工具:Midjourney Niji v5 提示词:Femme, cyberpunk akira style clothes,A young Motoko Kusanagi wears lemon yellow and fluorescent green armor and holds a high-tech pistol, contrast, long render, pink and white, simple background, gauche art, wes anderson, artstation masterpiece, painting by John Singer Sargent –ar 3:2 如无意外会

工具:Midjourney Niji v5

提示词:Femme, cyberpunk akira style clothes,A young Motoko Kusanagi wears lemon yellow and fluorescent green armor and holds a high-tech pistol, contrast, long render, pink and white, simple background, gauche art, wes anderson, artstation masterpiece, painting by John Singer Sargent –ar 3:2

如无意外会在每周一更新,主要介绍上周 AIGC 领域发布的一些产品以及值得关注的研究成果,由于我自己是一个设计师,所以在一些专业内容的描述上可能存在问题,欢迎在渠道帮我反馈及更正,如果觉得有收获的话也可以订阅一下。(本期部分文案使用了 Notion AI 以及 Chat GPT 帮助润色和翻译)

各位周一好呀,上周我们新增了 292 个订阅用户,现在总订阅达到了 2005 个,来看一下上周的内容总结吧。

❤️上周精选

Meta 发布图像分割模型 SAM

Meta 这周公开了他们的图像分割模型 SAM(Segment Anything Model),这是一个可以轻松执行交互式分割和自动分割的单一模型。该模型的可提示接口使其可以以灵活的方式使用,只需为模型设计适当的提示(点击、框、文本等),就可以实现广泛的分割任务。此外,SAM 是在一个多样化、高质量的掩码数据集上进行训练的(作为该项目的一部分收集),这使它能够推广到训练期间未观察到的新类型的对象和图像。这种泛化能力意味着,总的来说,从业者将不再需要收集自己的分割数据并微调模型以适应他们的用例。

最强的是它已经有了对“对象”的通用概念,即使是对于未知的对象、不熟悉的场景(例如水下和细胞显微镜)、模糊的情况也可以进行分割。Jim Fan认为这是计算机视觉领域的“GPT-3”时刻。

举个例子前几天不是已经有利用 Stable Diffusion 的图生图功能把假人模特变成真人图片,现在的一个关键问题是一些比较小的商品没有办法快速添加蒙版,依赖人工绘制蒙版,如果使用了这个图像分割模型添加蒙版的话就可以完全自动化了。

他们还开放了一个网页可以试用 Demo,推荐去试一下,非常强,试用地址

模型下载地址 论文阅读

Midjourney 腹泻式更新了一堆功能

上周 Midjourney 突然腹泻式更新,更新了图片提取提示词、批量创建功能、程序化提示词生成功能、Niji V5 公测以及最重磅的 Web UI 开放了内测,下面分别介绍一下这几部分内容。

图片提取提示词

使用 /describe 上传图片即可获得四个关于该图片的提示词,然后点击对应数字按钮就可以用这个提示词生成图片。具体实验 可以看这里

批量生成功能

简单来说就是在提示词后面更上比如 –repeat 10 这样的命令,那么这个提示词机会一次性重复生成 10 次,不用我们自己手点了。目前这个功能只有 30 美元以及以上的会员可以用。

程序化提示词生成

在书写提示词的时候把对应的提示词用 {} 包起来,那么他就会自动对 {} 里面的提示词进行叉乘搭配测试你设置的提示词组合的效果。举个例子 /imagine a {cyberpunk, vaporwave, art deco} {cat, dog},你写完左边的提示词回车后 Midjourney 会自动测试 /imagine a cyberpunk cat /imagine a vaporwave cat /imagine a art deco cat /imagine a cyberpunk dog…等提示词的效果并展示,一次最多会进行 40 次生成。这对与我们测试提示词的效果非常有用。目前这个功能也是只有 30 美元以及以上的会员可以用。可以在 这里查看 具体的测试。

Niji V5 动漫模型公测

Niji V5 是在 Midjourney V5 的基础上微调的动漫模型。可以在 /settings 里选择 niji version 5 或者在提示词后跟上 –niji 5 使用这个模型。目前我试下来有个问题就是你提示词没有说人,它生成的内容里面也会自己加上人形生物,具体的测试可以 看这里

