Navigate to WaytoAGI Wiki →
Home/Question List/Question Detail

风格模型加载器

Answer

以下是关于风格模型加载器的详细步骤：

  1. 下载工作流中的所需三张图片“SeasonYou_Reference、BG、MASK”，并上传自己所需的照片到 Input 部分。注意右上角放自己的人像图片（非人像会报错提示“no face detected”）。
  2. 对于 vae 加载器部分，选择 xl 版本（因为大模型用的 xl）的 vae。
  3. 对于 ipadater 部分，倘若加载器部分报错说 model 不存在，将文中画圈部分修改调整到不报错。
  4. Pulid 部分：
    • 下载好对应的节点以及参考官方网站GitHub-cubiq/PuLID_ComfyUI:PuLID native implementation for ComfyUI最下面的安装对应要求。
    • 注意上图中的第二要点，对应安装一些内容，具体要求可查看云盘中命名为“pulid 插件模型位置.png”及对应的云盘链接：PulID 全套模型，链接:https://pan.baidu.com/s/1ami4FA4w9mjuAsPK49kMAw?pwd=y6hb，提取码:y6hb。否则将会遇到报错。
  5. 官网GitHub-cubiq/ComfyUI_InstantID下载两个文件，先点击如图中的左上角部分将加载器展开且选择官网下载好的两个模型，否则将会有问题。
  6. G-Dino 加载器部分：在链接https://github.com/storyicon/comfyui_segment_anything处下载相关文件，然后再次检查自己的文件有没有齐全：在 models 下创建 grounding-dino 且配置以下文件命名齐全。同理，sams 也是。对于 grounding-dino 和 sams 配置有没有齐全可以使用“抠头发.json”来检验。
  7. 接下来很大概率在运行到此节点时会报科学上网的（httpsxxxxx）错误。倘若觉得在此工作流中排除 bug 很慢，不妨使用此网址的工作流（可以直接复制他的 json 内容自己创建一个 txt 文件后粘贴，再改后缀名为 json。）进行操作：https://www.cnblogs.com/qcy-blog/p/18222657，那么就要在尝试稳定的科学上网后重启 UI 跑工作流。
  8. Ollama 大模型部分：
    • 首先，下载 ollama，网站：Download Ollama on Windows。
    • 其次，在llama3:8b-instruct-q4_K_M(ollama.com)网站中，复制代码如红框。
    • 然后，像建议一样打开 ComfyUi 根目录下的 custom_nodes\ComfyUi-Ollama-YN 的文件路径，在上方的路径下输入 cmd，进入到下方的命令行，右键即可粘贴刚才的代码，等待下载即可。
  9. instanid 部分。
Content generated by AI large model, please carefully verify (powered by aily)

References

4-SeasonYou 工作流 副本

[GitHub-chflame163/ComfyUI_LayerStyle:A set of nodes for ComfyUI that can composite layer and mask to achieve Photoshop like functionality.](https://github.com/chflame163/ComfyUI_LayerStyle)④下好工作流中的所需三张图片“SeasonYou_Reference、BG、MASK”以及上传自己所需的照片到Input部分。如下图，右上角放自己的人像图片（非人像会报错提示“no face detected”）⑤对于vae加载器部分，选择xl版本（因为大模型用的xl)的vae即可。⑥对于ipadater部分，倘若加载器部分报错说model不存在，将文中画圈部分修改调整到不报错：⑦Pulid部分，除了下载好对应的节点以及参考官方网站[GitHub-cubiq/PuLID_ComfyUI:PuLID native implementation for ComfyUI](https://github.com/cubiq/PuLID_ComfyUI)最下面的安装对应要求外：还要注意上图中的第二要点，对应安装一些内容，具体要求如下图（在云盘中命名为“pulid插件模型位置.png”）及对应的云盘链接：PulID全套模型链接:https://pan.baidu.com/s/1ami4FA4w9mjuAsPK49kMAw?pwd=y6hb提取码:y6hb否则将会遇到以下的报错：Error occurred when executing PulidEvaClipLoader:

