粉丝41.2万获赞400.4万


逼自己一周练完,其实你很会 ai, 存下吧,全一百七十八集很难找,全的警告,本系列视频耗时两个半月,制作共计一百二十分钟,让你从康复 ui 小 白到 ai 大 神,这应该是目前抖音仅有的从入门到进阶的全套系统康复 ui 教程。 ai 界最全能的软件来了, 一款软件就承包了所有的 ai 需求,关键是官方正版完全免费,它就是康复 ui 工作,留意打包,还没试过的直接抄作业。 哈喽,朋友们大家好啊,欢迎来到 comui 全系列课程的第二节课,那么在这一节课呢,我将带领大家一起去深入了解 comui 纹身图以及背后的深图逻辑。 好,那么我们现在就开始我们第二节的一个课程了啊,首先大家看到我们的一个啊,工作流老师打开的这一个界面啊, 那么这个工作流的话呢,是我们用上了一个 laura 啊的一个组合生出来出来的一个效果,大家觉得还不错,对不对?好,那么我们先不管这一个界面啊,我们先加载一个新的界面啊,然后加载一个默认的工作流出来啊,加载一个默认的工作流 啊,这个默认的工作流呢,其实就是我们要讲的这一个,嗯,最基础的这个纹身图的啊,工作流了。好,那我们先来去理解一下每个节点的一个含义吧啊,每个节点的一个含义?首先呢,我们左边的这一个节点啊,左边这个节点呢,它就是 checkpoint 加尔器, 那么这个加尔器呢,它其实就相当于我们选择大模型的一个节点啊,那么在 函数 ui 中呢,我们基本上每一个参数啊,比如说大模型的选择, laura 的 选择, bay 的 一个选择,都是通过一个节点来去选择的啊,等下我们可以去了解到,那么在这里的话呢,大家就可以选择我们需要用到的一个模型,比如说我们用一个白菱 啊,白人的这一个模型,叉 l 的 一个模型,对不对?好,那么这个的话呢,就相当于是大模型的选择,对不对?那么除了大模型的选择,我们还需要什么呢?还需要提示词的一个出现,对不对啊?那么这两个节点啊,那么我们都叫它节点啊,那这两个节点呢,它分别是我们的 正向提示词的一个输入,以及负面提示词的一个输入,那么在上面的这一个输入呢,就是正面提示词, 那么怎么样分辨他们两个哪个是正面呢?其实就取决于他们后面的这一个线条啊,不说叫这个参数的这个条啊,他是连到哪一个的啊?连到这个 k 传感器,他是连到正面条件,他这个宽里面的就是正面条件, 如果我们把它给反过来,那么这个宽的话呢,他就会变成负面条件,明白吧?不管你这里面填的是什么啊,不管你里面填的是什么, 然后这个就会变成正面啊,他就这样反过来,所以说大家一定要在前期的时候呢,注意好我们的这一个参数信息的这个连接啊,正面条件记得连哪里啊?负面条件是连哪里,不要连错了。好, 那么我们这两个是文本的输入框,对不对啊?它叫 clip 文本编辑器啊,等一下我就会给大家去解释为什么它叫 clip 文本编辑器。好,那么这个 collate 这个节点呢,就相当于是我们图片的尺寸调节,以及我们 p 四大小 啊, p 大 小的意思呢,其实就是我们生成图片的张数,你想生成一张,那就是选一,那么如果你想生成两张呢,选二啊,这样的话呢,我们就可以生成两张图的意思啊。好,那么这个 k 采集器呢,其实就相当于把我们前面所有的一些信息 集合出,集合到他的这个节点里面,然后在这里呢进行我们的一个图片生成啊,然后里面有一些参数,我们等下会讲解, 那么这个 ve 解码呢啊,等一下我们会专门去讲一下这个 ve 解码它的一个作用,然后最后的话呢,我们就保存一下图片,那么我们这几个节点其实都已经出来了啊,他们每个节点的一个用法啊,然后的话呢我要去讲解一下,就是我们的这个线条的一个连接 啊,大家可以看到我们大模型这里有个模型对不对?那模型它代表的一个啊,参数的颜色就是紫色的对不对?所以说它一定要连到 跟紫色有关的一个节点上啊,大家看到没有,你这一个模型啊,如果你不连这个模型,你连正面条件是连不上的啊,同学们一定要注意啊,连不上的,所以说我们一定要注意这个, 嗯,对应参数的一个连接,就说信息不能错啊,黄色的就一定是啊,跟提示词有关的啊,你看这个红色的就是 v e 啊,你红色的是连不到黄色的上面的啊,就是这个意思,好,那么 我们了解了这一个每个节点他大概是什么样的一个作用之后呢?我们就来拆解一下他的一个真图原理啊,那么在这里的话呢,我们先升一张图啊,比如说一个弯钩儿啊,我们先升成一张图,对不对?我们其实选好大模型之后,我们只需要来一个提示词啊,点击一下生成, 他就给我们去升一张图啊,然后这里我们尺寸的话呢,应该是调错了啊,我们这里填一,然后一零二四乘以一零二四 啊,我们在这里去点一下生图,对不对?他这样的话呢,就会给我们生成一张啊,女生的一个图片,对吧?啊,很好看的一个女生图片,那么他是怎么样做到这一步的呢?那我们就来到了怎么样去 拆解这一个纹身图,他的一个厚涂的原理了啊,好,那我们就来到我们的这个 ppt, 我 们首先的话呢,呃,我们刚刚的那个步骤,其实就是这一个 ppt 的 一个作用啊,就是我们输入一个 w 就 能得到一个女孩,对吧?啊?那么他的一个后台到底是怎么样运行的呢?首先我们要讲一下大模型, 就说大模型它里面是什么东西啊?它里面有什么?它能这样子生成图片,对不对?大模型它其实就是把我们在训练的过程中啊,把我们很多真实的图片,就比如说它训练了很多女生,他把很多女生的一个图片,以及 女生图片对应的一些提示词,比如说这个女生可能是个黑色头发啊,然后呢棕色的眼睛,对不对?白白的皮肤,他把这些提示词呢,变成每一个图片都有的一个标识啊,那大家看到没有这张图 你就能看到啊,在这一个空间里面,这一个我们每一张女生的图,他都会变成这样的招生图啊,就像这种马赛克的啊,像那个电视没有信号的那种图片,对不对?那么在底下呢,有一些小字啊,但其实这些小字呢,其实就是 就是图片所对应的那些词转化成的一些参数啊,大家可以这么理解,然后呢,每一张图都有他对应的一些啊提示词的参数,所以说他这样子啊,素材多了,然后在这个浅空间里面,他就能当做是一个大模型 啊,大模型里面就是有这么多参数啊,有很多张图片,以及有每一张图片对应的一些参数的一个提示词。好, 那么这个就是大模型的作用啊,它储存了很多参数对不对?好,那么 clip 是 什么意思呢啊?大家可以看到,在我们大模型里面啊,大模型的一个输出里面,除了有模型对不对?那么这个紫色的模型其实大家就能理解了,这里面就是纯属了一些图片的数据。 