diffusers-image-outpaint,智能扩图工具,懒人包，有更新 diffusers-image-outpaint 智能扩图工具懒人包PS 原版有扩图功能，但是老美不给用。Diffusers Image Outpaint 是一个在 Hugging Face 上的开源项目，它为图像外绘（image outpainting）提供了强大的工具和解决方案。✨ 本站独有优化增加常见图片比例自动保存：图片完成输出后，自动保存到 out 目录无限扩展：可以将扩展后的图片当做原图，继续扩展，实现无极限扩图🔗 Jian27 打包下载💻 硬件配置建议显存要求：该项目不建议 8GB 显卡用户使用。最低消耗：14GB 显存。推荐配置：16GB 显卡（如 4060 TiS 16GB，速度约 7 秒一张）。🔄 更新日志2024-09-30 更新文件信息：压缩包 15GB，下载地址回复可见（百度网盘）。Bug 修复：上个版本的 Bug 已修复。尺寸优化：增加了自定义比例尺寸。固定比例也支持更改尺寸（例如：选择 4:3 后，直接拖动长边即可更改至所需尺寸，图高会自动等比更改）。性能优化：优化了显存回收机制。规格提升：最大边长改大到 2048（注意：最大边长会导致显存暴涨）。💡 小贴士：遇到不扩图、直接给图片加边框的情况，请尝试缩小或加大分辨率。这可能是模型限制导致的“卡脖子”现象，并非软件 Bug。2024-10-14 更新解决了旧版初始化运行时可能会重新下载模型的问题。已在两台机器上测试通过。📥 下载链接链接：https://pan.baidu.com/s/1NMmGIveyoJbD1CmMTcY2Zg?pwd=gpcb

腾讯开源GFPGAN图片无损放大，一键懒人包 腾讯开源 GFPGAN，一键懒人包集显不用下载了，A卡也不用下载了，依赖 CUDA 生态。这是 3 年前的老项目了，网上应该是有其他人做的懒人包，我懒得找。看见模型更新到 1.4 了，重新打包了下。老样子，删除了一切我不我想看见的，尽可能精简体积且不影响输出效果。显存与性能表现这个项目对显卡要求较低，大概 4GB 黄皮显卡都可以流畅运行：1080 像素放大 4 倍：消耗约 2GB 显存。4500x3000 分辨率图片放大 2 倍：显存占用 4.2GB。6600*4400 像素（约 2500 万像素）：消耗显存 9GB，内存约 18GB，需要分解 204 块。尝试将 4000 万像素放大 2 倍：显存消耗 11.2GB，最终显示内存不足而失败。这已超出软件使用范畴。软件是用来你修复老旧照片的，意味着低分辨率低像素效果才明显。总体来说，十分优秀。使用指南1. 目录说明inp：将待放大图片放在这个文件夹。out：完成放大图片输出文件夹，放大完成后会自动打开。gfpgan：程序文件夹，不用管。2. 操作步骤将图片放在 inp 文件夹（注意：图片名不能有中文、空格等）。解压后，双击 无损放大.bat。按键盘上的 2 或者 4，然后按回车。注意事项与局限性适用范围：超分放大不挑图片类型，风景人文都可以。极端情况：例如拿幼儿园大合影来超分，那不现实。模型里面数据大多是老外，绿豆大小的人头超分后大多变成老外了。人脸识别：如果有识别到人脸，则会生成对比图；如果没识别出来，则不会有。如果拿大合影来超分，最后一步会对人脸进行切片对比，这一步会消耗较多时间。核心逻辑：此项目是以人脸优先的。一张图片，优先识别人脸，背景什么的，大概率不会动，或者是效果不怎么好。如果修复没有人脸信息的风景照，可能没什么效果。资源链接负优化，傻木摄影：http://www.gpcb.net/项目地址：https://github.com/TencentARC/GFPGAN更新说明：显著减小了体积。下载链接百度网盘：https://pan.baidu.com/s/1cTLyNDBIL55SFIkYOLwytQ?pwd=gpcb123网盘：https://www.123pan.com/s/fp3Njv-zcwld.html （提取码: gpcb）