4-SeasonYou 工作流 副本

官网[GitHub-cubiq/ComfyUI_InstantID](https://github.com/cubiq/ComfyUI_InstantID?tab=readme-ov-file)下载两个文件：先点击如图中的左上角部分将加载器展开且选择官网下载好的两个模型：否则将会有以下的问题：⑩G-Dino加载器部分：在链接：[https://github.com/storyicon/comfyui_segment_anything](https://github.com/storyicon/comfyui_segment_anything)处下载以下文件：然后再次检查自己的文件有没有齐全：在models下创建grounding-dino且配置以下文件命名齐全。、同理，sams也是。对于grounding-dino和sams配置有没有齐全可以使用“抠头发.json”来检验然后，接下来很大概率在运行到此节点时会报科学上网的（httpsxxxxx）错误：倘若觉得在此工作流中排除bug很慢，不妨使用此网址的工作流（可以直接复制他的json内容自己创建一个txt文件后粘贴，再改后缀名为json。）进行操作：[https://www.cnblogs.com/qcy-blog/p/18222657](https://www.cnblogs.com/qcy-blog/p/18222657)那么你就要在尝试稳定的科学上网后重启UI跑工作流。便完成了。

4-SeasonYou 工作流 副本

(MaxRetryError('HTTPSConnectionPool(host=\'huggingface.co\',port=443):Max retries exceeded with url:/QuanSun/EVA-CLIP/resolve/main/EVA02_CLIP_L_336_psz14_s6B.pt(Caused by SSLError(CertificateError("hostname\'huggingface.co\'doesn\'t match either of\'*.extern.facebook.com\',\'extern.facebook.com\'")))'),'(Request ID:05b932bd-e982-434e-8dc7-e41cca2e949f)')⑧Ollama大模型部分，为了应对没下载大模型带来的报错，因此需要下载大模型首先，下载ollama，网站：[Download Ollama on Windows](https://ollama.com/download)其次，在[llama3:8b-instruct-q4_K_M(](https://ollama.com/library/llama3:8b-instruct-q4_K_M)[ollama.com](https://ollama.com/library/llama3:8b-instruct-q4_K_M)[)](https://ollama.com/library/llama3:8b-instruct-q4_K_M)网站中，复制代码如红框：然后，像我建议一样打开ComfyUi根目录下的custom_nodes\ComfyUi-Ollama-YN的文件路径，在上方的路径下输入cmd：进入到下方的命令行，右键即可粘贴刚才的代码，等待下载即可：⑨instanid部分：

Others are asking
UNET加载器无法加载是什么情况
很抱歉，目前知识库中没有关于“UNET 加载器无法加载”的具体情况说明。但一般来说，UNET 加载器无法加载可能有以下几种常见原因： 1. 网络问题：网络连接不稳定或中断可能导致加载失败。 2. 资源路径错误：加载器所指定的资源路径不正确，无法找到要加载的文件。 3. 版本不兼容：UNET 加载器的版本与要加载的内容版本不匹配。 4. 权限问题：当前用户没有足够的权限来访问和加载相关资源。 5. 资源损坏：要加载的文件本身可能已损坏或不完整。 您可以进一步检查以上方面，以确定具体的问题所在。