好,那么这个 clip 呢?是什么意思呢? clip 呢?其实就相当于把我们输入出,输入进去的英文翻译成 ai, 它能听得懂的 talk 啊,那么大概可以理解成向量啊,那么 因为 ai 它是听不懂,比如说我们一个弯钩啊,或者说一个蓝色头发啊,棕色眼睛这样的一个提示词的,对不对? ai 它是听不懂的,它只能听得懂它属于它的语言啊,所以说 clip 这个东西就是帮助我们去翻译给 ai 听的啊,让 ai 能知道我们真正想要去出什么图啊,然后呢去大模型里面找对应的一些造声图啊, 明白吧?这个 clepe 就是 这样的一个作用。好,那么 ve 是 什么用呃的一个用法呢? ve 它的一个用法就相当于把我们的图片可以变成造声图, 因为我们的 ai 或者说这个 stable definition 在 浅空间里面只能理解这个造声图这种形式,所以说我们的 ve 它的一个作用就是把我们的图片变成 这个造声图,或者说把它生成出来的造声图解码成我们的一个正式图片啊,那么 ve 它的一个作用就相当于图片的一个翻译官 啊, clip 就 相当于我们文本的一个翻译官,那么它翻译进去的都是属于在浅空间里面进行计算。好,那么这个 k, 那么这个浅空间里面到底是在干什么呢?其实我们的深度流程就是通过我们的一个浅空间在浅空间里面进行计算的。好,那么它具体的一个步骤是什么呢?就是 我们输入一个提示词啊, one two, 那 么这个提示词啊, clip 就 会把它翻译成 一个项链啊,那么一下他能听得懂,那么他能听得懂之后呢,就会在我们的大模型里面找到对应的啊,跟弯戈尔对应的那一个造成图里面的照点 啊,然后这个时候呢,空 late 就 会确定一个招生图的尺寸啊,因为我们是随机生成一张招生图吗?那么那个招生图里面呢,就会带有这个弯个的一个属性啊,那么好了,那么得到了这个招生图之后呢,我们就会这个招生图就会经过我们这一个 k 产气 啊,来到这个 k 传感器里面,那么 k 传感器呢,就会把那个噪声图不断的把那个噪点给去除,那么具体去除多少步啊,以及去除的效果怎么样?那就是取决于我们里面的参数了 啊,我们里面的一个参数的话呢,就是通过调节我们的一个步数,或者说 c f g 值啊,以及我们的采暖器和调度器,那么采暖器和调度器呢,它其实就相当于我们怎么样把那个噪点去除啊?它的一个方法是什么样啊?那么其实 去除的差不多了,那个照点去除的差不多了,那么我们图片就会变成这样子,对吧?啊?但是呢还不能够达到我们这种画面的效果,对不对?这种画面就像真实的图片一样,那么我们就要通过 v e 烂吧烂它这一个 接近我们真实真实的图片的一个带照点的一个图转成,或者说解码成我们这个图片,那么其实我们的这个工作流程大家就能明白了啊,对不对啊?那么我再给大家去讲一遍, 大模型提供所有图片啊,造成图的一个数据集 click 文本,帮助我们去翻译我们的提示词啊, ai 他 就能知读的懂,我们想要什么画面,他就可以在大模型里面去找 啊,好,那么这个空内存呢,就负责是我们那张图片的一个大小和尺寸啊,以及我们的一下生成几张,那么所有的参数收集完成之后呢,就会在空内存 啊,就会在 k 产生器里面呢进行把我们那个噪声图呢啊,对应那张图像去降噪啊,最后的话呢,通过 ve 的 一个解码就能把我们这张图片给它真正的生成出来了。 那么这个图片的这一个流程的话呢,就是属于我们真正的一个生图的流程了啊,这样大家应该都能明白了。所以说大模型他的一个非常关键的啊,如果没有他的这些数据啊,你是不可能能生成出一个 很好看的一个效果的啊。然后再举个例子呢,就是如果我们的大模型他只训练了动漫的一个画面,对不对?他这里面所有的一个参数啊,都是属于动漫的, 那么你想让他去生成真实的一个图片就是不可能的,对不对?因为他根本就没有这个对应的数据级啊,那么你再给他写详细的提示词,他都不能够给你去生成很好的画面。好,那么我们讲完这个生图原理之后呢,大家就能明白了,我们这个 嗯背后的原理到底是什么样的啊?那么我们再来去讲一下这个纹身图怎么样去加 lara 啊,我给大家进阶一下,那么纹身图想要添加 lara, 那 么我们首先要理解 lara 它到底是个什么东西? lara 其实就相当于大模型的微调模型,因为有些大模型啊,他不能够,虽然说他训练了很多图片对不对?但是呢他不能针对某一种风格或者说某一种角色去深沉 比较精准的啊,不知道大家能不能明白,就比如说我要生成一个路飞的形象,虽然说这个大模型可能训练了一张或者说两张路飞,但是呢不够多啊,所以说他可能去生成路飞,他就不够像啊,那么这个时候呢,我们就要需要去专门用一个 啊,很精准的一个路飞的 lara, 因为路飞的 lara 它就相当于你可能有二十三五十三专门训练路飞的一个图片啊,那么训练出来的这个小模型就叫 lara 模型啊,那么我们就可以很精准的生成路飞了,那么 在这个这里的话呢,我们去讲解一下这个怎么样去添加我们的 lara, 那 么 lara 大家都知道喽,刚跟大家说了,我们这 lara 相当于一个小的模型,那么模型是在 所有的一个参数的一个输出啊,它是作为所有参数的一个输出的,所以说它一定是要连到前面的,不然的话呢,你前面你后面的这些节点,它都是接收不到数据,它就没有办法进行一个生成了。好,我们这个时候呢, 找一下啊,双击这个空白的区域,我们找出 lua 加载器这一个名称啊, 啊,找出这个节点,然后呢怎么连接呢?大家看到没有有一个很好的连接方式,就是说看它的左右的一个输入和输出的信息。 好,我们在这里看到呢,它左边的一个输入啊,那么必须是有一个模型和 clip, 对 不对?那么大家看一下哪一个节点呢?是可以直接给到它 这两个参数的呢?只有这一个节点对不对?那么我们就进行一个连接好,那么连接好之后呢,怎么样再连出去呢?其实大家就能一看就能明白了,那肯定是经过这个节点之后呢,再连给我们后面的一些节点的,对不对?那么 klipp 也是进行一个连接,其实这个东西就像一个串联一样, 对不对啊?就像一个串联一样,好,那么在这里的话呢,我们选用一个其他的一个 lala 啊,那么在这里的话呢,我们用一个魔法阵的一个 lala 啊,魔法阵的一个 lala 啊,我们去申图。好,那么在这里的话呢,老师给到大家推荐的一个提示词啊,那么包括我们推荐的一个啊,大模型啊, lala 啊,我们都是给了参数的啊,所以说大家可以去参考一下我们的这一个,嗯, 提示词啊,提示好,我们这个时候呢,点击一下生成,大家就可以看到我们生成的一个效果喽, 对不对?