PhotoMaker_V2:人像面部可控高保真迁移,离线懒人包 PhotoMaker V2: 人像面部可控高保真迁移项目资源开源地址: https://github.com/TencentARC/PhotoMaker打包制作: jian27 打包制作 (本站独家发布，包含负优化、汉化及布局调整)姊妹版推荐: PuLID (效果与 PhotoMaker 半斤八两，个人更倾向于 PhotoMaker_V2)百度网盘链接: 点击下载硬件要求与性能优化显存要求: 最低 12GB 显存。4060 (8GB): 出图分辨率 1024 约需 5 分钟/张。4060 (16GB): 约 20 秒/张。优化建议: 将采样步数降低至 20，可有效降低显存占用并加快出图速度。项目简介PhotoMaker 是由腾讯 ARC 实验室和南开大学 MCG-NKU 联合开发的前沿图像生成工具（展示于 CVPR 2024）。该项目旨在通过堆叠的 ID 嵌入技术，实现对真实人类照片的定制化编辑与生成。核心功能：高度一致性: 结合用户提供的参考图像 (ID 图像) 与文本提示，生成具有高身份一致性 (ID fidelity) 且风格多样的照片。快速定制: 支持在几秒内完成定制，无需额外的 LoRA 训练。版本升级: PhotoMaker V2 在保持高质量生成能力的同时，进一步提升了 ID 一致性。生成效果展示原始参考图 (由 AI 生成):基于参考图的生成效果:运行界面说明:参考图可以上传多张，一般三五张效果最佳。安装注意事项:首次运行需执行 .bat 批处理文件，之后仅在重装系统后才需要再次运行。版本更新说明第一阶段优化：目录结构: 优化了目录布局。自动保存: 设置了输出文件夹，出图后自动保存至 out 文件夹。格式转换: 图片格式由 webp 改为 png。性能调整: 默认采样步骤由 30 步更改为 20 步；初始化批处理命令由“剪切”改为“复制”。第二阶段优化（进阶微调）：界面布局: 将引导比例与采样步数位置互换。参数预设:将引导比例预设值由 5 更改为 3.2。数值参考: 数值越大，图像越像硅胶娃娃；数值越小，对比度与反差较低。经测试，3.2 为折中平衡值。采样步数: 原始为 50 步，实测改为 20 步画质几乎无损且速度更快（显卡性能好可调至 30）。新增功能: 增加了“高级时装”预设。

AI表情同步(表情迁移),含懒人包 利用 AI 模型重建静态图片，使其同步目标视频中的表情 (表情迁移)利用 AI 模型重建静态图片，使其同步目标视频中的表情（表情迁移）。用人话说：上传一个人像图片，再上传一个你想复制表情的参考短视频（几秒钟），点击“重建表情”按钮，就会把静态图片转换成视频。表情与你上传的参考视频一致，音频也是复制参考视频的。软件信息开源软件主页： https://github.com/KwaiVGI/LivePortrait硬件要求： 需要使用 NVIDIA 显卡（老黄家），显存占用约 3GB。性能参考： 4060 显卡执行转换 7 秒钟视频，大约消耗 35 秒。版本优化说明已重新打包，删除了官方示例视频与图片。精简了代码，并完成了汉化。版本拆分： 表情迁移和表情重塑已拆分为两个程序（方便追求简洁界面的用户）。所有功能均已通过测试。使用说明1. 表情迁移使用说明上传图片上传参考视频点击 开始同步表情注意： 所有设置全部默认即为最佳设置。目标图片和参考视频必须使用正面、正脸，否则效果不佳。2. 面部表情重建使用说明上传图片调整参数（例如向左偏头、眼睛调整大些、张嘴等等）执行重建几秒钟即可看见效果。注意事项（避坑指南）路径问题： 软件不要放在有空格的文件夹，也不要放在中文文件夹。文件名问题： 载入的图片、视频文件名不能有中文，不能有空格。如果报错，请优先检查上述路径与命名问题。下载链接https://pan.baidu.com/s/19orN6bPtPkRU4AHHMEzKYg?pwd=gpcb效果展示(注：该图为 AI 生成) window.jwplayer || document.write('')播放器载入中...jwplayer.defaults = {"base":"https://gpcb.net/usr/plugins/JWPlayer/player/"};jwplayer("jwplayer_1").setup({"file":"\/usr\/uploads\/2024\/07\/1144559289.mp4","autostart":"false","repeat":"true","preload":"auto","width":"480","height":"480","localization":{"rewind":"\u540e\u900010\u79d2","settings":"\u9009\u9879","cc":"\u5b57\u5e55","hd":"\u753b\u8d28","fullscreen":"\u5168\u5c4f","videoInfo":"\u67e5\u770b\u5a92\u4f53\u4fe1\u606f","copied":"\u590d\u5236\u6210\u529f","playlist":"\u5217\u8868","nextUp":"\u4e0b\u4e00\u4e2a","liveBroadcast":"\u5728\u7ebf\u76f4\u64ad"}}); window.jwplayer || document.write('')播放器载入中...jwplayer.defaults = {"base":"https://gpcb.net/usr/plugins/JWPlayer/player/"};jwplayer("jwplayer_2").setup({"file":"\/usr\/uploads\/2024\/07\/2571073828.mp4","autostart":"true","repeat":"true","preload":"auto","width":"950","height":"520","localization":{"rewind":"\u540e\u900010\u79d2","settings":"\u9009\u9879","cc":"\u5b57\u5e55","hd":"\u753b\u8d28","fullscreen":"\u5168\u5c4f","videoInfo":"\u67e5\u770b\u5a92\u4f53\u4fe1\u606f","copied":"\u590d\u5236\u6210\u529f","playlist":"\u5217\u8868","nextUp":"\u4e0b\u4e00\u4e2a","liveBroadcast":"\u5728\u7ebf\u76f4\u64ad"}});完整界面：底下的面部重建也非常有趣：

