Faceswap-超簡單的 AI 換臉工具
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
- 找到圖片中的人臉
- 訓練模型
- 合成
Faceswap 官網
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
v0.dev：輸入網址，即可生成相同網站前端的 AI 工具
v0.dev 是由 Vercel 開發的 AI 驅動工具，你只要透過簡單的文字提示，就可以快速生成前端網頁的 UI 元件程式碼，其核心特色在於用戶只需輸入需求描述，v0.dev 即可生成對應的 React、Vue 或 Svelte 組件程式碼，並可直接複製到專案中使用。
主要功能：
- 自然語言生成 UI 元件： 用戶可透過輸入簡單的文字描述，v0.dev 會根據提示生成相應的 UI 元件程式碼，無需手動編寫。
- 即時程式碼複製與整合： 生成的程式碼可直接複製，並整合至現有專案中，方便進行客製化調整。
- 支援多種前端框架： 除了 React，v0.dev 也支援 Vue 和 Svelte 等框架，滿足不同開發者的需求。
使用方法：
- 訪問 v0.dev 網站： 在瀏覽器中開啟 v0.dev。
- 輸入提示詞： 在提示框中輸入您想要複製的網址即可。
- 生成並複製程式碼： v0.dev 會根據您的描述生成對應的程式碼，您可直接複製並整合至您的專案中。
參考資訊：
CodeFormer 教學：一鍵去除照片馬賽克，恢復人臉細節
CodeFormer 是由南洋理工大學 S-Lab 的研究人員開發的一款先進人工智慧工具，專注於人臉修復和增強。它利用代碼查找變壓器（Codebook Lookup Transformer）技術，能夠有效地修復模糊、老舊或受損的人臉圖像，甚至在嚴重退化的情況下，也能生成高品質且真實的面部圖像。
主要特點：
- 高品質人臉修復： CodeFormer 能夠自動修復模糊或失真的人臉圖像，恢復細節並提升整體畫質。
- 靈活的保真度調節： 用戶可以通過調整保真度參數，在畫質和真實度之間取得平衡，滿足不同需求。
- 背景增強： 結合 Real-ESRGAN 技術，CodeFormer 不僅能修復人臉，還能增強背景部分的清晰度。
- 支援影片處理：不僅只能處理照片，也可以直接處理影片
安裝方法：
安裝條件
- Pytorch >= 1.7.1
- CUDA >= 10.1
安裝步驟
# git clone this repository git clone https://github.com/sczhou/CodeFormer cd CodeFormer # 官方建議 create new anaconda env # 我用的是 python 3.11 conda create -n codeformer python=3.8 -y conda activate codeformer # install python dependencies pip3 install -r requirements.txt # 需要可視化的介面的可以加下面的命令 pip install -q gradio python basicsr/setup.py develop # only for face detection or cropping with dlib conda install -c conda-forge dlib
※dlib是更心的人臉偵測器，可以找出更準確的人臉
安裝訓練模型
安裝官方兩個預先訓練好的模型
python scripts/download_pretrained_models.py CodeFormer # only for dlib face detector python scripts/download_pretrained_models.py dlib
需要使用影片增強要安裝 ffmpeg
# For Windows/Mac users, please install ffmpeg first conda install -c conda-forge ffmpeg
使用方法：
到 OpenXLab 以及 Huggingface 直接使用
臉部修復
# 黑白照片適用 # For cropped and aligned faces (512x512) # Colorize black and white or faded photo python inference_colorization.py --input_path [image folder]|[image path] # 臉部修復專用 # For cropped and aligned faces (512x512) # Inputs could be masked by white brush using an image editing app (e.g., Photoshop) # (check out the examples in inputs/masked_faces) python inference_inpainting.py --input_path [image folder]|[image path]
影像增強
# Add '--bg_upsampler realesrgan' to enhance the background regions with Real-ESRGAN # Add '--face_upsample' to further upsample restorated face with Real-ESRGAN python inference_codeformer.py -w 0.7 --input_path [image folder]|[image path]
影片增強
# For video clips # Video path should end with '.mp4'|'.mov'|'.avi' python inference_codeformer.py --bg_upsampler realesrgan --face_upsample -w 1.0 --input_path
訓練模型的方法：
https://github.com/sczhou/CodeFormer/blob/master/docs/train.md
應用場景：
- 老照片修復： 將老舊或受損的照片進行數位化修復，恢復其原有風采。
- 模糊照片清晰化： 提升低解析度或模糊照片的清晰度，使細節更加突出。
- AI 生成圖像優化： 對 AI 生成但存在瑕疵的人臉圖像進行修復，提升其真實感。
參考資訊：
Flowise vs. 其他 AI 代理工具：哪個更適合您的需求？
Flowise 是一款開源的低代碼工具，一般人也可以輕易地使用，用於構建自定義的大語言模型（LLM）編排流程和 AI 代理。透過直觀的拖放介面，使用者可以輕鬆設計複雜的 AI 工作流程，無需深入的程式設計知識。
Flowise 的主要特點：
- 開源且免費：Flowise 完全開源，使用者可自由使用並進行二次開發，無需擔心授權問題。 GitHub
- 低代碼開發：透過簡單的拖放介面，使用者可以快速構建 LLM 應用，縮短開發週期。 Flowise AI Docs
- 多代理支援：Flowise 提供多代理系統，允許使用者設計可與外部工具和資料來源互動的代理，實現更高效的任務處理。 Flowise AI Docs
- 靈活的工作流程設計：使用者可以根據需求，自定義工作流程的邏輯和順序，滿足不同場景的應用需求。
Flowise 與其他 AI 代理工具的差異：
- 與 Langflow 的比較：Langflow 專注於自然語言處理，提供可視化介面來構建和調試語言處理流程。相比之下，Flowise 更強調 LLM 的編排和代理的靈活性，適用範圍更廣。
- 與 Dify 的比較：Dify 致力於簡化 AI 應用的部署，提供一站式解決方案。而 Flowise 更專注於工作流程的設計和代理的構建，提供更大的自定義空間。
- 與其他工具的比較：Flowise 的開源性和低代碼特性，使其在靈活性和可擴展性方面具有優勢，適合需要快速迭代和自定義需求的開發者。
參考資料
Windows設置LLM環境變數的幾種方法
LLMs Server 還是需要放在 Linux 環境中比較好，但開發階段常常用 Windows 在開發，多數人使用的 Shell export 就沒法使用
export OPENAI_API_KEY="sk-...".
Windows中設置LLM環境變數的幾種方法解決方法
使用命令列 CMD
set OPENAI_API_KEY=sk-...
使用 PowerShell
[Environment]::SetEnvironmentVariable("OPENAI_API_KEY", "sk-...", "User")放在 Python 程式中
import os
# 設置環境變數
os.environ['OPENAI_API_KEY'] = 'sk-你的API密鑰'
# 之後就可以使用這個環境變數了
# 例如，當使用OpenAI的API時，就可以從環境變數中獲取API密鑰
api_key = os.environ['OPENAI_API_KEY']
print("API Key:", api_key)檢查是否有正確設置
echo %OPENAI_API_KEY%
相關資料
終於有省錢的 GraphRAG – LightRAG是GRAG的燈塔
省錢增效又不失去太多的準確度，值得試試看的知識圖譜 RAG
如何使用可以看這一篇
瀏覽器看這篇-browser-use
https://github.com/gregpr07/browser-use
近期留言