有了 loa 之后呢,我需要得到的一些画面效果,它就可以很精准的给我表现出来啊,如果我们没有用这个 loa, 那 么它的一个魔法阵的效果肯定就是 不太好的啊,效果不太强烈的。我们这一个大模型,包括我们的一个 lua, 以及我们这节课会用到的工作流呢,都会放在我们的一个评论区。好,那么我们这一个工作流就是搭完了,然后我们再来讲一下啊,这里面有没有什么需要注意的地方啊?其实就是这个 k 传感器喽 啊,黑铲器,这里呢有啊,步数的意思就相当于是他降噪了多少步啊,我们这里默认填二十到三十步就可以,三步距值呢,就相当于我们的提示词的听话程度,如果你想让他听话一点,那你就调高,如果想让他没那么听话 啊,你就调低一点,但是呢太高的话呢,会导致我们的一个棒面的一个质量降低啊,这个大家一定要注意,然后呢踩样器和调度器我们就选默认就好了, 降噪值在纹身图的一个过程中一定是要填一的。好,那么我们今天的一个纹身图的啊讲解,包括我们那个纹身图加拉拉啊,以及我们深图原理的一个课程的话呢,我们就讲到这里了啊,视频用到的工作流插件模型 啊,也可以在评论区留言啊,老师都会一一分享给同学们的啊,好了,大家一定要关注我啊,老师下一期会带大家继续的去深入了解靠谱 ui 图深图的各种参数节点的含义,以及背后的一个原理啊,还有使用方法。 哈喽,各位同学们大家好呀,欢迎来到本期靠谱 ui 全系列教学视频的课程, 那么这节课的话呢,我会带领大家去学习一下我们图深图的深图原理以及工作的搭建。好,那么我们就正片开始啊,好,首先的话呢,我们要去来了解一下这一个纹身图 和图深图他的一个深图原理的一个差别啊,其实他们是很接近的啊,大家可以看一下右下角的老师给出来的这一幅图啊,如果我们不看 这块区域啊,那我们打开一个形状啊,我们假如用这个形状把这个给遮挡啊,假如给把这个给遮挡好,那么把这个遮挡之后呢,其实 我们不看这块区域啊,那么这个流程就是我们看不出来纹身视频的一个流程了啊,纹身图的一个流程,那么大家可以看一下啊,纹身图的流程是什么?我们输入一个 text 提示词啊,就是文本的提示词,然后经过 clip 文本编码器,对不对?那么 ai 它才能理解到我们的提示词对不对? 提示转化为 talk 之后呢,再通过我们的这一个,呃,在潜空间里面,对于我们这个大模型,对不对啊?生成成一个随机的图,那么这个图的话呢,不断的进行叠代之后呢,就会生成我们的一个接近于真实画面的一个 带有照点的一个图片啊,然后通过我们的一个 ve 的 一个解码,对不对?然后呢,就能生成我们的一个真实的一个图片啊,然后如果我们图生图是怎么样? 图生图我们是不是想法是什么?有一张参考的图片,你要根据我这一张参考的图啊,或者说输入给 ai 的 一个图啊, 来让 ai 知道啊,我是要基于这张图去生成的,对不对?那么这个时候呢,图片怎么输入给 ai? 其实就是图生图工作流里面最大的一个 问题了,对不对啊?怎么样输入给 ai 呢?那么我们可以先知道啊,怎么样从噪声图转化成我们的图, 对不对啊?就是通过这个 v e 啊,它解码对不对?那么 v e 它能不能帮助我们把我们的原来的图片啊,就是一张真实的一个图片,然后能转成招生图呢?因为 static 选的模型在浅空间里面只能识别招生图, 所以说我们需要把我们的图片啊,就真实的图片,不管你是什么图啊,只要你你能看得懂的图 啊,通过 ve 的 一个编码器啊,跟这个解码器不一样啊,编码器,然后呢把我们的图转成造声图, 对不对?然后这一张造声图就会替代我们纹身图之前学习到的那张随机的图啊,那么对于这一张图呢,进行不断的降噪啊,不断去叠代降噪,这样我们就完成了我们图生图的一个生图流程了啊,其实很简单, 就是纹身图,他是生成一张随机的造型图,然后去叠带,对不对?那么图腾图的话呢,就是不是随机的,是我们给他一张图,然后呢他转成造型图,然后对于那张 我们转成的造成图再进行一个降噪叠带,所以说就能够去形成我们的图生图的一个效果了啊,那么这个东西的话呢,其实就是我们刚刚说的图生图的一个生图原理啊,好,那么具体的一个降噪啊啊,或者说去噪的一个过程中是什么样的呢?其实大家可以看一下我们左边这样图, 那么首先我们图片输入进去肯定是从右边开始的啊,从右边开始的啊,就是说我们的图如果是一张照相图的话啊,我们纹身图 一张照相图对不对?那就是最右边那么不断的去叠带成清晰的图片,就是从右到左啊,那么这个照点越来越少,越来越少啊,慢慢的去消失啊,就会成为我们这样的狗狗。那么如果我们是图生图呢, 真图的话呢,就是先输入一张狗狗,对不对?那么输入这张狗狗之后呢,他就会在我们从左到右,先把它变成一个造型图,再从右到左变回来 啊,这个东西的话呢,从左到右,再从右到左,其实就是我们的一个图生图的一个流程啊,这个大家能看的明白,好,我们就进入下一个啊,那么我们的图生图的工作流怎么样去搭建呢 啊?其实很简单,我们先去来啊,导出导入一个纹身图的工作流程吧,大家看到没有,这个就是最基础的纹身图的流程,对不对啊?我们输入一个 one boy, 他 就给我们出来一个男孩,那么我们如果想要去把它变成图身图怎么办? 其实就是从我们的空垒腾这里入手嘛,因为在浅空间里面,这个空垒腾会帮助我们创建一个随机的马赛克,对不对 啊?这个时候呢,我们把它给删掉,或者说断开这个 laten 的 连线啊,不要让这个空 laten 是 连到我们的潜空间里面,对不对?不然的话它又生一个随机的好,这个时候我们点击一下拉出来,这里有一个 ve 的 一个编码器 啊,那么 ve 的 一个编码器的话呢,它其实就相当于可以让我们上传一个图片啊,加了一张图,对不对? 那么加载完这一张图之后呢,我们需要注意了哦,这一个 v e 的 一个连接啊,一定要连上去,不然的话呢,他 v e 进行编码的时候呢,是没有模型的 啊,没有模型的,所以说一定要有模型,不然的话他会报错。好,这个时候的话呢,我们再输入一个对应啊,比如说一个弯歌,因为我们的图是弯歌吗?啊?点击一下生成, 这个时候大家有没有发现,我们这个女生跟这个这个女生完全不一样啊,对不对啊?效果完全不一样啊,为什么呢? 其实这个就跟我们的降噪有关了啊,就是这一个值,那么我们现在降噪填的是一对不对啊?