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

自动化控制电脑

Answer

以下是关于自动化控制电脑的相关信息：

  • Google 正在开发名为“Project Jarvis”的 AI 项目，预计年底亮相。该项目旨在实现 AI 自动化操作 Chrome 浏览器中的任务，借助升级版 Gemini 2.0。“Jarvis”作为 Chrome 扩展短暂曝光，可作为上网伴侣，帮助用户完成自动化任务，通过截图分析屏幕内容，使用 Gemini 2.0 模型决定执行操作，例如预订餐厅或下单，预计将在 Gemini 2.0 发布后上线，可能在下个月。
  • 目前没有更多关于自动化控制电脑的其他详细内容。
Content generated by AI large model, please carefully verify (powered by aily)

References

XiaoHu.AI日报

?Xiaohu.AI日报「11月8日」✨✨✨✨✨✨✨✨1⃣️?Midjourney图像重纹理模式（retexture）的妙用通过Zbrush和Midjourney结合，实现3D建模和3D纹理输出，细化物体细节。Midjourney可自动估算场景形状，重新定义光照、材料和表面细节，增加视觉冲击力。可根据提示细化图像中的地形轮廓与光照，例如精确估算山的坡度和距离。?[https://x.com/imxiaohu/status/1854449090316370195](https://x.com/imxiaohu/status/1854449090316370195)2⃣️?Google可控制电脑的AI助手Jarvis被意外泄露Chrome扩展“Jarvis”短暂曝光，可作为上网伴侣，帮助用户完成自动化任务。通过截图分析屏幕内容，使用Gemini 2.0模型决定执行操作，例如预订餐厅或下单。预计Jarvis将在Gemini 2.0发布后上线，可能在下个月。?[https://x.com/imxiaohu/status/1854483211075866996](https://x.com/imxiaohu/status/1854483211075866996)3⃣️?E2F5工具实现文本转语音和唇同步视频制作

XiaoHu.AI日报

?Xiaohu.AI日报「11月8日」✨✨✨✨✨✨✨✨1⃣️?Midjourney图像重纹理模式（retexture）的妙用通过Zbrush和Midjourney结合，实现3D建模和3D纹理输出，细化物体细节。Midjourney可自动估算场景形状，重新定义光照、材料和表面细节，增加视觉冲击力。可根据提示细化图像中的地形轮廓与光照，例如精确估算山的坡度和距离。?[https://x.com/imxiaohu/status/1854449090316370195](https://x.com/imxiaohu/status/1854449090316370195)2⃣️?Google可控制电脑的AI助手Jarvis被意外泄露Chrome扩展“Jarvis”短暂曝光，可作为上网伴侣，帮助用户完成自动化任务。通过截图分析屏幕内容，使用Gemini 2.0模型决定执行操作，例如预订餐厅或下单。预计Jarvis将在Gemini 2.0发布后上线，可能在下个月。?[https://x.com/imxiaohu/status/1854483211075866996](https://x.com/imxiaohu/status/1854483211075866996)3⃣️?E2F5工具实现文本转语音和唇同步视频制作

2024 年历史更新（归档）

《[谷歌版贾维斯即将问世，最强Gemini 2.0加持！AI自主操控电脑时代来临](https://mp.weixin.qq.com/s/wl6G0PpX90Kc8S_qcQtjVw)》谷歌正在开发名为“Project Jarvis”的AI项目，预计年底亮相，旨在实现AI自动化操作Chrome浏览器中的任务，借助升级版Gemini 2.0。该项目类似于Anthropic的Claude35，能自主识别屏幕内容并完成复杂操作。同时，微软也推出了OmniParser，增强AI在用户界面中的交互能力。