2025-03-03
帮我写一个可以训练的分类器代码， python 代码，目的是将样本的扰动分为 0，0.001，0.003，0.005 四类，按照以下步骤写 第一步：导入需要的库 第二步：加载位于/public/xdw/ls/signaldefense/AS/perturbed_data.npy 的数据 第三步：获取数据样本的扰动值 第四步：判断扰动值的大小，比如扰动值为 0，则加一计数 第五步：打印出判断各类扰动值的正确率
以下是为您生成的 Python 代码示例，用于实现将样本的扰动分为 0、0.001、0.003、0.005 四类的分类器： ```python import numpy as np 第一步：导入需要的库 import numpy as np 第二步：加载数据 data = np.load 第三步：获取数据样本的扰动值 perturbation_values = data 假设扰动值在第二列 第四步：判断扰动值的大小并计数 count_0 = 0 count_0_001 = 0 count_0_003 = 0 count_0_005 = 0 for value in perturbation_values: if value == 0: count_0 += 1 elif value == 0.001: count_0_001 += 1 elif value == 0.003: count_0_003 += 1 elif value == 0.005: count_0_005 += 1 第五步：计算正确率 total_samples = len accuracy_0 = count_0 / total_samples accuracy_0_001 = count_0_001 / total_samples accuracy_0_003 = count_0_003 / total_samples accuracy_0_005 = count_0_005 / total_samples print print print print ```
2024-12-05
如何用langchian加载本地模型
要使用 Langchain 加载本地模型，您可以按照以下步骤进行： 1. 加载所需的库和模块，例如 feedparse 用于解析 RSS 订阅源，ollama 用于在 Python 程序中跑大模型。使用 ollama 前请确保服务已经开启并下载好模型。 2. 从订阅源获取内容，通过特定函数从指定的 RSS 订阅 URL 提取内容，若需接收多个 URL 稍作改动即可。然后使用专门的文本拆分器将长文本拆分成较小的块，并附带相关元数据，如标题、发布日期和链接，最终将这些文档合并成一个列表用于后续处理。 3. 为文档内容生成向量，使用文本向量模型 bgem3。从 hf 下载好模型后，假设放置在某个路径 /path/to/bgem3，通过函数利用 FAISS 创建高效的向量存储。 在整个过程中，还需要了解以下相关知识： 1. RAG（Retrieval Augmented Generation）：大模型训练数据有截止日期，当需要依靠不在训练集中的数据时，可通过检索增强生成。RAG 应用包括文档加载（从多种来源加载文档，LangChain 提供 100 多种文档加载器）、文本分割（把文档切分为指定大小的块）、存储（将切分好的文档块嵌入并存储到向量数据库）、检索（通过检索算法找到与输入问题相似的嵌入片）、输出（把问题及检索出的嵌入片提交给 LLM 生成答案）。 2. Ollama：支持多种大型语言模型，包括通义千问、Llama 2、Mistral 和 Gemma 等，易于使用，适用于 macOS、Windows 和 Linux 系统，支持 cpu 和 gpu，提供模型库，用户可下载不同模型，还支持自定义模型、提供 REST API 用于运行和管理模型及与其他应用程序集成，社区贡献丰富。安装完后确保后台服务已启动，可通过 ollama list 确认，通过 ollama 命令下载模型。
2024-11-23
SD大模型无法加载