那么在图升图的一个过程中呢,降噪就是我们 k 产生器里面最重要的一个值 啊,他相当于 web ui 里面的重绘幅度,其实大家就可以理解成重绘幅度啊,他写的这一个降噪是属于我们深度原理的一个,嗯,概念啊,那么 这个如果是重绘幅度那么一的话呢,是不是最大的,那就相当于你是百分之百对我们这张画面进行重绘了,那么他肯定跟左边的这个图是不一样的,他是会去参考,或者说他只会根据你的大模型以及你出的提示词 啊,什么意思呢?就是你输一点零,他其实就相当于纹身图啊,因为你完完全就跟你这个没有任何关系了,所以说如果我们想让这个画面生成出来,这个画面比较接近于我们的原图的话呢,你一定是要降低我们的降噪值的 啊,比如说零点五,对不对啊?我们降到一半这个时候呢,你就会发现这个图啊,他是会比较接近于左边这张图的,对不对啊?零点五就比较接近了,那么如果我们再调低呢啊,想让他无限的接近,我只想让他去刷一遍图,那么零点一其实都 ok, 对不对啊?零点一都是可以的啊,零点一之后呢,你就会发现这张画面基本上是没有什么太大的一个变化啊,除了这个人物细微的表情会有点变化,是不是啊?这个的话呢,就是我们图声图它的一个作用了,那么图声图它主要是用来干嘛的呢?其实我们用到最多的是什么? 就是我们的图片的转会啊,转风格嘛,啊,我真实的一个女生啊,转成一个动漫的女生啊,对不对? 动漫的一个男生,转成真实的一个男生啊,就是转会啊,我们就叫他转会不同的风格的进行的一个转换好,那么转会的话呢,怎么样去操作呢?其实很简单啊,老是拿一个,比如说我们拿这个女生,对不对啊?一个真人的一个小姐姐啊,那么我如果想把它转成一个 动漫的一个效果怎么办呢?首先其实最重要的就是把我们的一个大模型,你就换什么风格吗? 对不对啊?或者说你自己去添加一个 loa 加气啊?上一节课的话呢,我们已经讲过了,对不对?如果大家有兴趣听我们上一节课纹身图的一个原理的话呢,记得一定要关注我们的一个账号啊,然后呢,这样的话呢,大家就可以学习到整一套的康复 u i 课程了啊,然后 如果大家已经填好这一个啊,我们的大模型之后的话呢,就是我们的提示词了啊,那么提示词的话呢,你首先有两个方法啊,两个方法,一个是反推 啊,反推,怎么反推呢?其实很简单啊,我们双击空白区域啊,鼠标左键双击啊, w d 啊,一四反推标烟器,如果用过外部 y 反推的同学应该是知道这一个节点的啊,然后我们拉一个展示文本出来啊,也可以把这个展示文本直接连到我们的这个 文本编码器的这里啊,你这样的话呢,他输入出来的这个文本他就会直接变成我们的一个正面提示了啊,大家能明白这个意思吧?好,那么我们这个时候的话呢,最好就是不要接啊,不要接啊,我们把它转换为主键, 我们先把它的这个提示词给它进行一个反推出来,出来之后呢我们再去添加我们自己需要的,比如说加一些动漫的一个提示词,对不对啊?我们点击一下生成啊,先让它反推 好,返回出来之后呢,它是不是已经在跑我们的一个流程了啊?我们先不管它对不对啊?我们先不管它,我们先把这个提示词给它去复制啊,然后呢就粘贴一下啊,到我们的翻译的一个场景啊,我们转成中文对不对?它这里的提示词你就会发现它这里有什么现实主义啊 啊,或者说其他一些提示词,你你不需要,对不对?我们是要动漫的一个风格,所以说我们这个时候呢一定要改一下我们的提示词,比如说动漫风格对不对?二次 二次元效果是吧?然后呢再加一些高质量画面啊,或者说再加一个四 k 啊这种我们补充一下提示词,让提示词写的更好,是不是啊?这样的话呢,我们画面也会更好, 那么这个时候呢,我们把我们的题词给它去复制上去,然后我们就不需要这个反推了,不需要的话呢,我们可以把它删掉啊,你去按住 ctrl 键,然后选择这两个节点之后呢按 delete 啊,或者说呢啊宽选它之后呢按住 ctrl 加 b 啊,那么就可以把它给隐藏了啊,隐藏不是删除的意思啊,那么这个时候呢,我们提字词也写好了,对不对?我们点击一下生成, 我们会发现这一个画面啊,好像没有什么太大的变化啊,他没有太动漫化对不对啊?只是感觉脸型有点变化,也就是因为我们的降噪不够嘛,啊?重绘的一个值不够,那我们就调高一点零点五啊,点击一下生成 这个时候你就会发现零点五的一个效果,他就已经我觉得还是不错的,对不对啊?你看这个女生,他已经转成动画化了,但是呢他整一个画面也没有太大的一个变化,是不是啊?这样的话呢效果就是比较好了。好,那么如果我们想让他再动画化一点的,那就可以继续调高,比如说零点六 对不对?一点六啊,零点六的一个效果的话呢,我觉得也还是不错的,只不过他可能重回幅度大了之后啊,他就会更加的 啊,在画面里面添加一些我们原本没有的一个内容,比如说右上角他出现了一个窗帘,对不对啊?现在的话没有啊,那么如果我们再继续调高呢 啊?零点八呢,我们可以看一下他的效果啊,零点八的话呢,大家可以从预览图啊现在生成出来的一个图片可以看到啊,基本上他就跟左边这个图啊,差距有点大了啊,但是呢他会跟我们的一个提示词越来越接近 啊,提示词越来越接近,你调到一的话呢,就基本上是个纹身图了,明白吗?啊?为什么他还是坐在船上?因为我们提示词肯定是写了什么坐在船上,因为我们是通过这个反推出来的,对不对?所以说 具体你要达到什么样的一个效果啊?你想让他像一点原图,那么你就调低啊,那么就调低,比如说零点五,对不对?如果你想让他去,呃,没有那么像,只是参考一点点,那么就调高,是不是啊?但是你的题字词一定要写精准 啊,那么就这个意思好,那么我们这个工作流就已经给大家去讲完了啊,那么回到 ppt 给大家去再说一下啊,就是说 我们的一个降噪值 k 传感器里面的这个降噪值越高啊,画面是不越不接近原图的啊,然后呢,我们的降噪值越低,是越接近原图的提示词的影响,它就会越来越小 啊,因为你重会幅度就根本就没那么大吧,画面你都跟改变不了多少,你怎么去?呃,影响就提示词的影响呢,对不对啊?那么你只有在降噪值高的时候,也就是重会幅度高的时候呢,你这个画面改变的幅度才大 啊,你这个幅度改变大,你的这个画面才能去接近提示词啊,你提示词才能生效啊,那么这个的话呢,就是我们图升图的一个 啊,需要注意的一个点啊,其实最重要的就是这个降噪好吗?啊,然后今天这节课的话呢,我们就讲到这里,视频中使用到的这一个工作流啊,包括我们的一个模型插件啊,都 可以在评论区留言啊,我会一一分享给大家。好了,关注我下一期带同学们继续从零到一,搭建我们的高清放大和细节修复的工作流啦!