《[图灵奖得主：AI时代，我们还能教学生什么](https://mp.weixin.qq.com/s/cv3xWRbry48MlvAhZ0VpSQ)》来自图灵奖得主莱斯利・瓦利安特在西湖大学的演讲，他强调教育的核心在于帮助学生发现自己的兴趣，追求他们热爱的领域。教育不仅是传授知识，更重要的是培养思考能力、解决问题的能力和创造力。尽管人工智能将在教育中发挥辅助作用，但教师的角色仍不可替代，特别是在激发学生兴趣和关心他们成长方面。教育应鼓励学生自由探索，以培养好奇心和创新能力。《[世界经济论坛上，伯克利Stuart Russell教授的观点：AI时代你需要掌握的实用技能](https://mp.weixin.qq.com/s/U5cc0K3RExJoAiEugnUCcQ)》在世界经济论坛的讨论中，专家们探讨了人工智能对未来工作的影响。伯克利教授Stuart Russell指出，未来十年，人工智能可能会超越人类能力，取代许多重复性工作。各位嘉宾认为，未来成功者将是能够适应变化、掌握人际交往和创造力等“任务关键”技能的人，而教育系统也需相应调整，培养这些技能，以应对即将到来的经济形态变。

Others are asking
需要做一个自动化出视频的工作流
以下是一个关于自动化出视频工作流的详细介绍： 优势： 全自动化处理，解放双手。 40 秒快速出片，效率提升。 成本低廉，每条仅需 0.0x 元。 输出质量稳定专业。 DeepseekR1 保证文案质量。 还能改进，例如可以加入配套 BGM，让视频更有感染力；增加更丰富的画面内容和转场效果；使用免费节点替代付费插件，进一步降低成本；优化模板样式，支持更多展示形式；增加自动化程度，支持批量处理。 工作流程： 1. 可以在扣子商店体验，建议自己搭建。 2. 工作流调试完成后，加入到智能体中，可以选择工作流绑定卡片数据，智能体则通过卡片回复。 3. 选择发布渠道，重点如飞书多维表格，填写上架信息（为了快速审核，选择仅自己可用），确认发布等待审核，审核通过后即可在多维表格中使用。 4. 创建飞书多维表格，添加相关字段，配置选择“自动更新”，输入相关字段后，“文案视频自动化”字段捷径会自动调用工作流，生成视频。 5. 表单分享，实现“填写表单，自动创建文案短视频”的效果。 6. 全自动视频合成使用多视频融合插件，一键导出成品。但需注意节点产生的视频是异步生成，可能无法马上展现，需耐心等待几秒。 如果您还有其他疑问或需要进一步的帮助，请随时联系。
2025-04-14
自动化
以下是关于自动化的相关内容： Python 在自动化方面的应用： Python 以其简洁语法和强大库支持，成为自动化任务的首选语言之一。 办公软件自动化： Pythondocx 用于创建、修改和提取 Word 文档。 Openpyxl 或 xlsxwriter 用于操作 Excel 文件。 Pythonpptx 用于创建和修改 PowerPoint 演示文稿。 PyPDF2 用于分割、合并、裁剪和转换 PDF 文件，还能添加自定义数据、查看选项和密码，以及检索文本和元数据。 爬虫： Requests 用于发送 HTTP 请求，适合网络请求自动化。 Selenium 用于自动化 Web 浏览器交互，模拟用户行为。 BeautifulSoup 和 lxml 用于解析 HTML 和 XML 文档，提取网页数据。 测试自动化： Unittest 和 pytest 支持自动化测试。 容器与虚拟化自动化： Dockerpy 用于自动化 Docker 容器的创建和管理。 HR 政策海报生成的自动化工作流： 通过飞书和扣子的结合配置工作流，实现 HR 政策海报的自动化生成。但为保证质量，不建议完全自动化，生成内容最好有人把关。还可进一步配置机器人定时执行工作流，并将海报发送到指定群聊，实现端到端的自动化。 新工业革命中的自动化： 在生物制药和医疗保健等领域，机器可以学习并复制人的专业知识，实现规模扩展。自动化和机器人技术实现了规模，并解决了“未工业化”生物学的最大弱点，使生物技术能够大规模扩展。
2025-04-10
如何用rpa来实现读取本地excel表格里的内容进行筛选，提取某些数据值后，再自动化填写到飞书的多维表格去。怎么来实现这个功能
