Navigate to WaytoAGI Wiki →
Home/All Questions
人脸识别软件
以下是为您整合的关于人脸识别软件的相关信息: 在“【已结束】AI 创客松 参与同学自我介绍和分类”中,Dylan 擅长人脸识别算法和动作捕捉产品。 在“SmartBotX 模块化桌面机器人——说明文档”中,桌面客户端提供面部识别或跟踪功能的展示,可能用于安全监控、用户识别或交互式体验。 在“14、LayerStyle 副本”中,使用 YoloV8 模型可以检测人脸、手部 box 区域或者人物分割,支持输出所选择数量的通道。同时,Mediapipe 模型可以检测人脸五官,分割左右眉、眼睛、嘴唇和牙齿。
2025-04-12
本地人脸识别工具
以下为一些本地人脸识别工具的相关信息: PersonMaskUltra:为人物生成脸、头发、身体皮肤、衣服或配饰的遮罩。具有超高的边缘细节,模型代码来自。节点选项包括:face(脸部识别)、hair(头发识别)、body(身体皮肤识别)、clothes(衣服识别)、accessories(配饰识别)、background(背景识别)、confidence(识别阈值)、detail_range(边缘细节范围)、black_point(边缘黑色采样阈值)、white_point(边缘黑色采样阈值)、process_detail(设为 False 将跳过边缘处理以节省运行时间)。还有 V2 升级版 PersonMaskUltraV2,增加了 VITMatte 边缘处理方法,在 PersonMaskUltra 的基础上改变了 detail_method(边缘处理方法)、detail_erode(遮罩边缘向内侵蚀范围)、detail_dilate(遮罩边缘向外扩张范围)。 YoloV8Detect:使用 YoloV8 模型检测人脸、手部 box 区域,或者人物分割。支持输出所选择数量的通道。需在下载模型文件并放到 ComfyUI/models/yolo 文件夹。节点选项包括:yolo_model(yolo 模型选择)、mask_merge(选择合并的遮罩)。输出包括 mask(输出的遮罩)、yolo_plot_image(yolo 识别结果预览图)、yolo_masks(yolo 识别出来的所有遮罩)。 MediapipeFacialSegment:使用 Mediapipe 模型检测人脸五官,分割左右眉、眼睛、嘴唇和牙齿。节点选项包括:left_eye(左眼识别开关)、left_eyebrow(左眉识别开关)、right_eye(右眼识别开关)、right_eyebrow(右眉识别开关)、lips(嘴唇识别开关)、tooth(牙齿识别开关)。 此外,关于 AI 换脸,有开源免费的解决方案 facefusion: 本机解决方案:需要 python 环境及安装多个依赖软件,对编程知识有一定要求,且运行推理计算速度依赖 GPU,本地计算机若无 GPU 或 GPU 显存较小,执行速度缓慢,不推荐本地化安装。 云服务解决方案:可利用云厂商如阿里云的 PAI 和 AutoDL 已提供的大模型运行环境和计算能力,需产生一定费用。以 AutoDL 为例,注册后在算力市场中选择可接受价格的算力服务器,建议选取 GPU 配置更高的算力设备。通过在算法社区查找 facefusion 镜像,选择合适的镜像启动 GPU 服务器。
2025-04-12
人脸识别
以下是关于人脸识别的相关信息: SmartBotX 模块化桌面机器人的桌面客户端提供面部识别或跟踪功能的展示,可能用于安全监控、用户识别或交互式体验。 设计:AIGC 世代的设计新范式 ver 东华.pdf 中提到了人脸识别相关技术,如 MTCNN、Centerface、LUVLi Face Alignment 等人脸检测和人脸对齐技术,以及 InsightFace 等人脸识别技术。 LayerStyle 副本中的 PersonMaskUltra 节点具有脸部、头发、身体皮肤、衣服、配饰和背景等的识别功能,还包括识别阈值、边缘细节范围、黑色和白色采样阈值等节点选项。PersonMaskUltraV2 是其升级版,增加了 VITMatte 边缘处理方法,并对边缘处理做了相关改变。
2025-04-12
coze 语音克隆
以下是关于语音克隆的相关信息: 有一款适合小白用户的开源数字人工具,具有以下特点和功能: 特点:一键安装包,无需配置环境,简单易用。 功能:生成数字人视频,支持语音合成和声音克隆,操作界面中英文可选。 系统兼容:支持 Windows、Linux、macOS。 模型支持:MuseTalk(文本到语音)、CosyVoice(语音克隆)。 使用步骤:下载 8G + 3G 语音模型包,启动模型即可。 GitHub 链接: 官网链接: 另外,CosyVoice 声音克隆仅需几秒音频样本,无需额外训练数据,可控制情绪情感、语速、音高。 详细内容:https://xiaohu.ai/p/10954 项目地址:https://funaudiollm.github.io 在线演示:https://modelscope.cn/studios/iic/CosyVoice300M