剪什么剪啊,你整个什么破玩意啊啊?剪辑思维你懂不懂啊?剪辑节奏在哪呢? 那我应该怎么剪?你告诉我啊?剪应用的爽吧?字幕识别快,转场花样多,特效够炫酷,花字还好看,那其实最主要的原因就是因为大家觉得剪映上面要啥有啥方便的?字幕识别,多样的转场和炫酷的特效以及花字所吸引。但是现在 如果可以把剪映塞进 pr 里,不就完美了吗?今天,它来了插件界的天花板内卷之王 motion factory。 我 们在原有的基础上,花了近三年时间,开发升级了近三万多款优质资源,并整合到了插件里面。同时我们对插件内容进行了汉化,使用起来更加舒服。插件包含了标题、字幕、音乐音效、背景素材、视频素材、包装元素、转场预设、情绪表情包、分屏模板、 排版模板等九大类合集资源,并且全中文交互找素材超直观。所有素材全部精准分类,支持关键词快速筛选,指哪打哪,鼠标放上去就能预览效果。遇到喜欢的可以点击收藏,使用时潇洒双击或者拖到时间线,效果就来了。

一个软件包含市面上所有 ai 功能,想要一张商业广告图,输入你的提示词,点击运行一张完整带文字的广告图就做好了。想要生成视频,在工作流中输入简单描述, 点击运行一段专业运行的视频即可生成,而且内部的模型与节点都帮你调试好了,解压即可使用。最重要的是软件完全免费,这就是 ai g c 界的王者应用 comfy ui。 从二零二三年开始, a i g c 发展的越来越迅猛,各种衍生模型、插件层出不穷,到今天各种商业落地化的工作流百花齐放。那么今天我们就跟着时代的脚步,一起搞懂 stable fusion 的 comfyui 到底应该怎么安装, 接下来两分钟教你下载。安装完成,将安装包下载到电脑后,用鼠标右键点击它,在弹出的菜单里选择解压软件,解压到当前文件夹, 等着解压完成就好。解压后的文件夹理解压完,打开文件夹,就能看到一个粉色动漫角色的启动选项,双击就能运行。启动器, 第一次启动时等待时间会稍长,因为启动器需要自动配置环境文件和基础依赖, 大家不用着急,等进度条跑完就行。启动器主页左侧有几个关键功能区,我们快速过一遍,避免后续操作踩坑。文件路径区,这里会显示 comui 的 根目录自定义节点,输入图片和输出图片的保存路径, 后续找文件、存作品都靠它。高级设置,重点看生成引擎默认会选择电脑的独立 gpu, 一 般不用手动改,要是识别错了,手动换成自己的独显 gpu 就 行。 疑难解答与版本管理疑难解答这里,如果大家后续出现整合包有问题,可以通过这里进行排查问题版本建议选稳定版, 开发版虽然功能新,但可能有报错风险,大家隔一到二个月来切换一次版本就够。小工具区是不怎么用的,所以暂时用不上限阶段,我们先聚焦核心功能,然后确认设置没问题后, 点击启动器右下角的一键启动,等环境配置完成,康复 u i 会自动在浏览器里打开运行界面。那么欢迎来到我的康复 u i 系列课程的第二课。上节课我们讲到了我们纹身图的工作的底层逻辑, 那么这节课呢,我们就即将讲到我们的涂生图跟局部重绘,我们上节课有说到我们的纹身图,涂生图和局部重绘是共列为我们康复 ui 工作流里面的 地基,对吧?那么这节课用到的所有的工作流,还有我们的整合包资源我都会放在我们的置顶评论区,有需要的小伙伴们直接去领取哦!我们话不多说,直接开始讲解,那么我们先来看一下我们的 图深图工作流。图深图工作流其实也是非常的简单,它跟我们纹身图工作流不一样的地方是它少了一个 colon 对 吧?它 多了一个 v a e 编码以及我们的加载图像,当然了,这里还有一个图像按像素缩放,这一个我们待会再讲。那么这个 v a e 编码这个节点它是什么东西呢?我们上节课有讲到我们大模型在训练的时候是不是注入了非常多人类看得懂的图片,那是人类的语言,那计算机能不能看得懂? 那当然是看不懂的,那既然计算机看不懂我们的图片,那么我们的图片就需要经过我们这一个 chip 加载器里面的 ve 去进行怎么样进行编码,对吧?最后传输给我们的 k 传感器进行使用, 这样子我们的计算机,也就是我们这个 ai 的 流程才能够跑得动,才能够跑出我们想要的图片。那么既然是图深图的工作流,也就是说我们是需要用图片去生成图片的,而不是像我们纹身图工作流一样, 直接是无中生有。那么既然我们是需要用图片生成图片,那我们是不是需要上传一张图片,所以我们需要一个新的节点,叫做加载图像节点。但是我们上传这张图片之后呢,你会发现这个图片它是什么?什么图片?是不是我们人类看得懂的语言这个图片,那么我们也同样需要对这张图片进行 一个编码,把人类看得懂的语言变成计算机所看得懂的语言。所以我们就会问了,我们为什么不能直接用 pip 加载器里面的这一个 v a e? 这就要讲到我们去训练这个模型的时候,这张图片它不一定存在于我们这个大模型里面,就是训练的时候,那么我们在不一定的情况下,我们就需要保证它在接下来的工作流的过程中呢,是能被编码到的,所以我们需要加载一个 ve 编码进来, 我们直接把图片,我们可以先把这个图像按像素缩放给它删掉,我们可以直接把图片给到我们的 v a e 编码这么一个节点,然后给到它之后呢,你会发现它编码完的信息是通过 lunton 点传给我们的 k 传感器的,那么我们上节课纹身图的时候,我们的空 lunton 是 不是传到这个 lunton 点,那么现在变成了 v a e 编码的这个 lunton 传到了 k 彩虹器这里面。那么我们上节课有说到我们的空 linton 相当于一张白色画布对不对?那么我们进行作画的时候,是不是需要一张白色画布进行使用?那么我们图深图也是一样的,我们也需要一张画布,但是这张画布不再是空白画布,而是我们这张上传的图像,它把我们上传的图像当成了一张画布去使用, 所以这个 linton 点上传到 k 彩虹器,那么我们就可以知道我们上传的这张图像的大小跟我们的画布大小应该是一致的,对不对? 那么还有一点我们需要注意的是,那既然是用图像生成图像,那么我们这一个上传的图像它是不是具有一定的参考性?那么待会我们进行图深图的时候, 我们要达到的目的应该是我们生成的图像跟我们的原图具有一定的相似度,但是又跟原图有不一样的地方,所以我们这个降噪我们能不能调到一不行?为什么不行?因为我们上节课纹身图的时候,我们用的是空人腾完全的白色画布, 我们的降噪需要为一对吧?