要使用 RPA 实现读取本地 Excel 表格内容进行筛选，并将提取的数据值自动化填写到飞书的多维表格，可参考以下步骤： 1. 关于扣子：“”（Coze）是字节跳动在 2024 年上线的新一代一站式 AI Bot 开发平台，也被称为“字节版 GPTs”。它是一个低门槛的 AI 应用开发平台，其核心目标是让没有编程基础的用户也能够轻松参与到 AI 生态的建设中。 2. 登录后，在左侧功能列表的工作空间中，点击右上角“+字段”创建工作流，自行输入名称和描述。 3. 已做好工作流后，逐步拆解每个节点的配置： 开始节点：此节点不需要做任何配置，没有输入以及输出。 读取飞书表格内容节点：点击开始节点后面的“+”，搜索“飞书多维表格”，选择“search_record”功能。添加后，点击该节点的配置，在界面右侧的参数框中，需要填写 app_token、field_names。filter 是对数据的筛选条件，没有筛选需求可直接忽略。其中，app_token 是多维表格的唯一标识符，即表格 URL 中的一段；field_names 则是要读取的具体字段，比如“标题”、“内容”，以作为后续操作的输入。该节点运行后，就能将多维表格中的内容提取出来。
2025-04-09
普通人想学习AI自动化，make和coze哪个更推荐一点
对于普通人学习 AI 自动化，Make 和 Coze 哪个更适合的问题，以下是一些相关信息供您参考： Make 对于编程小白比较友好，其思考过程较长，有助于学习，但不太适合专业选手，因为思考过程较慢，可能会让人有点不耐烦。Make 具有国内版优势，包括深度理解中国开发场景和技术生态、完全免费、无需翻墙、流畅稳定，还具备完整的 IDE 功能（代码编写、项目管理、插件管理、源代码管理等）。您可以通过进行尝试。 Coze 是一款 AI Agent 的衍生产品，其价值在于可以跟进当前 AI Agent 工具的发展情况，发现商业化机会，还能用于做产品 Demo。在学习新知识如 RAG 时，可以先通过 Claude 了解细节概念，再通过 Coze 搭建 Demo 进行实践。在学习 RAG 过程中，还可以利用 Coze 的知识库能力创建如产品资料问答机器人等 Bot。 总的来说，如果您是编程小白，Make 可能更适合；如果您希望跟进 AI 工具发展并进行实践操作，Coze 可能更符合您的需求。但最终的选择还需根据您的具体学习目标和个人偏好来决定。
2025-04-08
AI在非标自动化机构设计上有哪些应用
AI 在非标自动化机构设计上的应用包括以下方面： 1. 智能体应用： 决策智能体设计，使用语言模型遍历预定义的决策树。 轨道智能体，为智能体配备更高层次的目标，限制解决空间，要求遵循标准作业程序并使用预先设定的“工具”库。 通用人工智能体，完全依赖语言模型的推理能力进行所有的计划、反思和纠正。 2. AI 绘画应用： 快速草图，帮助设计师快速创建草图和概念图，便于探索和调整设计方案。 自动化创意设计，快速创建各种设计方案，加快设计过程和减少犯错。 自动化颜色匹配，自动匹配色彩，使设计作品更协调美观。 自动化插图绘制，帮助设计师自动化绘制插图，如手绘、卡通风格插图等。 3. 计算机视觉工具库应用： Roboflow 的开源计算机视觉工具库 Supervision 新增了高级视频分析功能，其开发的自动计数工具能识别物体、追踪姿态并进行动作计数。该工具库是全方位的计算机视觉平台，支持多种注释和图像格式，提供过滤、标签、分割、预处理和增强图像数据的功能，还集成了 OpenAI、Meta AI 等的模型，并提供一系列工具来组织视觉数据、自动化标签和部署基础模型。
2025-03-31
AI自动化工作流的网页或者软件有哪些？？
以下是一些 AI 自动化工作流的网页或软件： XiaoHu.AI 日报： 相关链接： http://qwenlm.github.io/blog/qwen1.5/ http://github.com/QwenLM/Qwen1.5 http://huggingface.co/Qwen https://huggingface.co/spaces/Qwen/Qwen1.532BChatdemo https://x.com/imxiaohu/status/1776264930506981494 Zapier 联合创始人演示的新工作流：可通过聊天界面创建，易于修改和测试。相关链接：https://x.com/dotey/status/1776124377601323266 HR 政策海报生成：通过飞书多维表格中的 AI 字段实现信息获取和加工。 Infinity AI：一键生成电影的 AI 工具。相关链接：https://xiaohu.ai/p/5531 Inhai:Agentic Workflow： RPA 软件可使基于桌面的业务流程和工作流程实现自动化，现在越来越多的 RPA 软件带上了 LLM。 ComfyUI 可将开源绘画模型 Stable Diffusion 进行工作流化操作模式。 Dify.AI 有可被复制的工作流设计。 Large Action Model 采用“通过演示进行模仿”的技术。