SD 大模型无法加载可能有以下原因及解决方法： 1. LORA 方面： LORA 可以提炼图片特征，文件通常有几十上百兆，承载信息量远大于 Embedding。下载的 LORA 放在根目录的【……\\models\\Lora】文件夹下，使用时点击红色小书，找到 LORA 选项卡加载。 使用 LORA 时要注意看作者使用的大模型，一般需配套使用，还可能需要加入特定触发词，如盲盒 LORA 需加入“full body, chibi”等提示词。 2. Hypernetworks 方面： Hypernetworks 主要针对画风训练，文件下载后放在根目录的【…\\models\\hypernetworks】，使用时点击红色小书，找到 Hypernetworks 选项卡加载。 3. 模型下载与安装方面： 常用的模型下载网站有：。 下载模型后需放置在指定目录，大模型（Ckpt）放入【models\\Stablediffusion】，VAE 模型放入【models\\Stablediffusion】或【models\\VAE】目录（有的大模型自带 VAE 则无需再加），Lora/LoHA/LoCon 模型放入【extensions\\sdwebuiadditionalnetworks\\models\\lora】或【models/Lora】目录，Embedding 模型放入【embeddings】目录。模型类型可通过检测。 不会科学上网时，可在启动器界面直接下载模型，将下载的大模型放在根目录的【……\\models\\Stablediffusion】，在左上角模型列表中选择（看不到就点旁边蓝色按钮刷新）。 旁边的 VAE 相当于给模型增加提高饱和度的滤镜和局部细节微调，可在启动器里下载，放在根目录的【……\\models\\VAE】。 Embedding 功能相当于提示词打包，下载 Embedding 可在 C 站通过右上角筛选 Textual Inversion 找到，放在根目录下的【embeddings】文件夹里。 由于无法确定您大模型无法加载的具体原因，您可以根据上述内容逐一排查。
2024-11-12
知道源代码就可以加载AI吗？
一般来说，仅仅知道源代码并不一定能够直接加载 AI 。以 GPT4 的代码解释器为例，它是一种特定的模式，允许用户将文件上传到 AI，让 AI 编写和运行代码，并下载 AI 提供的结果。它可以用于执行程序、运行数据分析、创建各种文件、网页甚至游戏。但使用代码解释器进行分析存在未经培训的人使用的风险，许多测试专家对此印象深刻，甚至有论文表明它可能需要改变培训数据科学家的方式。如果您想了解更多关于如何使用它的详细信息，可以访问相关帖子。
2024-10-01
什么是加载别人训练的qwen模型？
加载别人训练的 qwen 模型通常涉及以下步骤： 1. 对于直接调用千问的某一个大模型，如“qwenmax”模型，在 COW 中需要更改 key 和 model。在 /root/chatgptonwechat/文件夹下，打开 config.json 文件进行更改，并添加"dashscope_api_key"。获取 key 可参考视频教程或图文教程。同时，需要“实名认证”后，这些 key 才可以正常使用，若对话出现“Access to mode denied.Please make sure you are eligible for using the model.”的报错，可能是未实名认证，可点击去，或查看自己是否已认证。 2. 部署大语言模型时，如下载 qwen2:0.5b 模型，对于不同的电脑系统操作有所不同。如果是 Windows 电脑，点击 win+R，输入 cmd 点击回车；如果是 Mac 电脑，按下 Command（⌘）+ Space 键打开 Spotlight 搜索，输入“Terminal”或“终端”，然后从搜索结果中选择“终端”应用程序。之后复制相关命令行并粘贴回车，等待自动下载完成。 3. 对于 Ollama 大模型部分，为避免没下载大模型带来的报错，需要先下载 ollama，网站：网站中复制代码，然后像特定操作一样打开 ComfyUi 根目录下的 custom_nodes\\ComfyUiOllamaYN 的文件路径，在上方的路径下输入 cmd，进入到下方的命令行，右键粘贴刚才的代码，等待下载即可。
2024-10-01
大模型的系统提示词
大模型的系统提示词主要包括以下方面： 1. 在“五津：一键生成‘摸鱼打工猫’视频”中，针对用户选择的主题和回答，总结用户的创作意图，如“打工猫摸鱼的 2 小时，在巴厘岛能看一场日落”，并根据此生成 4 组体现幽默风趣、以宫崎骏风格描绘主角为摸秋刀鱼橘猫的绘图提示词，以数组形式输出到“tishici”，将用户意图输出到“biaoti”。 2. 在“云中江树：智能对决：提示词攻防中的 AI 安全博弈”中，系统提示词的相关防御措施分为输入侧、模型侧和输出侧三个部分。输入侧可进行意图识别、语义匹配等综合判断用户输入是否恶意；模型侧对于有能力的厂商应增强安全性并平衡性能，开发者则要在开发中带着安全意识优化系统提示词，加入安全引导和禁止内容等；输出侧可使用传统防御和内容过滤手段，并针对大模型特点进行私有数据泄露等检查。此外，还提到间接注入和提示词泄露的情况，间接注入常发生在应用获取依赖外部数据资源时，攻击者通过隐藏恶意指令完成攻击；提示词泄露指试图操纵模型输出获取部分或全部系统提示词，大模型输出内容可分为系统提示词、用户提示和助手提示词三段，通过攻击手段可获取系统提示词。