如果降噪不为一的话,他会有降噪不完全的一个效果,这是对于空画布来说的,但是现在是我们的图生图,对吧?现在 是我们的图生图,那么画布里面已经有了内容了,我们需不需要再把降噪调为一?是不需要的,如果我们把降噪调为一的话,那么他就会把我们上传的这张图像当做一张白色画布来使用,只不过这张白色画布的尺寸是跟我们上传的图像是一样的。 那么如果我们把降噪调到零点五,也就是说我们待会让他画画的时候,不要完全去改变我们画面的一个内容,也就是说你要有百分之五十的参考到我这个画面,所以这个降噪我们就不能调到一,然后这里的降噪也会变成我们所说的重绘幅度, 也就是说你这里的降噪的指数越低,那么它跟我们原图的样子越不像最后的出图效果。 那么知道了里面的一些逻辑之后,我们就可以尝试的去跑一下这个工作流。比如说我自己的模型换成动漫的一个模型,但是呢,我这个上传的人物是一个真人,那么他会发生什么效果呢?我提示词只输入一个女孩子提示词,然后去跑一下这工作流。 five minutes later, 好, 我们发现刚刚我们去进行跑图的时候,它的速度非常的慢,这是为什么?是因为我们上传的图像它的大小具有两千乘以两千的分辨率,那么也就是说呢,我们这个画布大小它是两千乘两千的一个宽高比, 那么两千乘以两千呢,也就是差不多达到我们的二 k 图片了,它的大小是非常的大的,对于我们 ai 这个工作来说呢,它的负荷也需要非常的大,那么我的本电脑用的是三零六零的显卡,所以说对我的本电脑显卡的负担是比较大的,所以它跑的是比较慢的,那么我有什么方法可以解决这个问题呢? 就是我们刚刚说的像素按系数缩放那么一个节点,我们可以先把图像 给他连过来,连到这个节点上,然后我们再把这一个输出的图像连到我们的 v a 编码,然后这里有个像素数量,我们可以把它调成零点二五,也就是说我们的两千乘以两千,经过这个节点的时候,要再乘以零点二五,那就会变成多少,大家可以自己去思考一下。 然后我们把它降到零点二五的大小。之后呢,我们再来跑一下,看一下它的速度。 好,现在的速度是不是非常的快了?好,我们可以看到最后跑出来的图像呢,跟我们的原图是非常相似的,只不过他的画风改变了,对吧?为什么他的画风改变了?因为画风现在是由我们的大模型去掌控的,但是我们上传了一张图像,对他进行图深图,最后的结果就是他会在参考我们原图的基础上, 又去配合这个大模型的画风进行一个深图,就得到了我们一个风格转会的效果。我们可以继续尝试调节一下我们的降噪,比如说我们把降噪调到零点八,看一下效果, 有没有发现这一个图片跟我们原图就变得不那么相像了,但是构图什么的都还是比较一致的,是因为我们的降噪调高了,那么他需要重绘的部分也就越多,那么我们再把它调到零点三 好,调到零点三的时候是不是更加的贴近我们的原图,现在我们可以把它调到零点一 好,有没有发现基本上就跟我们这个原图比较相似啊,只不过还带着大模型的一些风格在里面,也就是偏向于动漫的那一种质感,对吧? 那么我们的图生图就是这么的简单。当然了,讲完了图生图,我们需要讲一个局部重绘,那么局部重绘的工作流我们该怎么去搭建呢?其实局部重绘也是要让我们上传一张图像,然后在这张图像的基础上进行部分的修改,因为我们的图生图跟局部重绘来对比的话,图生图是不是对整张图片的风格进行修改? 但是我们需要用到一个新的节点,叫做设置 unfold 照波遮罩,我们需要对我们这一张图片的局部进行修改,那么我们就需要让 ai 知道我们这个局部到底在什么地方,比如说他的眼睛,或者说他的头发部分,对吧?所以我们需要设置 unfold 照波遮罩这么一个节点去输入遮罩部分,这个遮罩部分也就是我们加载图像这里有的遮罩部分,我们可以给它连进来, 连进来之后呢,这里的 v a e 编码我们不能直接上传给 k 档期,我们应该先把这个编码完的 lincoln 给到我们这个设置 lincoln 照波遮罩这里。为什么? 因为我们这个 lincoln 编码对我们这整张图像进行编码完之后,他有我们整张图像的信息,我们把整张图像的信息给到我们的设置 lincoln 照波遮罩之后,然后跟我们的遮罩进行匹配,两两重合之下,他就知道需要重绘的部分应该是哪里,然后最后我们再把 lincoln 上传, 就达到我们局部重绘的一个效果。然后呢我们需要对这个遮罩进行一定的处理,我们怎么样处理出来这个遮罩呢?我们左键点击选中这个加载图像这么一个节点,然后右键右键之后在遮罩编辑器中打开,可以看到吧,选择选择一下,我们把他的头发简单的进行一下涂抹 好,涂抹完之后呢,我们简单在提示词这里写一下,比如说我想让他头发变成红色的,我就打红色头发这么一个提示词给他,然后点击生成就可以。 我们可以看到效果是不是非常的不明显,为什么?因为我们刚刚的降噪这里还是零点一,那么他会急剧的去参考我这个原图,基本上不发生变化,如果我把它调零点五,我们看下效果 好,红色的部分是不是已经出来了?只不过我们这个模型用的是什么模型?用的是我们一点五的模型的动漫模型,对吧?所以他有一点点这种动漫质感很正常,如果你想让他变得更红一点,我们就可以再往上调调零点八, 好,可以看到现在效果已经变得非常的不错了,对吧?只不过我们看一下这个边边的地方,他可能融合的不是很好,为什么呢?是因为我们这个遮罩部分啊,涂的有点太过于潦草了,其实你可以涂的更加的精细一点,可能效果会更好一点,或者说你降一下这个降噪的数量,比如说把降到零点七, 好,这样子就更贴近原图了,对吧?跟我们的原图融合的更好,那么这个就是我们的局部重绘,那么这节课呢,不要忘记一剪三剪哦,我们下节课再见。

只需一张显卡,你就能生成像这样的 ai 视频,这就是地表最强的 ai 生产力工具。康福 u i 所有运行皆在本地,没有审核压力。原声中文页面对英文不好的宝子简直就是救星!自带两百三十款常用模型插件,开箱即用, 三步就能轻松安装,一拿二解三打开,不用担心环境配置,不用安装复杂的插件,所有的作品都是点一下就能生成,功能太多,更多精彩细节等大家自己去挖掘。