2025-04-12
语音克隆
GPTSoVITS 是一个用于声音克隆和文本到语音转换的开源 Python RAG 框架,具有以下特点和使用步骤: 特点: 1. 零样本 TTS:输入 5 秒的声音样本即可体验即时的文本到语音转换。 2. 少量样本训练:只需 1 分钟的训练数据即可微调模型,提高声音相似度和真实感,模仿出来的声音更接近原声且自然。 3. 跨语言支持:支持与训练数据集不同语言的推理,目前支持英语、日语和中文。 4. 易于使用的界面:集成了声音伴奏分离、自动训练集分割、中文语音识别和文本标签等工具,帮助初学者更容易地创建训练数据集和 GPT/SoVITS 模型。 5. 适用于不同操作系统:项目可以在不同的操作系统上安装和运行,包括 Windows。 6. 提供预训练模型:项目提供了一些已经训练好的模型,可直接下载使用。 使用步骤: 1. 前置数据获取处理: 选择音频,开启切割。 有噪音时,进行降噪处理。 降噪处理完成,开启离线 ASR。 2. GPTSowitsTTS: 训练集格式化:开启一键三连,耐心等待。 微调训练:开启 SoVITS 训练和 GPT 训练。 推理:开始推理 刷新模型 选择微调后的模型 yoyo。 3. 声音复刻:开启声音复刻之旅,可实现跨多语种语言的声音。 相关资源: GitHub:https://github.com/RVCBoss/GPTSoVITS 视频教程:https://bilibili.com/video/BV12g4y1m7Uw/ 注册 colab 并启动准备:点击进入按照步骤注册即可 https://colab.research.google.com/scrollTo=Wf5KrEb6vrkR&uniqifier=2 ,新建笔记本,运行脚本启动 GPTSo VITS,整个过程比较漫长,需要耐心等待,可以整个脚本一起运行,也可以一段一段运行;运行过程包括克隆项目代码库、进入项目目录、安装 Python 依赖包、安装系统依赖、下载 NLTK 资源、启动 Web UI,运行成功后出现 public URL。 实践样本: AIyoyo 普通话 满江红 AIyoyo 粤语版 满江红
2025-04-12
现在我想使用chat gtp,应该如何使用呢
使用 ChatGPT 可以参考以下步骤: 对于产品经理使用 ChatGPT 优化 SQL 代码: 1. 进行原 SQL 输入,让 GPT 对需求有初步理解。 2. 将真实的业务需求场景及现有问题输入给 GPT,通过多轮输入输出强化 GPT 对真实需求的认知。 3. 根据 GPT 给出的新代码不断调试和优化,直至生成满足需求的新代码。例如,按照 GPT 提出的每次更新 1 天数据、创建中间结果表、利用 CASE WHEN 合并查询约束条件等优化建议进行操作。 对于安卓系统安装、订阅 ChatGPT 4: 1. 安装 Google Play:到小米自带的应用商店搜索 Google Play 进行安装,安装好后打开,按照提示登录。 2. 下载安装 ChatGPT:在谷歌商店搜索“ChatGPT”进行下载安装(开发者是 OpenAI)。可能会遇到“google play 未在您所在的地区提供此应用”的问题,可通过在 google play 点按右上角个人资料图标,依次点按:设置>常规>帐号和设备偏好设置>国家/地区和个人资料,添加国内双币信用卡并选美地区来解决。若仍搜不到,可卸载重装 Google Play 并保持梯子 IP 为美。 3. 体验 ChatGPT 3.5 版本:直接登录注册好的 ChatGPT 账号即可。 4. 订阅 GPT4 Plus 版本:先在 Google play 中的【支付和订阅】【支付方式】中绑定银行卡,然后在 ChatGPT 里订阅 Plus。
2025-04-12
从零开始学习python
以下是从零开始学习 Python 的相关指导: 一、最少必要知识与学习途径 1. 掌握最少必要知识,尽快开始并度过学习过程。 2. 参考。 3. 结合 ChatGPT,不懂的地方随时提问。 二、Python 是什么 1. Python 是一种高级编程语言,具有简单易学、功能强大、库丰富等特点。 2. 可以把 Python 想象成一个拥有很多工具(功能)的工具箱,能帮助完成画画、计算、整理东西等各种任务。 三、为什么使用 Python 1. 环境部署简单,下载两个软件,然后点点点就安装好了。 2. 语法简单,可读性强,是最适合小白的编程语言。 3. 应用广泛,可用于做网站、开发游戏、分析数据、自动化任务等。 四、Python 的起源 1. 1989 年,Guido van Rossum 在荷兰的 Centrum Wiskunde&Informatica(CWI)开始开发 Python。 2. 1991 年,Python 的第一个公开发行版 Python 0.9.0 发布,标志着 Python 正式诞生。 3. 1994 年,Python 1.0 发布,这是 Python 语言第一个具有稳定 API 的版本。 4. 