网页生成图片的 Web UI 功能

之前预告很久的 WebUI 功能终于开始内测了,它也不是我们想象中的只是把提示词输入和图片展示的功能搬到了网页上,这个模块的功能非常丰富:

提示变得更容易 告别一次又一次地输入“/imagine”。Web 应用程序允许直接在提示栏中输入内容,并内置自定义设置 [提示参数不再结束]。可以在右侧面板轻松更换设置,甚至可以保存设置预设。

自定义工作区 你甚至可以使用 Discord 频道的频道 ID 将旧的工作区导入到新的工作区中。

图像上传 使用参考图像从未如此方便。,只需将它们从计算机文件中拖放 [或选择] 上传,然后单击所需的图像,在撰写提示时将它们用作参考。

查看生成历史 生成历史会汇总你生成图片过程中的每一步操作和对应的生成结果,相似的内容会被整合在一起方便检索。

提示栏功能 上传图像并不是什么新鲜事,但现在你可以随机调换提示和添加心情板。“随机调换提示”是什么意思?随机调换提示会在提示栏中生成一个随机提示。添加心情板会在生成提示时从你的收藏中 [类似于参考图像] 获取灵感。当你想尝试保持特定的口吻、风格或色彩方案时,这可能非常有用。

如何使用这个功能?

测试参与的前置条件是你需要用 mid 生成过超过 10000 张图。下面是参加测试步骤:

  1. 前往 Midjourney 主服务器并输入 /info

  2. 10000-club 会出现在其他频道中

  3. 你可以去 club 问问怎么访问测试服

我做了一个帮你把 Midjourney 提示词和图片保存到 Notion 的浏览器扩展

我用 GPT- 4 帮忙写了一个浏览器扩展,帮你把 Midjourney 提示词和对应图片快速保存到 Notion 中。

插件的演示视频可以在这里看:https://twitter.com/op7418/status/1644675934803628032?s=20

插件可以在这里下载:https://github.com/op7418/Prompt-hunter

下面是我这周在使用 GPT- 4 编码的一些心得:

  • 在代码编写方面多做要求 GPT- 4 的输出结果可读性会好很多
  • 尽量让他多打 log,以便能够准确定位问题
  • 由于他的数据库就到 21 年很多事情不知道,所以你需要给他一些输入,例如对应产品的开发文档。比如他就认为 Notion API 支持更改数据库的内容不支持为页面添加内容,于是我直接把 Notion 那部分的开发文档扔给它,它就会了,学习能力真的强。
  • 还是那句话 GPT- 4 不是全知的所以产出效果很依赖你的输入内容质量,在跟他对话的时候尽量提供详细的完整的信息

我开源了近期用 Mdijourney 做的上百张壁纸

我一直想找个地方系统的展示我用 Midjourney 画的所有图,但是国内很多工具太复杂,自建网页的话一直没时间。前段时间刚好发现了 Bento 这个工具,既美观又好用。上面现在是我最近做的比较好的一些成套的图,各位可以用来做壁纸。

周刊的订阅者回复这个邮件告诉我你们想要的壁纸名称我会发你 8K 的壁纸下载链接,就当感谢各位的支持了,每人一套,我可能发的很慢,但会发完。

⚒️产品推荐

Imagic 发布了 AI 驱动的无代码应用构建工具

这个产品有点离谱的。宣传视频和官网太好看了。用自然语言快速生成可以使用的应用程序。

支持 Airtable 等产品直接当作数据库使用。支持多模态输入输出,包括文本、图片 3D 和视频。创建出来的应用立刻就能使用和发布。宣传视频演示了比如股票应用和一些企业 B 端后台等。

Create:在几分钟内获得自动设计、构建和部署的 Web 应用程序

在 20 周内完成 10 周的项目,以便更快地进入市场。与没有代码或低代码不同,创作者构建自定义用户体验,您拥有最终代码库。快速生成产品的第一个版本。然后,由创建者加速路线图的其余部分,为所有常见功能请求(如 UI 组件、GraphQL 解析器等)提供生成器。