2025-04-18
通义千问Qwen2.5-VL、阶跃星辰step-1.5v-mini、Gemini-2.0-Flash，这3个视觉理解大模型哪个最厉害？
以下是对通义千问 Qwen2.5VL 模型的介绍： 版本：有 3B、7B 和 72B 三个尺寸版本。 主要优势： 视觉理解能力：在 13 项权威评测中夺得视觉理解冠军，全面超越 GPT4o 与 Claude3.5。 视频理解能力：支持超 1 小时的视频理解，无需微调即可变身为 AI 视觉智能体，实现多步骤复杂操作。 万物识别：擅长识别常见物体及分析图像中的文本、图表、图标、图形和布局。 精准的视觉定位：采用矩形框和点的多样化方式对通用物体定位，支持层级化定位和规范的 JSON 格式输出。 全面的文字识别和理解：提升 OCR 识别能力，增强多场景、多语言和多方向的文本识别和文本定位能力。 Qwen 特色文档解析：设计了更全面的文档解析格式，称为 QwenVL HTML 格式，能够精准还原文档中的版面布局。 增强的视频理解：引入动态帧率（FPS）训练和绝对时间编码技术，支持小时级别的超长视频理解，具备秒级的事件定位能力。 开源平台： Huggingface：https://huggingface.co/collections/Qwen/qwen25vl6795ffac22b334a837c0f9a5 Modelscope：https://modelscope.cn/collections/Qwen25VL58fbb5d31f1d47 Qwen Chat：https://chat.qwenlm.ai 然而，对于阶跃星辰 step1.5vmini 和 Gemini2.0Flash 模型，目前提供的信息中未包含其与通义千问 Qwen2.5VL 模型的直接对比内容，因此无法确切判断哪个模型在视觉理解方面最厉害。但从通义千问 Qwen2.5VL 模型的上述特点来看，其在视觉理解方面具有较强的能力和优势。
2025-04-15
目前全世界最厉害的对视频视觉理解能力大模型是哪个
目前在视频视觉理解能力方面表现出色的大模型有： 1. 昆仑万维的 SkyReelsV1：它不仅支持文生视频、图生视频，还是开源视频生成模型中参数最大的支持图生视频的模型。在同等分辨率下各项指标实现开源 SOTA。其具有影视化表情识别体系、人物空间位置感知、行为意图理解、表演场景理解等优势。 2. 通义千问的 Qwen2.5VL：在 13 项权威评测中夺得视觉理解冠军，全面超越 GPT4o 与 Claude3.5。支持超 1 小时的视频理解，无需微调即可变身为 AI 视觉智能体，实现多步骤复杂操作。擅长万物识别，能分析图像中的文本、图表、图标、图形和布局等。
2025-04-15
目前全世界最厉害的视频视觉理解大模型是哪个
目前全世界较为厉害的视频视觉理解大模型有以下几个： 1. 昆仑万维的 SkyReelsV1：不仅支持文生视频、图生视频，是开源视频生成模型中参数最大且支持图生视频的模型。在同等分辨率下各项指标实现开源 SOTA。其优势包括影视化表情识别体系、人物空间位置感知、行为意图理解、表演场景理解等。 2. 腾讯的混元：语义理解能力出色，能精准还原复杂的场景和动作，如特定品种的猫在复杂场景中的运动轨迹、从奔跑到跳跃的动作转换、琴音化作七彩音符等。 3. Pixverse V3.5：全球最快的 AI 视频生成模型，Turbo 模式下可在 10 秒内生成视频，最快仅需 5 6 秒。支持运动控制更加稳定、细节表现力强、首尾帧生成功能，具备顶尖动漫生成能力。
2025-04-15
目前全世界最厉害的视觉理解大模型是哪个
目前在视觉理解大模型方面，较为突出的有 DeepSeek 的 JanusPro 模型，它将图像理解和生成统一在一个模型中；还有通义千问的视觉理解模型，其价格有较大降幅。此外，Pixverse V3.5 是全球最快的 AI 视频生成模型，在某些方面也展现出了出色的能力。但很难确切地指出全世界最厉害的视觉理解大模型，因为这取决于不同的评估标准和应用场景。