目前生成式AI最大的短板是什么？ 目前生成式AI最大的短板是什么？如图，最大的短板应该是默契。你不懂我，就算放一本百科全书加一本康熙字典在你面前你一样看不懂我；如果有默契，一个眼神就足以说明一切。场景描述例如下表格式，一个问卷调查，共8题，每题有多个备选项，至少需要选择3项：我需要做出统计，如下表，某一题中的各个问题被选择了多少次：需求详情对此，我将Excel表单基础数据整理好了，并且写了一份我的需求，如下：1. 数据结构第一页（回收）：问卷结果集，共8列（对应8个问题）。第二页（统计表单）：包含8个问题及其对应的可选项，以及统计列。统计逻辑需对应第一页的问卷结果集。2. 核心任务我需要分析第二页的每一个答案，在第一页中被选择了多少次。以第7题为例（共收回152份）：选中“关爱会主席”：2个选择“关爱委员会成员”：26个选择“活动小组团长”：6个选择“活动小组政委”：12个以上角色均不参加：106个合计：152个3. 统计逻辑要求我需要在第2页的统计表单做出统计。意思是每一题中的每一个问题（例如 M列的“打造ABP文化建设”和N列的“计数”），计算每个问题在第一页中被选中了多少次。算法/执行步骤建议数据清洗：将第一页的回收数据（152份问卷）与第二页的题目及可选答案进行对比，确保数据的一致性和准确性。以第7题为例。数据拆分：根据第二页的题目，将第一页每个问题的答案拆分成对应的可选答案。例如：如果第二页第7题有四个可选答案（关爱会主席、关爱委员会成员、活动小组团长、活动小组政委），我们需要将第一页的相应答案拆分成这四个部分。数据匹配：将拆分后的答案与第二页的可选答案进行匹配，统计每个可选答案在第一页中被选中的次数。具体操作流程（以第7题为例）确认分布：确认第一页中第7题的答案分布情况。拆分统计：将答案拆分成四个部分（关爱会主席、关爱委员会成员、活动小组团长、活动小组政委），并分别统计在第一页中被选中的次数（如：主席2次，成员26次等）。结果填充：在第2页的统计表单中进行填充：A列是问题，B列是对A列的统计；C列是问题，D列是对C列的统计……以此类推。循环执行：重复以上步骤，为第二页的每个题目创建统计表单。测试反馈智谱清言：各种回复乱七八糟。百度：直接摆烂，不支持Excel。月之暗面：更简单了，直接罢工。

