关于AIGC人工智能、思维方式、知识拓展，能力提升等。投稿/合作： @inside1024_bot
AIGC 领域的最新工具、开源项目以及行业大事件
AIGC 领域的最新工具、开源项目以及行业大事件
从去年11底到目前为止，观察身边人目前的观念
👉 我以为的：
- ChatGPT 出圈起人人都能释放更大生产力
👉 实际情况：
- 什么是 ChatGPT？
- 我试了下，只能说车轱辘话，没什么用的
- 别用，用多了你就废了
- AI 只不过让你在走捷径而不是在训练我们的思维
- 我们要独立思考，而不是用 AI 得到答案
- 我们要培养的是基本功，用 AI 不能
- 用 AI 得到（文字/图片）就不能体现你在努力学习了
- AI 没有灵魂，只有人做的才有
👉 我以为的：
- ChatGPT 出圈起人人都能释放更大生产力
👉 实际情况：
- 什么是 ChatGPT？
- 我试了下，只能说车轱辘话，没什么用的
- 别用，用多了你就废了
- AI 只不过让你在走捷径而不是在训练我们的思维
- 我们要独立思考，而不是用 AI 得到答案
- 我们要培养的是基本功，用 AI 不能
- 用 AI 得到（文字/图片）就不能体现你在努力学习了
- AI 没有灵魂，只有人做的才有
之后就是选择与训练分支了，【vec768-layer12】好像效果会好一些，所以这里我选了这个分支。后就是点击【数据预处理】。
注意这里有个大坑，昨天折腾了我好久，你需要看一下你数据集里面有多少条数据，如果有几百条的的话，你需要把虚拟内存调大点，至于如何调整虚拟内存，这个百度就行，有很多教程。
开始数据预处理之后这个框会有非常多的信息，基本都是进度到百分之几了，如果预处理出错，在这个框的最后会展示报错信息，如果没错这个回显的基本就到100%就结束了。
如果你数据预处理完了，不想看那一堆信息的话可以点那个【清空输出信息】。
数据处理完之后我们来看一下下面的几个参数，调整一下，准备开始训练。
每多少步生成一次评估日志这里，用默认的200步就行
【每隔多少步(steps)验证并保存一次模型】这里默认的800步也就够了，他的意思是每训练800步就会保存一次模型，这个保存的模型你是可以用的
【仅保留最新的X个模型】这个就是字面意思如果每800步保存一次模型的话，你训练到8800的时候第800步的模型就会被自动删除，一个模型大概有1G左右这里看你的硬盘
【批量大小】这个参数跟你的显卡的显存有关，6G建议是4，我的4070Ti是12G我昨天设置的8，我有点怂，其实12也行，我怕爆显存。
上面几个参数设置完之后，我们选择当前训练分支跟我们数据预处理的时候的一致就行，然后点击写入配置文件，输出信息那里会有写入的结果，如果有报错也会显示在那里。
如果你是第一次训练点击这个【从头开始训练】就行，如果你之前训练过你还想继续训练的话就点这个【继续上一次训练进度】。如果你之前有训练进度，然后你点了【从头开始】的话你的训练进度就会被清空，从新开始从第0步训练。
在你点击按钮之后会弹出这样一个弹窗里面就是训练进度，我框起来的地方就是每200步输出的信息，那个loss的值就是判断模型质量好坏的标准，越低越好。
如果你觉得现在的已经可以了的话按CTAL+C键就会停止训练，你可以去推理tab下尝试你的模型，如果不满意还是可以重新回来训练的。
注意你如果设置的
每800步保存的话起码要到800才能暂停训练，不然没有保存的模型供你使用。
如果你觉得可以了暂停训练之后回到推理 Tab 就能看到你刚才训练的模型了，可能会有好几个因为你选的最多保留十个。按照我们第一期的内容正常使用就可以了。
以上就是AI歌手的最后一部分内容了，感谢各位，如果觉得对你有帮助的话可以推荐给你的朋友。
详细教程和文件可以在这里查看：https://mp.weixin.qq.com/s/IeeW1PbMUbxMlLl529JTYQ
注意这里有个大坑，昨天折腾了我好久，你需要看一下你数据集里面有多少条数据，如果有几百条的的话，你需要把虚拟内存调大点，至于如何调整虚拟内存，这个百度就行，有很多教程。
开始数据预处理之后这个框会有非常多的信息，基本都是进度到百分之几了，如果预处理出错，在这个框的最后会展示报错信息，如果没错这个回显的基本就到100%就结束了。
如果你数据预处理完了，不想看那一堆信息的话可以点那个【清空输出信息】。