2025-04-15
大模型对话产品的优劣
大模型对话产品具有以下优点： 1. 具有强大的语言理解和生成能力。 2. 能够提供类似恋爱般令人上头的体验，具有一定的“想象力”和“取悦能力”。 3. 可以通过陪聊建立人和 AI 之间的感情连接，产品粘性不完全依赖技术优越性。 4. 能够为用户提供产品咨询服务，适用于有企业官网、钉钉、微信等渠道的客户。 5. 具有多种应用场景，如私有领域知识问答、个性化聊天机器人、智能助手等。 大模型对话产品也存在一些缺点： 1. 存在记忆混乱的问题。 2. AI 无法主动推动剧情，全靠用户脑补，导致用户上头期短，疲劳度高，长期留存低。 3. 无法回答私有领域问题（如公司制度、人员信息等）。 4. 无法及时获取最新信息（如实时天气、比赛结果等）。 5. 无法准确回答专业问题（如复杂数学计算、图像生成等）。
2025-04-14
风格化mj提示词
以下是关于 Midjourney 风格化提示词的相关内容： 仿照 GPTs 里的 MJ prompt 改的提示词可用于 coze 或其他国内的 agent。MJ 对节点无要求，画插图可不切节点，不挑模型，提示词可让 agent 补全润色。例如：“一个巨大鲸鱼头部的特写，鲸鱼的眼睛显示疲惫的神情，一个小女孩站在鲸鱼的旁边抚摸鲸鱼的脸，小女孩占画面比例很小，体现鲸鱼的巨大，吉卜力工作室风格”的提示词为“A closeup of a huge whale's head with its tired eyes. A little girl in red dress stands beside the whale, gently touching its face. The girl takes up a small portion of the frame, emphasizing the whale's enormity. Created Using: soft colors, gentle lighting, wideangle lens, Ghibli Studio style ar 16:9 style raw niji 6”。 Midjourney V6 更新风格参考命令 2.0“sref”，常见问题如想要的新图像和 sref 图像差异大时，MJ 给出了三种办法： 修改提示：语义细节太多时，编写提示用可取细节替换不需要的；风格不够时，修改提示使其更符合追求的风格。 更改“sw”值：语义细节太多时，将“sw”从默认值 100 降低；风格不够时，将“sw”从默认值 100 提高。 使用小权重强调或弱化不需要的画布元素。 参数总览与举例： “No 否定提示”：在提示词末尾加上“no”可让画面中不出现某些内容，如“no plants”表示图像中不出现植物。 “Quality 生成质量”：在提示词后加上“quality”或“q”参数可更改生成图像花费时间和质量，高质量需更长处理时间和更多 GPU 分钟数。 “Seeds 种子值”：MJ 依靠噪点团起点“Seed”创建视觉噪音场生成初始图像，每个图像种子值随机生成，可指定，v4 模型中相同种子值和提示词产生相同图像结果，可用于生成连贯一致的人物形象或场景。 “Stylize 风格化”：使用 stylize 参数可让 Midjourney 生成更具艺术色彩、构图和形式的图像，低风格化值生成的图像与提示密切相关但艺术性较差，高风格化值产生的图像艺术性强但与提示关联性少，AI 自由发挥空间大。
2025-04-11
有没有那种可以模仿抖音百万博主爆款文案的写作风格以及写作模板的AI
以下是一些关于模仿抖音百万博主爆款文案写作风格和模板的 AI 相关内容： 1. 画小二：Coze 工作流提供了一系列针对抖音热门视频转小红书图文的配置，包括整体结构图、各模块参数配置（如开始模块、Get_Video 模块、LinkReaderPlugin 模块、标题大模型、内容大模型、图片 Prompt 大模型、文生图 ImageToolPro 模块等）的详细说明。同时，在小红书标题和正文写作方面，具备多种技能，如采用二极管标题法创作吸引人的标题，产出口语化、简短且含适当 emoji 表情和 tag 标签的 200 字左右正文。 2. 夙愿：介绍了使用 GPT 模仿创作内容的万能思路，特别是在 Prompt 编写中的数据清洗部分。指出对标博主的文案模板化，数据清洗有人工和自动两种方法，推荐使用 GPT4 的数据分析器进行自动清洗。 3. AIIP 共学模版自媒体全域运营：包含对标笔记的详细信息，如标题、作者、详情、账号、主页、封面、视频、文案等。以“Deepseek+即梦，包装设计步骤来啦”为例，介绍了利用 Deepseek 和即梦进行设计的步骤，并表示希望对用户有帮助。