2025-03-27
我是一位程序开发小白，不会用代码开发程序。我现在有一台安装Window 11操作系统的笔记本电脑，配置为14代i7CPU、32G内存、1TB硬盘、1张RTX4070显卡。我想部署一套本地的大模型＋智能体＋知识库。我要怎么样才能实现无代码部署，请列出详细的安装步骤。
以下是为您提供的无代码部署本地大模型、智能体和知识库的详细安装步骤： 1. 硬件评估：您的笔记本电脑配置为 14 代 i7 CPU、32G 内存、1TB 硬盘、1 张 RTX4070 显卡，基本满足部署要求。但需要注意，运行内存最低 32GB，越高越好，最低配可能会经常爆显存。建议将软件和模型部署在 SSD（固态硬盘）上，以提高加载模型的速度。 2. 选择合适的部署工具：ComfyUI 是一个相对配置要求较低、系统资源占用少、出图速度快的工具。它最低可在小于 3G 的 GPU 上运行，甚至没有 GPU 光用 CPU 也可以，但速度极慢。SDXL 出来后提高了运行配置，最低需要 8GB 显存+32GB 运行内存，12GB 流畅运行，推荐 16GB 以上。 3. 安装准备：如果您的电脑能顺畅清晰地玩 3A 游戏，那么运行相关部署工具一般也没问题。 4. 预算和需求：根据您的需求和预算来选择合适的配置。例如，如果有做 AIGC 视频、建模渲染和炼丹（lora）的需求，可能需要更高的配置。 请注意，以上步骤仅为参考，实际部署过程可能会因具体情况而有所不同。
2025-03-26
如何在电脑上安装DEEPSEEK
以下是在电脑上安装 DeepSeek 的步骤： 1. 访问网址：https://www.deepseek.com/zh 。 2. 点击开始对话，左边选择代码助手。 3. 对于 DeepSeek R1 的申请： 申请链接：https://www.volcengine.com/activity/deepseek?utm_term=202502dsinvite&ac=DSASUQY5&rc=D3H5G9QA 。 4. 环境安装（如需要）： 若涉及相关开发，可能需要提前安装 Node.JS。 下载地址：https://nodejs.org/zhcn 。 Mac 安装包： 。 Windows 安装包： 。安装时可能需要管理员权限。安装完成后，可打开终端面板输入相关指令查看是否安装成功。 此外，还可以通过以下方式使用 DeepSeek： 1. 使用网页聊天： 安装插件：使用 Chrome 或 Microsoft Edge 浏览器，点击此链接安装浏览器插件并添加到拓展程序：https://chromewebstore.google.com/detail/pageassist%E6%9C%AC%E5%9C%B0ai%E6%A8%A1%E5%9E%8B%E7%9A%84web/jfgfiigpkhlkbnfnbobbkinehhfdhndo 。 打开聊天页面，点击右上角的插件列表，找到 Page Assist 插件并点击打开。 配置“DeepSeekR1”模型的 API key 。 基础 URL：https://ark.cnbeijing.volces.com/api/v3 。填好后点击保存，关掉提醒弹窗。 添加“DeepSeekR1”模型，即可愉快使用。
2025-03-26
ten可以安装在电脑里，然后电脑上可以看视频进行实时翻译吗？这个功能可以怎么去实现？
目前 Ten 不太明确是指何种具体的软件或工具。一般来说，如果您想在电脑上实现观看视频实时翻译的功能，可以考虑使用以下几种常见的方法： 1. 利用浏览器插件：例如谷歌浏览器的某些翻译插件，能够在您观看在线视频时提供翻译服务。 2. 专业的翻译软件：部分专业的翻译软件具备屏幕取词和实时翻译视频的功能。 3. 操作系统自带的功能：某些操作系统可能提供了相关的辅助功能来实现类似的效果。 但需要注意的是，不同的方法可能在翻译的准确性、支持的语言种类以及适用的视频平台等方面存在差异。
2025-03-25