月维推出的提示词生成工具

一个开源的 AIGC(Midjourney)提示词可视化编辑小工具支持:显示英文提示词的中文翻译、输入中文提示词翻译到英文、为提示词进行分类(普通、样式、质量、命令)、轻松的排序、隐藏提示词、把提示词可视化结果导出为图片、常用提示词词典。

Apollo:一款基于 ChatGPT 的实时知识应用程序

通过耳机整天与它交谈。如果增强现实是对世界的叠加,这就是增强智能——对你思想的叠加。

Hex Magic:Ai 帮助生成 SQL 语句或 python 查询数据

Hex 了解您的模式和项目上下文,因此它可以帮助解决从快速问题到自动完成连接到生成挑剔的日期过滤器的所有问题。你是否被晦涩难懂的语法困扰?Hex 可以为你了解所有的软件包,你只需要询问即可。

Poe:开始支持自定义机器人

Poe 开始支持自定义机器人了,本质上就是固定一段的提示词,但是还挺方便的。这里是我做的一个自动翻译机器人:https://poe.com/translationBot7

WonderGPT:简单而美观的 ChatGPT

把颜值和交互体验做到极致也是个路子,既然都是用为什么不用个好看的呢

StabilityGPT:在 GPT4 中运行 Stable Diffusion

就是字面意思作者做了一个 ChatGPT 插件可以在 ChatGPT 发出提示词后返回 SD 生成的图像,这代表可以与 ChatGPT 原有的能力做深度的结合。

Graph Maker:通过对话为你的数据创建可视化图表

上传数据之后通过自然语言对数据内容进行分析输出结果,包括生成可视化的图表分析。

Coda AI:整合 Coda 链接的所有应用的数据并处理

Coda 也发布了自己的 AI 能力,在帮助写文档润色内容方面和 Notion 差不多,但是演示里比较强大的一个功能是它能够获取跟 Code 链接的很多应用里你的数据进行整合和分析甚至进行联动,这个就很厉害了。

Motion Go:国产的自动生成 PPT 工具

原来是做 PPT 附加插件的,现在可以通过自然语言自动生成 PPT 页面和对对应内容智能增加动画了。

Triple whale:AI 电商助手

支持广告的数据监测,创意数据的跟踪和分析、跟踪和管理与 KOL 的营销活动,AI 整合分析进行异常检测并给出建议。

Prompt Storm:ChatGPT 提示词浏览器扩展

一个简单易用的谷歌浏览器扩展,可以释放这种革命性的人工智能技术的所有潜力。我们为您提供了大量精心设计的提示,您只需点击几下,添加一点信息,就可以使用 ChatGPT 3 和 4。

AI 生成 3D 素材的 Luma AI 发布了虚幻引擎插件

Luma AI 的 alpha UE 5(Windows)插件,适用于 NeRFs,该插件使用在本地运行的完全体积渲染 - 这意味着不需要修改网格格式,几何体,材质或流。

🧑🎓学习资源

Midjourney 用法和技巧的合集

Eckler by Design ✦汇总的关于 Midjourney V5 的一些教程以及测试通过这一系列内容你可以快速了解 Midjourney V5

LangChain 综合指南

LangChain 是一个框架,用于开发由语言模型驱动的应用程序,使它们更容易集成到应用程序中。非常好的文章详细介绍了 LangChain 的核心组件。

将 ChatGPT 与内部知识库和问答平台集成

ChatGPT 非常擅长提供一般信息,尽管有一些限制。与此同时,根据 Gartner 的数据,在后疫情时代,混合工作和更高的员工流动率,内部知识管理变得越来越重要。我们如何将 ChatGPT 的强大功能引入内部知识管理?

🔬精选文章

阿里发布了自己的大语言模型通义千问

上周阿里云发布了他们的大模型通义千问,这里是 知危的通义千问测评 ,他们的观点是不如 ChatGPT3.5 但是跟百度那个差不多。这里还有 量子位的测评 和 B 站 UP 主 不高兴就喝水的测评,各位可以结合着看。

斯坦福 -2023 年人工智能指数报告

AI 指数是斯坦福人性化人工智能研究所(HAI)的一个独立倡议,由 AI 指数指导委员会领导,该委员会由来自学术界和工业界的跨学科专家组成。年度报告跟踪、整理、提炼和可视化与人工智能相关的数据,使决策者能够采取有意义的行动,以负责任和以人为本的方式推动人工智能的发展。

