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
主要包括三个部分:图片生成简介、图像生成基础模型的精细调整和构建 AI 生成服务,。
都放在下面的这个个链接里,打开一个就都有了。元旦我也会找时间把这些内容翻译一下,然后发出来,可以收藏这条回来看。等不及可以直接看,下面是具体的分类和文章目录:
图像生成技术简介:
◆ 人工智能和艺术:机器学习如何改变创造性工作(报告)
◆ 平面设计师如何创建他们自己的AI工具(博客文章)
◆ AI图像生成器的工作原理以及扩散是什么(视频)
◆ 什么是Diffusion模型?(视频)
◆ Diffusion模型的工作原理(1小时课程)
◆ 初学者指南:Stable diffusion(指南)
基础模型的精细调整:
◆ SD1.5通用目的模型的全面精细调整指南(博客文章)
◆ SD模型的基准测试与混合(博客文章)
◆ 解耦文本编码器和UNET学习率(博客文章)
◆ D适应:再见学习率困扰?(博客文章)
◆ 自己精细调整通用稳定扩散模型指南(博客文章)
构建 AI 生成服务的后端:
◆ 如何构建一个生成AI服务的后端
◆ Stable diffusion提示:权威指南
◆ SD提示的精细调整:修改Stable diffusion提示的GPT 3.5(博客文章)
◆ SD提示的目录(目录)
所有内容链接:https://arc.net/folder/10431A09-4798-4002-B99A-2769BD9131FF
我们做Catjourney主要还是想帮助大家的找图和找提示词需求,只是好看用不到工作里面没有任何意义。
所以我们会紧跟最近的营销节点,不断上线可以用在项目和工作里的提示词和图片。
最近更新了很多春节国风红色主题的图,还有很多贺卡之类的样机模板,可以直接把文字或图片叠在上面。有需要的可以自行取用。
另外还上线了搜索功能,点击左边的搜索图标,输入相关单词就可以用了,现在还有点糙会继续优化。
这里使用:https://catjourney.life/
所以我们会紧跟最近的营销节点,不断上线可以用在项目和工作里的提示词和图片。
最近更新了很多春节国风红色主题的图,还有很多贺卡之类的样机模板,可以直接把文字或图片叠在上面。有需要的可以自行取用。
另外还上线了搜索功能,点击左边的搜索图标,输入相关单词就可以用了,现在还有点糙会继续优化。
这里使用:https://catjourney.life/
我用AI编曲工具Suno把叶芝的情诗「当你老了」变成了一首重金属摇滚乐。
* Suno的Pro计划是支持版权商用的,而叶芝的作品也早就进入公版领域了,所以严格来说,我真的可以宣称我是这首歌的制作人……而Suno最低档的Pro计划也能支持每年6000首的歌曲生成额度,音乐人市场被冲击是迟早的事情了。
Invalid media: video
* Suno的Pro计划是支持版权商用的,而叶芝的作品也早就进入公版领域了,所以严格来说,我真的可以宣称我是这首歌的制作人……而Suno最低档的Pro计划也能支持每年6000首的歌曲生成额度,音乐人市场被冲击是迟早的事情了。
Invalid media: video
最近工作内容和机器人有关,浅浅道听途说做了点功课。
再加上今天小米汽车发布会有句话:「相信终有一天,全球每条路上都有小米汽车驰骋的身影。」
于是开始联想…造手机的造车,造车的造机器人…智能手机的普及率多少,智能车的普及率多少…要是哪天大家都像拥有智能手机一般普遍拥有了智能车…
噢!变形金刚或成最大预言家!
再加上今天小米汽车发布会有句话:「相信终有一天,全球每条路上都有小米汽车驰骋的身影。」
于是开始联想…造手机的造车,造车的造机器人…智能手机的普及率多少,智能车的普及率多少…要是哪天大家都像拥有智能手机一般普遍拥有了智能车…
噢!变形金刚或成最大预言家!
AI套壳应用如何把壳做厚?
1.一阶:直接引用Open ai接口,ChatGPT回答什么,套壳产品回答什么。卷UI、形态、成本。
2.二阶:构建Prompt。大模型可以类比为研发,Prompt可以类比为需求文档,需求文档越清晰,研发实现得越精准。套壳产品可以积累自己的优质Prompt,卷Prompt质量高,卷Prompt分发。
3.三阶:Embedding特定数据集。把特定数据集进行向量化,在部分场景构建自己的向量数据库,以达到可以回答ChatGPT回答不出来的问题。比如垂直领域、私人数据等。Embedding可以将段落文本编码成固定维度的向量,从而便于进行语义相似度的比较,相较于Prompt可以进行更精准的检索从而获得更专业的回答。
4.四阶:微调Fine-Tuning。使用优质的问答数据进行二次训练,让模型更匹配对特定任务的理解。相较于Embedding和Prompt两者需要消耗大量的Token,微调是训练大模型本身,消耗的token更少,响应速度也更快。
一个AI应用产品如果停留在做一阶和二阶,注定是个门槛极低的产品,没有任何壁垒。
而什么场景,何时以及如何使用三阶和四阶的能力,是个关键性的问题。
1.一阶:直接引用Open ai接口,ChatGPT回答什么,套壳产品回答什么。卷UI、形态、成本。
2.二阶:构建Prompt。大模型可以类比为研发,Prompt可以类比为需求文档,需求文档越清晰,研发实现得越精准。套壳产品可以积累自己的优质Prompt,卷Prompt质量高,卷Prompt分发。
3.三阶:Embedding特定数据集。把特定数据集进行向量化,在部分场景构建自己的向量数据库,以达到可以回答ChatGPT回答不出来的问题。比如垂直领域、私人数据等。Embedding可以将段落文本编码成固定维度的向量,从而便于进行语义相似度的比较,相较于Prompt可以进行更精准的检索从而获得更专业的回答。
4.四阶:微调Fine-Tuning。使用优质的问答数据进行二次训练,让模型更匹配对特定任务的理解。相较于Embedding和Prompt两者需要消耗大量的Token,微调是训练大模型本身,消耗的token更少,响应速度也更快。
一个AI应用产品如果停留在做一阶和二阶,注定是个门槛极低的产品,没有任何壁垒。
而什么场景,何时以及如何使用三阶和四阶的能力,是个关键性的问题。