2000 年,Python 2.0 发布,引入了列表推导式、内存管理和垃圾回收等特性。 5. 2000 年代初,Python 社区开始迅速增长,Python 的流行度上升。 6. 2008 年,Python 3.0 发布,不完全向后兼容,引入新的语法特性和改进,以提高语言的可读性和性能。 7. 2020 年 1 月 1 日,Python 2 正式停止支持,社区鼓励用户迁移到 Python 3。 8. 2020 年,Python 3.9 发布,引入了许多新特性,包括字典合并和更新操作符。 五、深入学习的内容 1. Python 基础 基本语法:了解变量命名、缩进等规则。 数据类型:熟悉字符串、整数、浮点数、列表、元组、字典等。 控制流:学习使用条件语句、循环语句控制程序执行流程。 2. 函数 定义和调用函数,理解参数和返回值。 了解作用域和命名空间,包括局部变量和全局变量的概念。 3. 模块和包 导入模块,学习使用 Python 标准库中的模块或第三方库。 了解如何安装和使用 Python 包扩展程序功能。 4. 面向对象编程(OOP) 类和对象:了解类的定义和实例化。 属性和方法:学习为类定义属性和方法,并通过对象调用。 继承和多态:了解类之间的继承关系和实现多态。 5. 异常处理 理解异常及其工作原理。 学习使用 try 和 except 语句处理程序错误。 6. 文件操作 文件读写:学习打开文件、读取和写入文件内容。 文件与路径操作:处理文件路径,列举目录下的文件。
2025-04-12
文生图
以下是关于文生图的简易上手教程: 1. 定主题:确定您需要生成的图片的主题、风格和要表达的信息。 2. 选择基础模型 Checkpoint:根据主题选择内容贴近的模型,如麦橘、墨幽的系列模型,如麦橘写实、麦橘男团、墨幽人造人等。 3. 选择 lora:在生成内容基础上,寻找重叠的 lora 以控制图片效果和质量,可参考广场上好看的帖子。 4. ControlNet:可控制图片中特定图像,如人物姿态、生成特定文字等,属于高阶技能。 5. 局部重绘:下篇再教。 6. 设置 VAE:无脑选择 840000 即可。 7. Prompt 提示词:用英文写想要 AI 生成的内容,使用单词和短语组合,用英文半角逗号隔开,不用管语法和长句。 8. 负向提示词 Negative Prompt:用英文写想要 AI 避免产生的内容,同样是单词和短语组合,用英文半角逗号隔开,不用管语法。 9. 采样算法:一般选 DPM++2M Karras 较多,也可参考 checkpoint 详情页上模型作者推荐的采样器。 10. 采样次数:选 DPM++2M Karras 时,采样次数一般在 30 40 之间。 11. 尺寸:根据个人喜好和需求选择。 以下是一些常见的文生图工具和模型: 1. 腾讯混元 2. luma 3. Recraft 4. 文生图大模型 V2.1L(美感版) 5. 美图奇想 5.0 6. midjourney 7. 快手可图 8. Flux.1.1 9. Stable Diffusion 3.5 Large 10. Imagen 3 网页版
2025-04-12
文章AI度检测
文章原创度检测通常包括以下两大步骤: 1. 从互联网或文章库中定位相似内容: 将文章细分为小句或段落,便于逐个对照。 从每个细分内容中提炼关键词或词组,在网络或专业数据库中搜寻可能的相似内容。 2. 评估文章与搜索出的内容的相似程度评估原创度。 此外,文中还提到了一种将文章手搓成 Token 炸弹的有趣玩法,包括编码和解码的方法。例如,在特定网站进行操作,将按钮切换到“Decode”可解码,切换到“Encode”可编码,输入隐藏信息并选择表情或字母,然后复制生成的内容。由于 Unicode 的特性,隐藏信息跨平台时不会被格式化,但在微信发送时有 1.5 万个 token 左右的极限值,超过则无法发送。在爬虫和不同系统中也有不同的表现,如在 Windows 系统导出 txt 文件会出现乱码,而在 Mac 系统打开则基本正常。这种 Token 炸弹玩法还可以用于躲避信息审核员、传输信息或当作数字水印。
2025-04-12
类似askmanyai推荐
以下为您推荐一些 AIGC 相关的产品: 1. Genmo:这是一款使用文本创建 AI 视频的应用。相较于 Pika 和 Runway,它生成视频的清晰度大幅提高,人像的稳定性和美观度强很多,支持镜头控制且控制粒度更细。目前还未开放图片生成视频,只能用文字提示词。 2. AskCodi:这是一款 AI 驱动的代码助手。它由 OpenAI GPT 提供支持,可以作为 Visual Studio Code、Sublime Text 和 JetBrains 的 IDE 的扩展/插件使用,能帮助开发人员更快更轻松地编写代码,降低人们探索软件开发职业的门槛。 3. ODIN:这是 Obsidian 的 AI 插件。它提供了通过图形提示栏进行 LLM 查询、图形可视化、下拉菜单功能等。安装 ODIN 需要先安装 Obsidian 并按照指示进行插件的安装和启用,安装完成后可在 Obsidian 界面使用其功能。
2025-04-12