怎样破解AI文章一眼假的问题？ 如今感觉越来越离不开 AI 了。不管是代码类，还是工作总结类，都可以问 AI。只要你问问题的足够精确，AI 几乎没有废话，比他妈的某度简洁多了，你要什么给你什么，不像某度，要命。AI 应用现状与痛点普通人用 AI 主要是做一些文案类的应用，例如工作总结之类的，还有写新闻通稿之类的，都离不开 AI。但是有没有发现一个问题：不管你用的是老美顶尖的 GPT，还是国内号称比 GPT 更牛逼的 AI，输出的文章一眼即可辨别这不是人写的。这是为什么？究其原因，我认为这是目前 AI 最大的痛点：没有人类的情感。所谓的情感，当然是由最基本的喜怒哀乐组成的。例如本文开头的那几句“他妈的”，除非你给 AI 特定的身份标签，否则 AI 绝对不会输出这几个字，这就是典型的情感。文字信息的覆盖率与 AI 的局限还有一点，AI 输出的几乎不会有错别字。《康熙字典》共收录汉字 47035 个1915 年中华书局出版的《中华大字典》共收字 48000 余个1986 年到 1990 年的《汉语大字典》收字 54678 个1994 年出版的《中华辞海》，共收汉字 87019 个，其中重复字 320 个字数最多的要数日本《今昔文字镜》，收录汉字超 15 万GB 2312 标准共收录 6763 个汉字，已经覆盖我们 99.75% 的使用频率据统计：1000 个常用字能覆盖约 92% 的书面资料2000 字可覆盖 98% 以上3000 字就已到 99% 了综上所述，就算一共有 15 万字，加上这些字组的词、组的句子算 100 万字。典型的 AI 包含了多少信息呢？最简单的模型 3B（即 30 亿），这是能加载到手机上的模型；电脑上使用的离线模型一般使用 7B 或以上（一般来说，小于 7B 的不建议使用，智商有限，本文不做展开讨论）。一个简单的 30 亿参数的模型几乎包括了人类最常用的所有信息，更别说简单的文字了。AI 写文章几乎不会出现任何错别字。为什么不是 100% 呢？毕竟模型是人类训练的，只要有人类参与，不可能达到 100%。想必这就是硅基生命为何要取代碳基生命的理由之一吧（又扯远了，回头再来说）。AI 的“方圆”之限AI 生成的文章是生成式的，具有随机性（专业名词叫做随机种子），但是万变不离其宗：人类训练 AI 模型时，是按照人类最常见的、最简单的、大众所熟知的、教科书式的进行。例如代码规范，100% 按照官方规范投喂的；例如生成式文章，都是拿名人名作去投喂的（所以你跟 AI 说“请模仿鲁迅的文笔给你写一篇文章”，那真是毫不费力分分钟就好）。正因为 AI 的守规矩，所以就有了“方圆”。这里的方圆就是一个圈圈，只要是 AI 写的文章，都出不了圈，一眼就可以识别这是 AI 写的。例如人类会经常说些倒装句：“这是 AI 写的吧，这篇作文”“这是 AI 写的吧，这篇论文”“这是 AI 写的吧，这首歌词”“你吃了吧，中饭”“你交了没有？学费”“看了小视频里面教程，一边看一边做，我真是学废了”“我左手一只鸡，右手一只鸭，嘴里喝着 8 瓶娃娃”是不是就没有 AI 色彩了，而是感受到了人类的色彩。如何抹除 AI 痕迹所以，AI 写的文章你得再改改：改个倒装句；故意写错几个字（同音不同义的）；等等等等。可以比较快速地抹除部分 AI 痕迹，到底能抹除几分，那要看你用心几分了。

AI离线抠图_一键傻瓜批量抠图 AI离线抠图：一键傻瓜批量抠图AI，已经不知不觉深入到生活工作的方方面面了。从高大上的新闻中，走入寻常百姓家中；从高大上的中心机房，走入寻常家用电脑；从顶尖玩家手中的玩物，变成大众唾手可得的工具。软件特点这不，原包1.6gb的，精简到300mb，只带一个常用的模型，可以一键批量抠图。性能表现：虽然还做不到发丝级别，寻常的简单抠图还是可以的。关于压缩：为了解压效率，并没有做极限压缩（极限压缩还能小20mb，但是解压就会稍慢几秒钟了）。使用方法推荐做法：在D盘新建一个 in 文件夹。将图片复制到这个文件夹。运行程序。便捷做法：你可以直接运行这个程序，它会自动新建并打开文件夹。你再将图片复制进去即可完成抠图。如果你复制了多张但只扣了一张，重新运行程序即可。下载地址下载链接：https://www.123pan.com/s/fp3Njv-yJMld.html提取码：gpcb

AI时代的信息，真假难辨 AI 对设计行业冲击非常大一位做沃尔玛广告牌设计工作的朋友，刚刚听说开始裁员了。从 PS 时代到 AI 时代在 AI 出现之前，大伙的“照骗”还得靠 PS：技术门槛高：PS 玩得溜的，p 出的图真假难辨，但周围没几个玩得好的，门槛实在太高。操作复杂：需要大量的后期修饰功底。现在 AI 出来了，情况完全不一样了：零基础友好：哪怕没有任何基础，只要你会打字即可。语言无障碍：支持中文输入，后台会自动翻译成英文进行文生图。修改极简：哪怕在原生图上做任何修改，都是非常简单容易的事情。案例对比展示下图是某天下班时拍的一张日落。其实是用手机变焦放大拍的，出图时手机已经使用了一轮 AI 计算。这是使用 PS 后期强拉对比后的效果：由 AI 贴飞机，然后再次拉对比的效果：