数据处理完之后我们来看一下下面的几个参数，调整一下，准备开始训练。
每多少步生成一次评估日志这里，用默认的200步就行
【每隔多少步(steps)验证并保存一次模型】这里默认的800步也就够了，他的意思是每训练800步就会保存一次模型，这个保存的模型你是可以用的
【仅保留最新的X个模型】这个就是字面意思如果每800步保存一次模型的话，你训练到8800的时候第800步的模型就会被自动删除，一个模型大概有1G左右这里看你的硬盘
【批量大小】这个参数跟你的显卡的显存有关，6G建议是4，我的4070Ti是12G我昨天设置的8，我有点怂，其实12也行，我怕爆显存。
上面几个参数设置完之后，我们选择当前训练分支跟我们数据预处理的时候的一致就行，然后点击写入配置文件，输出信息那里会有写入的结果，如果有报错也会显示在那里。
如果你是第一次训练点击这个【从头开始训练】就行，如果你之前训练过你还想继续训练的话就点这个【继续上一次训练进度】。如果你之前有训练进度，然后你点了【从头开始】的话你的训练进度就会被清空，从新开始从第0步训练。
在你点击按钮之后会弹出这样一个弹窗里面就是训练进度，我框起来的地方就是每200步输出的信息，那个loss的值就是判断模型质量好坏的标准，越低越好。
如果你觉得现在的已经可以了的话按CTAL+C键就会停止训练，你可以去推理tab下尝试你的模型，如果不满意还是可以重新回来训练的。
注意你如果设置的
每800步保存的话起码要到800才能暂停训练，不然没有保存的模型供你使用。
如果你觉得可以了暂停训练之后回到推理 Tab 就能看到你刚才训练的模型了，可能会有好几个因为你选的最多保留十个。按照我们第一期的内容正常使用就可以了。
以上就是AI歌手的最后一部分内容了，感谢各位，如果觉得对你有帮助的话可以推荐给你的朋友。
详细教程和文件可以在这里查看：https://mp.weixin.qq.com/s/IeeW1PbMUbxMlLl529JTYQ
创新不是壁垒，数据、分发、优质产品才是壁垒。
Emad: While this article fits with much of our thesis I think it has a misunderstanding of what moats actually are
It is v difficult to build a business with innovation as a moat, base requirement is too high
Data, distribution, great product are moats
https://www.semianalysis.com/p/google-we-have-no-moat-and-neither
Emad: While this article fits with much of our thesis I think it has a misunderstanding of what moats actually are
It is v difficult to build a business with innovation as a moat, base requirement is too high
Data, distribution, great product are moats
https://www.semianalysis.com/p/google-we-have-no-moat-and-neither
它使用 AI (ChatGPT-4) 每天阅读前 1000 条新闻，并根据事件的严重性、规模、潜力和来源可信度，按重要性从 0 到 10 对它们进行排名。
你可以选择一个适合自己的阈值，并订阅这个阈值内的 newsletter 。
听起来很合理对不对？… https://twitter.com/i/web/status/1655714234385457152
AI 短视频制造机 ，自动把长视频截取成短视频，自动加综艺字体，自动加Emoji，感觉以后国内的综艺剪辑完全可以 AI 化 https://www.opus.pro/
零零發: 从昨晚开始到现在，
国内互联网监管是想对GPT类的各项开发和研究进行彻底的封锁吗？想不通这个逻辑何在。
