，高质量。 调整负面提示词：点击提示框下方的齿轮按钮，弹出负面提示词框，负面提示词可帮助 AI 理解不想生成的内容，如不好的质量、低像素、模糊、水印。 利用“加权重”功能：可在功能框增加提示词，并进行加权重调节，权重数值越大，越优先；也可对已有的提示词权重进行编辑。 辅助功能：翻译功能可一键将提示词翻译成英文；删除所有提示词可清空提示词框；会员加速可加速图像生图速度，提升效率。 提示词要素： 提示词由一些要素组成，包括指令（想要模型执行的特定任务或指令）、上下文（包含外部信息或额外的上下文信息，引导语言模型更好地响应）、输入数据（用户输入的内容或问题）、输出指示（指定输出的类型或格式）。 示例：在文本分类任务的提示中，指令是“将文本分类为中性、否定或肯定”，输入数据是“我认为食物还可以”，输出指示是“情绪：”。提示词所需格式取决于语言模型要完成的任务类型，并非所有要素都是必须的。

以下是关于 DeepSeek 的教程： 网址：https://www.deepseek.com/zh 。国内能访问，网页登录方便，目前完全免费。 获得游戏代码：只需点击开始对话，左边选择代码助手，直接向其许愿即可。 提示词使用： 效果对比：用 Coze 做了小测试，可对比查看 。 如何使用： 1. 搜索 www.deepseek.com，点击“开始对话”。 2. 将装有提示词的代码发给 DeepSeek 。 3. 认真阅读开场白之后，正式开始对话。 设计思路： 1. 将 Agent 封装成 Prompt，将 Prompt 储存在文件，保证最低成本的人人可用的同时，减轻自己的调试负担。 2. 通过提示词文件，让 DeepSeek 实现同时使用联网功能和深度思考功能。 3. 在模型默认能力的基础上优化输出质量，并通过思考减轻 AI 味，增加可读性。 4. 照猫画虎参考大模型的 temperature 设计了阈值系统，但是可能形式大于实质，之后根据反馈可能会修改。 5. 用 XML 来进行更为规范的设定，而不是用 Lisp（对作者有难度）和 Markdown（运行下来似乎不是很稳定）。 完整提示词：v 1.3 。 特别鸣谢：李继刚的【思考的七把武器】在前期提供了很多思考方向，Thinking Claude 是作者现在最喜欢使用的 Claude 提示词，也是设计 HiDeepSeek 的灵感来源，Claude 3.5 Sonnet 是最得力的助手。 使用技巧： 特点与优势： 1. 推理型大模型：核心是推理型大模型，不需要用户提供详细步骤指令，通过理解用户真实需求和场景提供答案。 2. 更懂人话：能够理解用户用“人话”表达的需求，不需要用户学习和使用特定提示词模板。 3. 深度思考：回答问题时能够进行深度思考，不是简单罗列信息。 4. 文风转换器：可以模仿不同作家的文风进行写作，适用于多种文体和场景。 正确方法： 1. 可以扔掉提示词模板：用自然语言描述，直接描述真实场景和具体需求，提示词模板的目的是清晰表达，如果使用也完全没问题。 2. 让 DeepSeek“说人话”：在提问时加上“说人话”“小学生能听懂”“菜市场大妈能听懂的话”等，可以让 DeepSeek 的回答更加通俗易懂。 3. 激发深度思考：让 DeepSeek 进行批判性思考、反面思考和复盘，以恢复其深度思考能力。 4. 文风转换：通过指定模仿的作家和文体，让 DeepSeek 生成符合特定风格的文本。