前言

好久沒(méi)有寫csdn博客了，突然不知道寫點(diǎn)什么，最近AIGC真的很火，有一種三天不看就跟不上發(fā)展趨勢(shì)的感覺(jué)，讓人又激動(dòng)又有點(diǎn)慌??。這里我簡(jiǎn)單整理一下最近看到的AIGC的一些內(nèi)容，后續(xù)如果有需要我詳細(xì)描述一下如何使用。

AIGC類型

AIGC現(xiàn)在發(fā)展可以說(shuō)是‘坐地日行八萬(wàn)里’了，總的來(lái)說(shuō)我將目前技術(shù)較為成熟的AIGC工具大概分為三種類型，圖像生成類，文本生成類，語(yǔ)音生成類，這三類目前均有不同程度的應(yīng)用：

1. 圖像生成類 : Stable diffusion，Midjourney，DALL·E 2，DeepFloyd IF等；
2. 文本生成類：Chat GPT，auto-GPT，GPT-4等；
3. 語(yǔ)音生成類：So-vits-svc 4.0；
   下面就每一類工具，我大概描述一下他們的功能及優(yōu)勢(shì)劣勢(shì)的比較，如有大家有興趣我會(huì)詳細(xì)講解。

圖像生成類

Stable diffusion

Stable Diffusion是一個(gè)文本到圖像的潛在擴(kuò)散模型，由CompVis、Stability AI和LAION的研究人員和工程師創(chuàng)建。它使用來(lái)自LAION-5B數(shù)據(jù)庫(kù)子集的512x512圖像進(jìn)行訓(xùn)練。目前已有大神將SD打包為本地可直接使用的工具（繪世 sd-webui），通過(guò)這個(gè)工具我們可以通過(guò)網(wǎng)頁(yè)可視化，便捷使用文生圖，圖生圖。

這就是啟動(dòng)界面，只需要輸入正向及反向prompt，調(diào)整類似圖像大小，迭代步數(shù)等就可以生成各種不同類型的圖像。同時(shí)還可以通過(guò)加載不同的lora及controlnet等模型來(lái)進(jìn)行微調(diào)，生成自己需要的圖案。

Midjourney

MidJourney 是一個(gè)文本到圖像的在線服務(wù)AI，創(chuàng)始人是David Holz，它可以根據(jù)您的文本提示生成華麗的視覺(jué)效果。MidJourney 更喜歡用互補(bǔ)的顏色、光影的藝術(shù)運(yùn)用、清晰的細(xì)節(jié)以及具有令人滿意的對(duì)稱性或透視性的構(gòu)圖來(lái)創(chuàng)建圖像。

DALL·E 2

DALL-E 2由OpenAI開發(fā)，它通過(guò)一段文本描述生成圖像。其使用超過(guò)100億個(gè)參數(shù)訓(xùn)練的GPT-3轉(zhuǎn)化器模型，能夠解釋自然語(yǔ)言輸入并生成相應(yīng)的圖像。

三種工具比較

以上比較為個(gè)人觀點(diǎn)，如有補(bǔ)充會(huì)進(jìn)行修改。

DeepFloyd IF

這個(gè)是stability.ai/團(tuán)隊(duì)最新作品，據(jù)官方介紹，DeepFloyd IF 是最新最先進(jìn)的開源文本-圖像模型，擁有強(qiáng)大的語(yǔ)言理解能力，生成的圖像具有高度真實(shí)感。從其官網(wǎng)展示了圖像來(lái)看，DeepFloyd IF 生成的圖像質(zhì)量非常不錯(cuò)，也能處理多種不同的風(fēng)格效果。能在圖像中生成連貫清晰的文本，以及理解不同對(duì)象的屬性和空間關(guān)系。比如它可以正確地將文字呈現(xiàn)在路牌、紙片、包裝外殼等規(guī)定的媒介內(nèi)；能理解文本之間的連續(xù)關(guān)系，將不同的字母或數(shù)字按順序呈現(xiàn)在不同的物體上；以及分清圓球是金屬的，三角形是毛茸茸的，不會(huì)將不同物體的屬性弄混。

文本生成

文本生成領(lǐng)域現(xiàn)在chatgpt、autogpt和gpt4目前正在大熱。目前針對(duì)chat gpt及gpt-4網(wǎng)絡(luò)上已經(jīng)有很多相關(guān)體驗(yàn)結(jié)果及解析，這里對(duì)三個(gè)gpt模型進(jìn)行一下對(duì)比。
chat GPT和GPT-4均為OpenAI公司開發(fā)的自然語(yǔ)言處理模型，gpt4和chatgpt的區(qū)別在于gpt4可以處理圖像內(nèi)容，可以更正確的理解信息和處理問(wèn)題，且回復(fù)的準(zhǔn)確性提高不少；chatgpt不支持圖像內(nèi)容處理，有時(shí)還會(huì)出現(xiàn)錯(cuò)誤或者矛盾的回答。此外，GPT-4支持圖文語(yǔ)義化的解讀，以及更好的回答組織能力，而chatgpt則帶來(lái)了AI對(duì)語(yǔ)義理解的突破。
Auto-GPT 的運(yùn)作方式與 ChatGPT 相同，但增加了運(yùn)動(dòng)功能。它將大型語(yǔ)言模型指令鏈接在一起，以實(shí)現(xiàn)指定的結(jié)果。該工具具有一定的決策權(quán)，可以讓AI自我提示。

語(yǔ)音生成

So-vits-svc 4.0

B站大佬已經(jīng)將該算法工具化，類似于sd-webui，通過(guò)可視化就可以完成語(yǔ)音訓(xùn)練及推理。

具體效果大家可以看B站很多AI翻唱，很讓人驚艷，后續(xù)我會(huì)將各個(gè)工具的具體用法進(jìn)行介紹。

結(jié)尾

以上是我的一點(diǎn)總結(jié)，目前AIGC工具及算法日新月異，發(fā)展很快，我總結(jié)的一些東西在我下筆的那一刻可能就已經(jīng)過(guò)時(shí)了。學(xué)無(wú)止盡，能親身經(jīng)歷人工智能的發(fā)展，真的是幸事。另外，給自己打個(gè)廣告，有沒(méi)有做這個(gè)的一起玩兒啊??。

下面是一些工具鏈接
Stable diffusion，Midjourney，DALL·E 2，DeepFloyd IF等；
2. 文本生成類：Chat GPT，auto-GPT，GPT-4等；
3. 語(yǔ)音生成類：So-vits-svc 4.0；
[1]: sd-webui ：https://github.com/AUTOMATIC1111/stable-diffusion-webui
[2]: Midjourney：https://www.midjourney.com/home/
[3]: DALL·E 2：https://labs.openai.com/
[4]:DeepFloyd IF：https://deepfloyd.ai/deepfloyd-if
[5]:Chat GPT：https://chat.openai.com/
[6]:auto-GPT：https://github.com/Significant-Gravitas/Auto-GPT
[7]:GPT-4：https://openai.com/product/gpt-4
[8]: So-vits-svc 4.0：https://github.com/voicepaw/so-vits-svc-fork/blob/main/README_zh_CN.md文章來(lái)源地址http://www.zghlxwxcb.cn/news/detail-521083.html

到了這里，關(guān)于整理一下最近了解到的AIGC工具的文章就介紹完了。如果您還想了解更多內(nèi)容，請(qǐng)?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！