如何让AI全自动操控电脑完成我的工作
目前，AI 在操控电脑方面已经有了一些进展。例如，OpenAI 发布了 Responses API 和一整套 Agent 创建工具，其中包括模拟人类操作电脑的 ComputerUsing Agent ，支持跨平台和本地部署。同时，OpenAI 还推出了实时监控功能，能够记录 AI 的完整操作路径，跟踪决策依据、使用工具与执行步骤，有助于调试与优化 AI 流程。 在实际应用中，普通人可以利用 AI 生成个人艺术照、证件照、绘本图像、视频，甚至创作音乐和歌曲。比如在快手的可灵 AI 网站上能看到大量视频生成的效果和相关命令词。此外，AI 数字人技术在直播和视频平台中已被大量使用，8 岁小女孩能在 AI 编程助手帮助下独立完成网站程序开发。 然而，要实现 AI 全自动操控电脑完成您的工作，还面临一些挑战和限制。一方面，AI 技术仍在不断发展和完善中，其能力和准确性可能存在一定的局限性。另一方面，法律法规对于 AI 的应用也有一定的规范和约束。 但随着技术的进步，未来 AI 在操控电脑完成工作方面有望取得更大的突破。
2025-03-24
一个从来没有接触过AI技术的、电脑方面就会打字的人怎么学习AI及应用
对于从未接触过 AI 技术但会打字的新手，以下是学习 AI 及应用的建议： 1. 了解 AI 基本概念： 阅读「」部分，熟悉 AI 的术语和基础概念，包括其主要分支（如机器学习、深度学习、自然语言处理等）以及它们之间的联系。 浏览入门文章，了解 AI 的历史、当前的应用和未来的发展趋势。 2. 开始 AI 学习之旅： 在「」中，找到为初学者设计的课程，特别推荐李宏毅老师的课程。 通过在线教育平台（如 Coursera、edX、Udacity）上的课程，按照自己的节奏学习，并有机会获得证书。 3. 选择感兴趣的模块深入学习： AI 领域广泛，比如图像、音乐、视频等，可根据兴趣选择特定模块深入学习。 掌握提示词的技巧，它上手容易且很有用。 4. 实践和尝试： 理论学习后，实践是巩固知识的关键，尝试使用各种产品做出作品。 在知识库中有很多实践后的作品、文章分享，欢迎实践后分享。 5. 体验 AI 产品： 与现有的 AI 产品进行互动，如 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人，了解其工作原理和交互方式，获得对 AI 在实际应用中表现的第一手体验，并激发对 AI 潜力的认识。 此外，如果您想深入了解 AI 的技术历史和发展方向，以及目前最前沿的技术点，有以下学习路径： 1. 偏向技术研究方向： 数学基础：线性代数、概率论、优化理论等。 机器学习基础：监督学习、无监督学习、强化学习等。 深度学习：神经网络、卷积网络、递归网络、注意力机制等。 自然语言处理：语言模型、文本分类、机器翻译等。 计算机视觉：图像分类、目标检测、语义分割等。 前沿领域：大模型、多模态 AI、自监督学习、小样本学习等。 科研实践：论文阅读、模型实现、实验设计等。 2. 偏向应用方向： 编程基础：Python、C++等。 机器学习基础：监督学习、无监督学习等。 深度学习框架：TensorFlow、PyTorch 等。 应用领域：自然语言处理、计算机视觉、推荐系统等。 数据处理：数据采集、清洗、特征工程等。 模型部署：模型优化、模型服务等。 行业实践：项目实战、案例分析等。 无论是技术研究还是应用实践，数学和编程基础都是必不可少的。同时需要紧跟前沿技术发展动态，并结合实际问题进行实践锻炼。
2025-03-22
我想学AI编程，用的电脑系统是WIN7，好多编程软件装不了吧，给我个建议
如果您使用的是 WIN7 系统且想学习 AI 编程，由于很多编程软件可能不支持该系统，以下是一些建议： 1. 考虑升级您的操作系统至 Windows7 以上版本，如 Windows10 或 Windows11，以获得更好的兼容性和支持。 2. 对于电脑硬件，系统要求 Windows7 以上，显卡要求为 NVDIA 独立显卡且显存至少 4G 起步，硬盘需留有足够的空间，最低 100G 起步（包括模型）。 3. 下载并更新 Nvidia 显卡驱动，下载地址：https://www.nvidia.cn/ geforce/drivers/ 4. 