huggingface完全没有任何意识形态的问题，也不是一个讨论社区或者SNS社区，纯粹是个开发服务工具而已啊。
http://huggingface.co
RT 歸藏
手把手教你训练你自己的AI歌手，最重要的一步来了。如何训练歌手的模型。这一步主要由两部分组成数据处理和模型训练。
这个林俊杰是我自己训练的4800步的模型，对比一下上一篇教程里的孙燕姿模型有两万多步，数据的质量也很重要。
感谢各位的支持，下面是具体步骤🧶
手把手教你训练你自己的AI歌手，最重要的一步来了。如何训练歌手的模型。这一步主要由两部分组成数据处理和模型训练。
这个林俊杰是我自己训练的4800步的模型，对比一下上一篇教程里的孙燕姿模型有两万多步，数据的质量也很重要。
感谢各位的支持，下面是具体步骤🧶
昨晚和一位 OpenAi Candidate 的聊天，聊了 nerf, AI 3D, AI 动画, AI 服装模特… 是我近期信息量最大的对话了。给我最大震撼的是，我们发现 AI 动画这个事学术界感兴趣的方向和工业界需要的竟然完全不一样。
▶ 对于工业界来说，img2img 比 txt2img 重要，因为业内的工作流程一直是从草稿细化到成品；而 txt2img 由于可控性太低，相对于 img2img 来说真的太低效了。
制作电影/动画也是同理，讲故事的是视觉，分镜脚本是比剧本更重要的存在，一些 case 我们是直接跳过剧本直接写分镜脚本的（比如广告）。基础的工作流是：分镜脚本 -> 预演 -> 成片。
放到 AI 时代的视角来看，从电影分镜到成片，本质是一种 style transfer. 不是给视频套一个滤镜的那种 style transfer，是真的改变画面内容 structure 的 style transfer. 而这就是 Gen-1 在干的事情。
所以我们期待类似 Gen-1 的产品比期待 Gen-2 (txt2video) 要多很多，能预想到 txt2video 出来了以后融入实际工作流肯定会各种因为可控性太低而被各种诟病，但更完善更好的 Gen-1 可以很快地进入实际的工作生成中。
▶ 对于学术界来说，Gen-2 在技术含量上比 Gen-1 要有趣得多，带 structure 改变的 style transfer 是已经解决了很长一段时间的问题，Gen-1 的技术是没有秘密的。学术界的重心基本都铺在了 txt2video 上。
我：@#￥%…&* I dont really give a damn to txt2video _(:ι」∠)_
▶ 对于工业界来说，img2img 比 txt2img 重要，因为业内的工作流程一直是从草稿细化到成品；而 txt2img 由于可控性太低，相对于 img2img 来说真的太低效了。
制作电影/动画也是同理，讲故事的是视觉，分镜脚本是比剧本更重要的存在，一些 case 我们是直接跳过剧本直接写分镜脚本的（比如广告）。基础的工作流是：分镜脚本 -> 预演 -> 成片。
放到 AI 时代的视角来看，从电影分镜到成片，本质是一种 style transfer. 不是给视频套一个滤镜的那种 style transfer，是真的改变画面内容 structure 的 style transfer. 而这就是 Gen-1 在干的事情。
所以我们期待类似 Gen-1 的产品比期待 Gen-2 (txt2video) 要多很多，能预想到 txt2video 出来了以后融入实际工作流肯定会各种因为可控性太低而被各种诟病，但更完善更好的 Gen-1 可以很快地进入实际的工作生成中。
▶ 对于学术界来说，Gen-2 在技术含量上比 Gen-1 要有趣得多，带 structure 改变的 style transfer 是已经解决了很长一段时间的问题，Gen-1 的技术是没有秘密的。学术界的重心基本都铺在了 txt2video 上。
我：@#￥%…&* I dont really give a damn to txt2video _(:ι」∠)_
听了一天AI孙燕姿，有点上头。
喜欢这首 【【AI 孙燕姿】《一场游戏一场梦》cover 王杰-哔哩哔哩】 https://b23.tv/nu2W4Qp
喜欢这首 【【AI 孙燕姿】《一场游戏一场梦》cover 王杰-哔哩哔哩】 https://b23.tv/nu2W4Qp
