by rainchu | 12 月 19, 2024 | Nginx, SERVER, wordpress
大前提你要先安裝有支援 webp, avif 的外掛，例如EWWW, Convert Media等等
在 Nginx 配置中加 map 指令：
- 在 Nginx 的主配置文件，通常在
/etc/nginx/nginx.conf。
- 在
http {} 内、server {} 之前，加入以下内容：
map $http_accept $avif_suffix {
default "";
"~*avif" ".avif";
}
map $http_accept $webp_suffix {
default "";
"~*webp" ".webp";
}
- 配置客户端的
Accept ，來定義 $avif_suffix 和 $webp_suffix 變量，確認是否支持 AVIF 或 WebP 格式。
Nginx 讀取 AVIF 和 WebP 的 MIME Type：
找到 /etc/nginx/ 的 mime.types
image/avif avif;
image/webp webp;
在站點配置中設定重導向：
- 找到
/etc/nginx/sites-available/yourdomain。
- 在
server {} ，加入以下内容：
location ~* ^/wp-content/.+\.(jpe?g|png|gif)$ {
add_header Vary Accept;
add_header Cache-Control "private";
expires 365d;
try_files $uri$avif_suffix $uri$webp_suffix $uri =404;
}作用是：
- 匹配所有請求的
.jpg、.jpeg、.png 和 .gif 文件。
-
Vary: Accept ，告訴缓存系統按照 Accept 來區分不同的響應。
- 缓存控制和過期時間。
- 使用
try_files 指令，會先試提供的 .avif 文件，如果不存在，則提供 .webp 文件，若仍不存在，則提供原始文件。
測試並且重新加載 Nginx 配置：
sudo nginx -t
sudo systemctl reload nginx
這些配置假設您的 .avif 和 .webp 文件與原始圖片文件位於相同的目錄，並具有相同的文件名，只是副檔名不同（例如，image.jpg 對應 image.jpg.avif 和 image.jpg.webp）。
此外，請確保您的伺服器上已經存在對應的 .avif 和 .webp 文件，否則 Nginx 將返回 404 錯誤。
有關更多詳細資訊，您可以參考以下資源：
網站圖片無縫兼容 WebP/AVIF
在 Nginx 上提供 WebP 和 AVIF 圖片
圖片優化新選擇！WebP、AVIF 如何提升網站速度
by rainchu | 12 月 19, 2024 | Nginx, SERVER
確認 Nginx 版本
安裝 Brotli 模組
有安裝的可以跳過這一步驟，但多數 nginx 是預設沒有安裝 brotli 模組的，下載 brotli 並且安裝
cd /path/to/nginx/source
./configure --add-module=/path/to/ngx_brotli
make
sudo make install
配置 Nginx 啟用 Brotli 壓縮
找到 nginx 的設定檔，通常位於 /etc/nginx/nginx.conf ，如果是自己編譯的通常位於 /usr/local/nginx/conf/nginx.conf
brotli on;
brotli_comp_level 6;
brotli_static on;
brotli_types text/plain text/css application/javascript application/json text/xml application/xml application/xml+rss text/javascript image/x-icon image/svg+xml;
brotli on;：啟用 Brotli 壓縮。
brotli_comp_level 6;：設定壓縮等級，範圍為 0（無壓縮）到 11（最高壓縮），建議值為 6。
brotli_static on;：允許查找預先壓縮的 .br 檔案。
brotli_types ...;：指定需要壓縮的 MIME 類型，可根據實際需求進行調整。
測試並重新載入 Nginx
sudo nginx -t
sudo systemctl reload nginx
驗證 Brotli 壓縮是否啟用
curl -I -H "Accept-Encoding: br" https://您的域名
如果回應頭中包含 Content-Encoding: br，則表示 Brotli 壓縮已成功啟用。
Brotli 壓縮的關鍵特性
高壓縮率
- Brotli 使用自適應哈夫曼編碼和自定義字典來提高壓縮率，比 Gzip 通常高出 15% 至 25%。
- 更高的壓縮率可以減少網頁資源的大小，從而提升網站的載入速度。
快速解壓
