by Rain Chu | 10 月 27, 2023 | AI, 繪圖
不論你是否具備繪畫基礎，Fooocus的力量都能幫助你創建出大師級的作品。本文將深入解析Fooocus的核心技術及其使用體驗。
1. Fooocus的核心技術：
- GPT2為基礎的動態風格擴展：這項技術使得Fooocus能夠動態調整畫風，提供用戶更多元的選擇。
- 原生細緻化調整：Fooocus採用先進的k-擴散採樣技術，使得細緻化調整與基礎模型能夠更協同工作，確保作品的連貫性和質量。
- 負向引導：解決了XL基礎模型在最高解析度層面的問題，使得作品更具真實感。
- 自我專注導引的優化：這項技術確保了Fooocus生成的作品永遠不會顯得過於光滑或假象。
2. 使用體驗：
Fooocus的使用界面簡潔明了，即使是零基礎的用戶，也能在短時間內上手。其推薦的配置要求為4GB Nvidia GPU記憶體及8GB系統記憶體，但即便是中低端筆記本，如配備16GB RAM及6GB VRAM的Nvidia 3060，都能達到令人滿意的效果。
3.Fooocus於Windows上的安裝與使用教學
Fooocus不僅為專業的AI繪畫工具，其安裝和使用過程也十分簡單。以下將針對Windows平台進行Fooocus的安裝與使用教學。
下載Fooocus
https://github.com/lllyasviel/Fooocus/releases/download/release/Fooocus_win64_2-1-60.7z
解壓縮後放在Fooocus_win64_2-1-60目錄下
下載模型檔
sd_xl_base_1.0_0.9vae.safetensors
sd_xl_refiner_1.0_0.9vae.safetensors
模型檔需要放在 Fooocus\models\checkpoints\ 目錄下
Fooocus的修圖控制模型
控制模型要放在 Fooocus\models\inpaint\ 目錄下
第一次使用以及安裝
執行解壓縮目錄下的 run.bat
Fooocus_win64_2-1-60\run.bat
這時候會做好模型下載以及基本設定，並且在本地端起一個 http://127.0.0.1:7860/ 伺服器
接下來用瀏覽器開啟該網址即可，超簡單
原始碼
https://github.com/lllyasviel/Fooocus
延伸閱讀
by Rain Chu | 7 月 16, 2023 | AI, Chat
在這篇文章中，我們將深入探索如何透過利用OpenAI的語言模型ChatGPT來創作長篇小說，並突破其輸入輸出字數的限制。透過技術和策略性的實作，我們將探討如何把片段性的產出整合成一個有連貫性的故事，同時探討如何保持角色和劇情的一致性。此外，我們也將討論在創作過程中可能遇到的挑戰，以及如何進行有效的修改和校對。讀者將獲得全面的瞭解，深入理解如何將ChatGPT應用於長篇小說創作。
RecurrentGPT將長短期記憶網絡（LSTM）中的向量化元素（例如，細胞狀態、隱藏狀態、輸入和輸出）用自然語言（即，文本段落）替換，在每個時間步長t，RecurrentGPT接收一段在t-1步生成的文本段落以及對下一段的簡短計劃。然後，它將關注到長期記憶，長期記憶包含所有以前生成的段落的摘要。
延伸閱讀
by Rain Chu | 7 月 16, 2023 | 音樂
又是 Facebook(Meta)，在AI上的研究不落人後，隨著人工智慧的快速發展，音樂生成的領域也正在經歷革命性的變革。本文將深入探討這一技術的演進，揭示如何應用各種的AI工具來創造音樂
試試現成的服務
描述一下你想要的音樂類型、場景
https://waveformer.replicate.dev/
Facebook 開發程式碼
https://github.com/facebookresearch/audiocraft
Music Gen 與其他三個比較、MusicLM、Riffusion、Musai
https://ai.honu.io/papers/musicgen/
Music Gen 論文
https://arxiv.org/abs/2306.05284
免費可以測試用的 huggingface 服務
https://huggingface.co/spaces/facebook/MusicGen
用 Google Colab 來做測試
https://colab.research.google.com/drive/1-Xe9NCdIs2sCUbiSmwHXozK6AAhMm7_i?usp=sharing
延伸閱讀
by Rain Chu | 4 月 10, 2023 | AI, Stable Diffusion, 繪圖
Stable Diffusion Lora 超好用，已經不太需要說明，今天要來介紹一個可以讓 Lora 放開她的束縛，可以完全調整 Lora 在模型中的每一層的權重設定，為何要有分層設定，可以看看原作者的下面這張說明圖，分別在不同層插入 Lora 可以有不同的效果出現，也可以更精準的控制AI
LoRA 權重外掛
hako-mikan/sd-webui-lora-block-weight (github.com)
安裝方法，到擴充功能中，選擇從網址安裝，並且輸入 hako-mikan/sd-webui-lora-block-weight (github.com)
之後重啟系統即可看到多了 LoRA Block Weight 可以用
至於使用效果的話，我建議都試試看上面的設定，再去拿捏下手的感覺
LoRA 整合權重外掛的 UI
bbc-mc/sdweb-merge-block-weighted-gui: Merge models with separate rate for each 25 U-Net block (input, middle, output). Extension for Stable Diffusion UI by AUTOMATIC1111 (github.com)
LoRA擁有17個作用層
參考資料
近期留言