下载并安装所需环境，包括 Python、Git、VSCode： 安装 Python：https://www.python.org/downloads/release/python3119/ ，安装时选中“将 Python 添加到系统变量”。 安装 VSCode：https://code.visualstudio.com/Download 安装 Git：https://gitscm.com/download/win 安装 CUDA：https://developer.nvidia.com/cuda1220downloadarchive?target_os=Windows&target_arch=x86_64&target_version=11&target_type=exe_network 请注意，Mac 系统、AMD 显卡、低显卡的情况也可以安装使用，但可能功能不全，出错率偏高，严重影响使用体验，个人建议升级设备或者采用云服务器玩耍。
2025-03-20
我想学习ai视频ai生图的相关技能，并且我不想速成，我想了解其中的底层原理以便可以更好的控制生成的内容，我应该如何学习
以下是关于学习 AI 视频和生图相关技能的一些建议： 一、基础概念 1. 模型 Checkpoint：生图必需的基础模型，任何生图操作必须选定一个才能开始。 Lora：低阶自适应模型，可视为 Checkpoint 的小插件，用于精细控制面部、材质、物品等细节。 VAE：编码器，功能类似于滤镜，可调整生图的饱和度，一般选择 840000 这个。 2. 提示词 Prompt 提示词：想要 AI 生成的内容，需要花费功夫学习，可从照抄别人开始。 负向提示词 Negative Prompt：想要 AI 避免产生的内容，同样需要学习，可从照抄开始。 3. 其他概念 ControlNet：控制图片中特定图像，如人物姿态、特定文字、艺术化二维码等，属于高阶技能，可后续学习。 ADetailer：面部修复插件，用于治愈脸部崩坏，是高阶技能。 二、参数设置 1. 迭代步数：AI 调整图片内容的次数。步数越多，调整越精密，出图效果理论上更好，但耗时越长，且并非越多越好。 2. 尺寸：图片生成的尺寸大小，需适中选择，太小生成内容有限，太大 AI 可能放飞自我。 3. 生成批次和每批数量：决定重复生成图的批次和每批次同时生成的图片数量。 4. 提示词引导系数：指图像与 prompt 的匹配程度，数字增大图像更接近提示，但过高会使图像质量下降。 5. 随机数种子：固定后可对图片进行“控制变量”操作，首次生成图时无需关注。 6. 重绘幅度：图生图时用到，幅度越大，输出图与输入图差别越大。 在学习过程中，您可以先从熟悉基础模型、提示词和常见参数设置入手，通过实践和参考他人的经验不断积累知识，逐步掌握更高级的技能和工具。
2025-03-24
基于PLC的智能仓储控制系统设计
很抱歉，目前知识库中没有关于“基于 PLC 的智能仓储控制系统设计”的相关内容。但一般来说，设计这样一个系统需要考虑以下几个方面： 1. 需求分析：明确仓储系统的功能要求、存储容量、货物类型和操作流程等。 2. PLC 选型：根据系统规模和控制要求选择合适的 PLC 型号。 3. 传感器和执行器配置：选择合适的传感器来检测货物位置、状态等信息，以及确定执行器如电机、气缸等的类型和数量。 4. 控制程序编写：使用相应的编程软件编写 PLC 控制程序，实现货物的入库、出库、存储位置管理等功能。 5. 人机界面设计：提供直观、易于操作的人机界面，方便操作人员监控和控制系统。 6. 系统调试与优化：对设计好的系统进行调试，优化控制参数，确保系统稳定可靠运行。 希望以上这些通用的思路能对您有所帮助，如果您需要更详细准确的信息，建议查阅相关的专业书籍和技术资料。
2025-03-12
如何控制图生图的形象和动作呢
要控制图生图的形象和动作，可以参考以下方法： 1. 使用 ControlNet 插件： 姿态约束类预处理器：包含了所有人物信息的预处理器，可将图片发送到图生图，通过“缩放后留白”和提高重绘幅度改变背景，再次发送到图生图使用 ControlNet 中 tile 模型细化，最后使用 SD 放大插件。 自定义动作骨架：在【扩展】【加载扩展列表】中搜索【posex】安装插件，或将插件文件夹拷贝至指定目录，确保软件是最新版本并重启。重启后点击“将图片发送至 ControlNet”，可通过拖动鼠标左键旋转视角、中键缩放视角、右键拖动视角，玩坏了可点击重置镜头和动作。 2. 参考风格 reference：首先进入文生图，填写提示词生成一张图。然后将图片拖入到 ControlNet 中，预处理器选择 reference only，控制模型选择“均衡”，保真度数值越高对图片的参考越强。可以通过添加关键词的方式来改变人物的服装、表情、动作等。 3. 利用 ControlNet 控制姿势：大模型和关键词正常填写生成想要的小姐姐照片，接着鼠标滑到最下面点击“ControlNet”，上传指定姿势的照片并点击“启用”，在“预处理器”和“模型”里选择“openpose”，点击“预览预处理结果”，最后点击生成照片。