- 雖然 Brotli 的壓縮過程稍慢，但解壓速度非常快，這對於瀏覽器端非常重要，因為解壓過程是即時進行的。
支援範圍廣泛
- Brotli 已被主流的現代瀏覽器（如 Chrome、Firefox、Edge 和 Safari）支援，並且可與 Web 伺服器（如 Nginx 和 Apache）整合。
適合靜態和動態內容
- Brotli 特別適合靜態資源（如圖片和腳本）壓縮，對動態生成的內容同樣表現出色。
Brotli 與 Gzip 的比較表
| 特性 | Brotli | Gzip |
|---|
| 壓縮率 | 高，壓縮比更優 | 一般 |
|---|
| 解壓速度 | 快 | 快 |
|---|
| 壓縮速度 | 較慢（高壓縮等級下） | 更快 |
|---|
| 支援的瀏覽器 | 現代瀏覽器全部支援 | 幾乎所有瀏覽器支援 |
|---|
| 靜態檔案優化 | 優異 | 一般 |
|---|
相關資源
by rainchu | 12 月 19, 2024 | AI, 影片製作, 語音合成, 音樂
MMAudio 是一款開源的多模態影片轉音訊工具，透過多模態聯合訓練技術，可以將高品質的影片與音訊合成。該專案由伊利諾大學厄巴納-香檳分校、Sony AI 及 Sony 集團公司合作開發，適用於影片配音、虛擬角色語音等多媒體創作場景。
主要特色：
- 多模態聯合訓練： MMAudio 採用多模態聯合訓練方法，能夠同時處理影片和文字輸入，生成與內容同步的音訊。
- 高品質音訊合成： 透過先進的模型架構，MMAudio 能夠生成高品質且自然的音訊，適用於各類應用場景。
- 同步模組： MMAudio 的同步模組確保生成的音訊與影片畫面精確匹配，實現高度同步。
適用場景：
- 影片配音： 自動為無聲影片生成對應的音訊，提升影片的可觀賞性。
- 虛擬角色語音生成： 為虛擬角色生成符合其動作和表情的語音，增強互動性。
- 多媒體內容創作： 協助創作者快速為視覺內容添加音訊，豐富作品表現力。
技術原理：
MMAudio 基於深度學習技術，特別是神經網路，理解和生成音訊資料。模型能夠處理影片和文字輸入，透過深度學習網路提取特徵，進行音訊合成。在訓練時，模型考慮音訊、影片和文字資料，使生成的音訊能夠與影片和文字內容相匹配。透過同步模組，確保音訊輸出與影片畫面或文字描述的時間軸完全對應，實現同步。
使用方法：
MMAudio 提供命令列介面和 Gradio 介面，使用者可以根據需求選擇使用。在命令列中，使用者可以透過指定影片路徑和文字提示，生成對應的音訊。Gradio 介面則提供了更友善的使用者介面，支援影片到音訊和文字到音訊的合成。
已知限制：
目前，MMAudio 存在以下限制：
- 有時會生成不清晰的語音或背景音樂。
- 對某些陌生概念的處理不夠理想。
相關資源：
by rainchu | 12 月 3, 2024 | AI, 圖型處理
TryOffDiff：開創虛擬脫衣的新方向
在電子商務與生成式模型的發展中，虛擬試穿（Virtual Try-On, VTON）技術早已佔據重要一席之地，讓用戶能在數位環境中模擬穿戴效果，但一項新興的任務——虛擬脫衣（Virtual Try-Off, VTOFF）正在改變我們對電子商務中的服裝數位化處理的理解。
什麼是 VTOFF？
虛擬脫衣（VTOFF）是可以從穿著者的單張照片中提取標準化的服裝影像，而不是僅僅模擬服裝穿著的效果，最大的好處是幫助你快速分離模特兒身上的衣服，VTOFF 的挑戰在於，如何準確捕捉服裝的形狀、材質與細節紋理，同時去除穿著者的影響，生成一個純粹且高還原度的服裝影像。
這項任務的核心價值在於：
- 提供標準化的服裝圖像，有助於電子商務中的產品展示。
- 評估生成式模型的重建能力，成為模型研究與改進的重要工具。
試用 VTOFF
TryOffDiff：專為 VTOFF 打造的生成模型
針對 VTOFF 的挑戰，TryOffDiff 模型應運而生。這是一種基於 Stable Diffusion 的生成架構，結合了 SigLIP 視覺條件技術，確保高還原度與細節保留。與傳統的虛擬試穿和姿態轉移技術相比，TryOffDiff 擁有以下優勢：
- 重建品質卓越：TryOffDiff 在處理服裝紋理、複雜細節以及準確的形狀表現上表現突出。
- 簡化處理流程：不需要繁瑣的前處理與後處理步驟，顯著提高效率。
- 改進的評估方法：傳統影像生成指標難以準確衡量重建品質，TryOffDiff 使用 DISTS（Deep Image Structure and Texture Similarity） 作為評估標準，提供更可靠的結果分析。
實驗成果與應用前景
TryOffDiff 的實驗基於改進版的 VITON-HD 資料集進行，結果顯示其重建表現超越現有基準方法。特別是在以下領域：
- 電子商務：幫助商家輕鬆生成標準化產品影像，提升顧客的購物體驗。
- 生成式模型評估：作為生成模型評估的重要參考，推動更高還原度的技術研究。
- 未來發展：激發針對高品質影像重建的新技術創新。
參考資料
by rainchu | 12 月 3, 2024 | AI, 人臉辨識
完全開源的 AI 換臉工具，也提供了預先編譯好的程式碼，只需要簡單的三個步驟
有支援多人臉的尋找以及合成，合成的效果還不錯，只是訓練的時間有點久
近期留言