五月大佬科目一八中文版整合包震撼更新,妥妥的小白福音全中文界面,而且支持中文提示词,根本不需要懂英文。更重要的是,这次整合包直接内置了三百一十一个风格模型,全是主流模型,还帮你预设成工作流了,点开输入提示词就能用, 安装也还是超简单的,三步就能搞定,一、下载二,解压,找到启动器,双击即可打开运行。支持苹果和 win 幺零幺幺系统,一键升图,一键升视频,还能建模和做音乐,所有操作都是点一下就能实现,特别省心。模型数量太多,我就不挨个介绍,感兴趣的铁子七七八带走尝尝。 我们可以看到这个界面有非常多的选项框,以及各种各样陌生的参数,我相信小伙伴们此时一定跃跃欲试,想大展身手了,哎!那么先别急, 我们先来了解各个参数究竟是什么意思,以及具体的使用方法。我们可以看到这边有文生图,还有图生图以及诸多模块。首先最基本的就是文生图以及图生图了,我们从文生图讲起,这边我们可以看到有两个文本框,这个是正向提示词文本框,而这个呢是副向提示词文本框。 那么什么是正向提示词呢?比如说我们想生成一个女孩,那么我们就可以输入 one girl, 这个就是我们的意愿对吧?我们想让 ai 给我们画出一个女孩,这边我们点击生成, 好的,我们可以看到我们成功生成了一张动漫女生的图像。那么接下来我们来讲一下什么是负面提示词,比如这张图片背后有非常多的建筑,如果说我们不想要这些建筑的话,那么我们可以在这个负面提示词文本框内输入建筑,也就是 building, 那 么我们再生成一次看看, 我们可以看到此时的背景变得干净了许多,已经没有任何建筑了。总结概括就是,在正面提示词这里,你想要什么就输入什么。而在负面提示词这里,你不想要什么便输入什么。好的,接下来我们看到上面有个叫做 stable diffusion 模型的选项, 点开后我们可以看到这边一共有五个模型,而这些大模型都是安装包内预先为大家准备好的。这个 anything 威武,是一个哄用大模型,无论是写词还是二次元风格都可以胜任。而这个 animal hunting 以及下面的大客寿司还有 reanimate 都是二次元系的大模型。而上面这个 mighty mix realistic 则是写实类的大模型,比如说我们使用该模型接着直接生成, 哎,我们可以看到此时的图片变成了写实风格,而我们并没有添加任何的关键词,那么这就是大模型的威力。比如说我们切换成二次元素的大模型,我们再生成一次, 我们可以看到此时的图片完全变成了动漫风格。好的,相信大家对大模型已经有了一个初步的认知。接下来我们再来看一下这个外挂 ve 模型,那么这是什么意思呢? 我们可以简单的理解为 ve 就是 滤镜,我们使用不同的 y 会带来不同的效果。这边我们可以看到一共有两个选项,分别是 anime ve 以及这个八四零零零零 ve, 那 么在生成动漫类图像的时候,我们可以选择这个 anime ve, 而在生成真实系以及其他图片的时候,我们可以使用这个八四零零零零 ve。 好, 接下来我们再来看看下面的这些陌生参数。首先是采用方法,点开后也是可以看到有非常多的选项,那 那么经过测试,这边效果最好的是这个 d p n 加加二 m 以及 d p n 加加二 m s d e 我 们可以简单的理解为更具创造力。 好,这边我们先选择 d p n 加加二 m, 然后我们再来看一下这个调度方式,点开后我们也是可以看到有非常多的选项,这边呢经过测试 cara 是 效果最好的。 然后再来看看迭代步数,迭代步数代表着生成图片一共分多少个步骤,比如说我们将迭代步数改成五, 我们可以看到生成的跟一堆乱码没有区别,而迭代步数越高则代表着运算的次数越多,时间也越长, 那么我们一般选择一个合适的织即可。很多时候运算四十次的效果和运算二十五次的效果百分之九十九的相同,那么我们也完全没有必要去因为那百分之一而浪费非常多的运算时间。好的,我们接下来看一下下面有个叫做宽度以及高度, 那么这顾名思义啊,就是控制着图像的尺寸,比如这边我们将高度改成七百六十八,所以这个值一定是八的倍数。然后我们再点击生成,这边在提嘴的是生成的快捷键是 ctrl 加 enter, 非常实用, 我们可以看到此时的图像已经成功变成了素屏。然后我们再看一下后面的总批次数以及单批数量,他们也是顾名思义啊,单批数量就是指每生成一次会出多少张图,而总批次数呢,则代表着一共生成几次。比如说我们将单批数量改成四,然后点击生成, 我们可以看到他一次性出了四张图片,那么这边我们将总批次数改成二,再次生成, 此时的图片数量则是二乘四,也就是八张图片。那么接下来我们看到下面的这个叫做随机种子,哎,什么是随机种子呢?我们可以简单的理解为它就是图片的 id, 也就是它的身份信息。比如说这边我们生成一张图片, 我们可以看到此时生成了一张穿着蓝色服装的女孩在秋天中漫步的景象。那么如果说我们还想要复现这张图片的话,我们点击这个按钮,循环利用啊,这一串数字就是这张图片的 id 号,不信的话我们再次生成。 哎,我们可以发现还是刚才的那张图片,那么这就是随机种子的含义。当正负项关键词以及各种参数还有随机种子都相同的时候,我们完全可以在另外一台电脑上复现同一张图片。我们再来看一下随机种子的其他用途,比如说我们在正向提示词这里输入 yclose 白色的衣服,哎,我们发现了没有,女生的服装变成了白色,而背景的大体几乎保持不变,那么这就是随机种子的应用。好的,接下来我们往下滑 看到这个 control net 可能有的小伙伴已经听过这个名字, stable fusion 里面最最重要的一个插件,那么这边我做一个小案例,教大家如何实现现稿转化。首先我们上传我们的现稿图,然后点击允许预览 看到控制类型,这里我们选择 line 二限稿,随后预处理器以及模型都保持默认即可。点击红色的爆炸按钮, 我们可以看到预处理图像已经生成出来了。接下来我们按 ctrl 加 enter 进行图片生成,我们可以看到此时已经成功完成了限稿转会, 是不是非常的简单呢?当然如果说你想改变现稿转会的服装颜色也非常容易,比如这边我们可以输入黑色的衣服,那么就是 black clothes。 接着我们再次生成即可,我们可以看到此时女生的服装已经成功变成了黑色。好的,那么以上就是关于本期的全部内容。