2025-02-28
生成视频不受提示词控制怎么办
如果生成视频不受提示词控制，可以考虑以下方法： 1. 向提示添加其他描述符，以便更好地控制生成的视频内容，例如： 电影摄影术语，如浅景深、胶片拍摄和电影。 构图术语，如广角、特写、从上方拍摄和从下方拍摄。 照明术语，如背光、柔光和硬光等。 颜色分级术语，如饱和色、高对比度以及暖色调或冷色调。 情绪或语气术语，如 somber、tense、euphoric 和 mysterious。 摄像机移动术语，如向右或向左平移、向上或向下倾斜以及推拉或向外移动。 2. 对于海螺 AI： MiniMax 视频模型不仅可以准确识别用户上传的图片，并确保所生成视频在形象保持上与原输入图像高度一致，且光影、色调完美嵌入新场景的设定，为创作者提供连贯、深度创作的空间。 在指令响应方面，还能理解超出图片内容之外的文本，解构指令框架和深层语义并在视频生成中整合，实现“所写即所见”。 只依靠模型综合能力，就能实现最顶级的影视特效。 人物表情控制力强，5 秒钟内实现从开怀大笑到掩面哭泣，让视频表达更能深入人心。 近期，海螺 AI 视频同步上线了提示词优化功能，即使在大家对特定的构图、氛围、动作或运镜没有特殊指定要求时，建议开启此功能，聪明的海螺 AI 会结合原始 Prompt 扩展视频的美学呈现。同时，对于更专业的创作者，开放 2000 字的提示词空间，让创作更加精准。 3. 使用 Camera Motion 时： 点击“AddImage”上传图片。 在“Prompt”中输入提示词。 选择您想要的运镜方向，输入。 运动幅度和画面主体运动幅度有关，与运镜大小无关，可以设置成您想要的任意值。 选择好种子（seed），是否高清（HD Quality），是否去除水印（Remove Watermark）。 点击“create”，生成视频。
2025-02-18
使用O1来控制智能硬件
O1 是一个完全开源的可以控制家里电脑的 AI 语音智能助手。它能够看到您的屏幕内容，学习使用您常用的应用，无论您身在何处，都能通过按下按钮、讲话让它帮您操作电脑完成任务。其 CAD 文件、电路设计、代码完全开源，有能力的开发者可以直接制作该设备。灵感来自 Andrej Karpathy 的 LLM 操作系统，10 月份他的 LLM 科普视频含金量仍在上升。O1 运行一个代码解释语言模型，并在计算机内核发生特定事件时调用它。项目地址：https://github.com/OpenInterpreter/01
2025-02-05
控制模特的姿势
以下是关于控制模特姿势的方法： 在使用相关 AI 工具时，如 Stable Diffusion 等，有以下几种控制模特姿势的方式： 1. 使用蒙版和提示词：输入相关提示词，如“蓝色毛衣”，处理蒙版区域内容为“填充”，调整尺寸与图像一致，重绘幅度为 1。但可能会出现衔接问题，此时可降低重绘幅度或添加 openpose 来控制人物身体，获得正确姿势。 2. 利用 ControlNet 功能： 正常填写大模型和关键词生成照片。 鼠标滑到最下面，点击“ControlNet”。 点击空白处上传指定姿势的照片，并点击“启用”。 在“预处理器”和“模型”里选择“openpose”，用于让计算机识别人物姿势。 点击“预览预处理结果”，最后点击生成照片，即可得到指定姿势的照片。 在 ControlNet 参数配置方面： tile 用于对整体画面的控制，可选择分块+固定颜色+锐化，以保证颜色统一降低后续闪烁，不需要全过程引导，仅在开始时固定画面。 lineart 用于提取人物线条，保证人物整体不跑偏，权重给到 0.6 以控制整体画面输出稳定。 openpose 用于控制人物的姿态、表情和动作，推荐使用 DWpose 处理器，其对面部和手部的识别效果较好。
2025-01-17