人工智能简史 - 追溯机器人思维的兴起

多年来,人工智能的发展以蜗牛般的速度前进。有时感觉我们永远无法超越 AOL SmarterChild 聊天机器人的时代。然后,一切都变了。在短短五年多的时间里,我们经历了一个世纪的创新。在这篇文章中,Anna-Sofia Lesiv 探讨了导致我们走到这一刻的主要转折点。

TagGPT:LLM 零样本多模态标注器(腾讯)

在这项工作中,我们提出了 TagGPT,一个完全自动化的系统,能够以完全零样本的方式进行标签提取和多模式标记。我们的核心洞察力是,通过精心设计的提示工程,LLMs 能够根据多模式数据的文本线索提取和推理出合适的标签,例如 OCR、ASR、标题等。

Kandinsky 2.1:开源图像生成模型,基准比 SD 2.1 更好

Kandinsky2.1 继承了 Dall-E 2 和潜在扩散的最佳实践,同时引入了一些新的想法。

作为文本和图像编码器,它使用 CLIP 模型和扩散图像先验(映射)在 CLIP 模态的潜在空间之间。这种方法提高了模型的视觉性能,并在混合图像和文本引导图像处理方面开辟了新的视野。

LVDM:用于高保真长视频生成的扩散模型(腾讯)

一种高效的视频扩散模型,可以:有条件地根据输入文本生成视频和无条件生成数千帧的视频。

GeNVS:具有 3D 感知扩散模型的生成式新视图合成

一个计算机模型可以从一张照片创建逼真的 3D 图片,它可以从不同的角度显示相同的场景,甚至可以制作 3D 视频

Langchain 获得了由 Benchmark 领投的 1000 万美元融资

LangChain 和 LLMs 的组合打开了建立惊人产品和应用的前沿,同时也清楚地表明需要更多的工作和工具来使这些应用程序良好地工作(特别是在生产环境中)。每天都在要求我们做更多的工作(400 多个 GitHub 问题,100 个未解决的 PR),我们想要帮助他们。

Cerebral Valley AI 峰会的演讲:Stability AI 首席执行官 Emad Mostaque 和 General Catalyst 的 Deep Nishar

软件用户体验的未来:人工智能影响的早期一瞥

虽然通用对话用户界面可能仍然遥不可及,但人工智能已经在增强现有用户体验方面取得了重大进展。通过分析用户行为和偏好,人工智能可以生成个性化推荐,简化复杂的工作流程,并帮助用户更有效地浏览软件。作为设计师,我们的目标是将 AI 无缝集成到软件中,创建直观的界面,让用户能够充分利用这些智能系统。

OpenAI CEO Sam Altman 谈论 GPT- 4 和“即兴”所带来的经验教训。

首席执行官 Sam Altman 说,安全正是 OpenAI 所追求的,这个过程的一个关键组成部分是了解人们如何与 GPT- 4 等工具进行交互。Sam 和我一起参加了 Greymatter 播客,讨论他的组织通过开发和发布每个产品(如 GPT-3、ChatGPT、DALL-E 和 GPT-4)学到了什么。

大型语言模型综述

一份关于大语言模型的调研论文,有大概 50 页。非常的全面而且内容很新。介绍了大语言模型的背景、关键发现和主流技术,回顾了 LLMs 的最新进展。特别是,我们重点关注 LLMs 的四个主要方面,即预训练、适应调整、利用和容量评估。

睡前消息 574 期:ChatGPT 是做题家 中国欠他一套模拟卷

“到了 AI 时代,我们又在更深刻的层次上遇到了同一个问题。允许中国人在互联网上发表言论,尤其是允许自由说实话,这不仅仅是社会主义公民应有的基本权利,是文化繁荣的基本条件,更是发展生产力的前提。真实可靠的中文言论,和导弹、芯片、石油、人口一样,是中国经济竞争力的来源,可以直接决定产业革命的效率,影响国家的生死存亡。”

我纠结了很久要不要推荐马逆这一期,毕竟很多人不太待见他,但还是发了出来,毕竟我们不能一直当作问题不存在。