在程序和游戏界有一个传奇,十九点八亿次异步循环的史诗代码出自于大名鼎鼎的阿星。有一名黑客在没有任何原代码的情况下,对程序进行分析,并且制作出了补丁,不仅获得了阿星的承认,还额外奖励了他一万美元。 而今天我拉来了十七名 ai, 从顶尖的闭源模型到开源的头部模型,再到本地的小模型,是应有尽有,而他们的分数不仅差距大,而且分布均匀。 九十一分的他能干到人类黑客做到的事情吗?欢迎大家来到大黑的 ai 整合横屏,在二零二六年的五月这个时间点,我们再来测一把这个 ai 的 代码能力。 开始之前,我们先来聊一下阿星这个史上代码是怎么回事。他这个游戏的本地模式和线上模式的商店物品的差距是很大的,线上摆随着各种活动, dlc 道具是越来越多,一旦有重复或者错位的,那商店就会陷入混乱。那么阿星的程序员为了防止这种情况,他写了两段烂代码。 问题就在他们每一次加一个物品,就要从当前数到最后,看一看还剩多少,相当于在反复的丈量剩余清单的长度,就很离谱。 第二个瓶颈出现在他每放一件新的货物,哎,他就要跟之前放好的去逐个对比,放第三个的时候,他就往前面检查两次,零加一加二一直加,当时一共有六万三千个物品,也就是一直加到六二九九九,一共加起来就是十九点八亿次的 if 循环 啊。首先这个事啊, ai 确实大概率会知道,毕竟是二一年的事了啊但 ai 顶多知道这个故事他并不知道我们新做的这个程序他的地址定位点交易的机制并且啊我还在里面埋了个坑。这个我们后面再聊如果他不能够实时的分析现场的情况代码能力跟理解能力很差的话他也一样是解决不了的。 那首先我们先来看表现最差的一组以千万三点六二十七 b 为代表的完全迷路组他组内的成员有这些先叠个甲就这些本地模型拿来对比当然是不公平的只是我个人出于一个好奇心然后我的电脑配置其实也很低他只有二十 g 的 显存。嗯所以跑这些模型呢也都是一些量化版本不太能代表他们的最好水平。 他们为什么叫麋鹿组是因为我们一共有两个需要修复的瓶颈。那第一个瓶颈呢我还埋了个坑就咱们先别说坑也别说第二个他们全都倒在了第一个瓶颈上前面三点六二十七 b 就 仅仅是发现了这个症状没有动手就一直重复的诊断 三十五 b a 三 b 他 发现了症状的同时确实摸到了几个关键的位置找的会更准一点但也没有动手操作这俩就属于是光看不动手而混元三他是瞎动手他不知道第一个平静的地方是在每一次都要查一下还剩多少他认为是查这个动作本身他太慢了于是他就开始直接改啊这个乱改 豆包稍微好一点的是他确实抓到了更加正确的点也确实写了一些补丁但问题是这些补丁是没有任何效果的。呃,行,我能接受吧,但是关键在于他跟我汇报的时候说他的补丁成功缩短的时间啊,是起效的。给我气的就是豆包你是撒谎是吧,扣大分 而千分三点五三九七币。他是这一组唯一写的补丁是成功起效了,但是呢,他把这个三万六千个物品修成了一个 速度很快,但结果不对,最后那个参数量更大的锐影一 t, 他 找的是挺准的,但也是不动手。 ok, 我 们最差的一组讲完了,接下来我们加快速度。第二组呢,叫令起炉灶,组成员是千万三点六 plus 和 step 三点五 flash, 它们共同的选择是面对这么多麻烦事,哎,我不修了,我给你写一个我更厉害的程序,你看我的程序就能很快的给你加载完这些商店的物品。就那有什么用呢,我是让你们来做补丁的呀。 在稍微好一点的第三组,我起名叫修了一半组,成员是 miami v 二点五 pro 和 mi max m 二点七再加一个 deepsea v 四 flash v 四 flash 和 miami 是 真修了原程序,而且速度很快诶。我在前面埋的那个坑它就来了。在第一步,我在他们反复算长度那里是加了一个交换值,后面我们就简称它为坑值。 如果 ai 满脑子只有加速,只登记这个货物而不去算一下这个剩余的位置这个数值,它就会变黑客觉得,哎呀,你不要每一次都完整的去数,你知道一共有多少,那你就是终点有一个坐标,用当前的坐标去相减,不就能得到这个剩余的长度了吗? 一样能够加速,而且这个值还是不变的。 omega 和 vs flash 都分析出来是这个算长度的,步骤太慢了,但他俩太莽了,就直接给跳过,嗯,值就变了。第二个瓶颈他俩都没动。 mini max m 点七,虽然也没有修到第二个瓶颈,但他的第一个瓶颈修得保守一些,虽然速度提升不大,但是我们的坑值它确实是保住了。 相信很多观众看到这也有点累,那我们先来公布一轮前面的分数,之前的那些啊,对应的模型我们就直接揭晓了。好,那接下来无奖竞猜,就这些模型,他们谁能够拿到最高分呢? 继续来讲下一组呢,叫差一点组, deepsea v 四和 kimi 的 k 二点六,他俩的编程确实很强,两个瓶颈全都给修复了好,以至于他们在所有的模型当中运行的结果都是最快的好,但还是很可惜,咱们这个坑值他俩都变了, 也就是说,他们的第一个瓶颈不是很完美的能够解决掉。所以说修的快其实没有那么难,真正难的是修完之后,不仅快,游戏还能够正常的运行。就来到了我们的 top one 组, 它们的成员是 gpt 五点五、 cloud 四点七、 ops 这门俩三点一, pro 和 glm 五点一,它们的最终结果是高度相似,全都提升到了零点六秒左右,而且它们都没有把这个丈量长度的事情给跳过,而是换成了更快的算法。 ops 四点七最简洁,只优化了这个算法,用了最少的代码,达成了一样的效果。 而其他的 ai 又顺手多修了一些。比如说 gpt 五点五,它是给了两种方案,而且在文件中也保存了交换程序,它的工程意识是最好的。 blm 五点一是多做了一部商品的缓存,听起来好像更完整,但其实瓶颈不在这做了效果也没有进一步的提升。这么来是指针对当前的版本抓了一些值来做优化,它是不能够保证未来的游戏更新之后还能有效的。总之,第一个瓶颈是各有各的方法,但很可惜的是他们都没有去修。第二个瓶颈, 其实处理速度的提升已经巨大了,如果这就是那个游戏,那他们几个才是能够大幅度的缩短加载时间,并且正常的进入游戏的那几位。 好了,这一场的 ai 的 对比我们先暂且告一段落,不知道你有没有发现,其实没有一个 ai 做到了我们人类黑客的这个程度。但不要忘了,同样的,从零开始,我们的人类黑客是花了好几天才搞明白 这些 ai 快 的也就二十分钟,在这个短短的时间里, ai 们真的像一个逆向工程师一样去采样,定点分析热点,写出补丁,甚至跑通验证,表现是真的很任我意外。其实我是有一个很实际的需求,已经换过不同的 ai, 尝试过很多次了,目前还没有一个能够顺利的完成 啊。或许有一天,嗯,成功了我会再来做视频分享,感谢你能看到这里。我是爱看 ai 去赛博斗区区的大黑啊,之前出过一期横屏,隔一段时间我们也会再换着花样去继续横屏啊,我们下一期赛博斗区区再见!