2025-04-11
文章风格提取
以下是关于文章风格提取的相关内容： 该提示词用于抽取不同风格文章的核心要素，抽取到的字段可作为 prompt，结合指定主题进行风格迁移。整体创作思路见文末 PDF。 具体使用方法为：拷贝文章风格提取提示词，输入给任意大模型，随后提供要抽取的文本。 已抽取的一些风格参考包括万维钢风格、史铁生《我与地坛》文风、李娟《我的阿勒泰》文风、许倬云《说中国》文风、鲁迅《狂人日记》文风、王小波《万寿寺》文风、飞书多维表格工作流自动化抽取等。 使用 DeepSeek V3 进行实验时，智能体地址为 https://www.coze.cn/s/VM9pUn9HdmA/ 。初级使用方法是输入公众号文章标题或内容，智能体会自动提取相关信息，默认风格是“炫彩”。高级使用方法需按照要求输入几个要素，如标题、副标题、分享封面、标签、风格等。
2025-04-11
你是否可以通过照片生成乐高风格人像
可以通过照片生成乐高风格人像。例如，可以使用相关的工具和技术，像在一些图像生成软件中，通过输入照片并设置相关的风格参数，如选择乐高风格，来实现生成。同时，在生成过程中可以像指挥设计师一样，与工具进行反复交流，对不满意的地方进行修改调整。广义上的像素艺术还包括立体像素艺术（类似乐高那种），相关的咒语关键词如“Pixel art”，生成思路可以是一家像素艺术风格的餐厅等。但需要注意的是，某些工具可能无法创建真正的纯净矢量图像的像素艺术，只是将图像“像素化”的像素艺术。
2025-04-11
扣子如何改变回复的语言风格
要改变回复的语言风格，可以参考以下方法： 1. 对于风格类的 Bot，提示词中的 Fewshot 对输出风格影响较大，可先找预期相关人的风格示例并修改。 2. 在 Examples 里使用特定开头的词，如“Fword”，开头字符会显著影响输出内容。 3. 加星号的部分代表加粗，根据自注意力机制可提升提示词中的关键词效果。 4. 能力方面可使用自带的 Bing 搜索和图片识别，根据需求选择，如避免 Webpilot 以免语气变温和。 5. 可根据需求决定是否加入绘画功能。 6. 防护词可参考，但没有完美的防御提示词。 7. 回复风格可来自自己的群聊机器人的风格嫁接。 8. 最后加入一些小 Tips 进一步提升个性化效果。 在场景方面，可以问 Bot 对内容的看法，或让其帮忙分析事情以获得更接地气的表述。 另外，编写提示时： 简单任务场景： 设定人物，描述 Bot 所扮演的角色或职责、回复风格。 描述功能和工作流程，约定 Bot 在不同场景下的回答方式，强调调用工具以保证回复准确性，也可为 Bot 提供回复格式示例。 指示 Bot 在指定范围内回答。 复杂任务场景：推荐使用结构化格式编写提示，扣子支持将 Bot 的提示自动优化成结构化内容，可直接使用或修改。
2025-04-09
吉卜力风格的生成是哪个ai
以下 AI 工具可以生成吉卜力风格的图像： Midjourney：仿照 GPTs 里的 MJ prompt 改了一版提示词，可以用在 coze 或者其他国内的 agent 里。不是很挑模型，基本上都可以用。方便的地方在于如果提示词懒得写全，可以让 agent 直接帮助补全润色，黏贴就可以。例如生成一个巨大鲸鱼头部的特写，鲸鱼的眼睛显示疲惫的神情，一个小女孩站在鲸鱼的旁边抚摸鲸鱼的脸，小女孩占画面比例很小，体现鲸鱼的巨大，吉卜力工作室风格的提示词为：A closeup of a huge whale's head with its tired eyes. A little girl in red dress stands beside the whale, gently touching its face. The girl takes up a small portion of the frame, emphasizing the whale's enormity. Created Using: soft colors, gentle lighting, wideangle lens, Ghibli Studio style ar 16:9 style raw niji 6（画面需要改成了 niji） Sora：生成过左半部分为超现实主义风格，细腻刻画皮肤纹理与光影变化，右半部分为吉卜力动画风格，柔和笔触呈现幻想世界魅力的震撼图像。
2025-04-08