Video yükleniyor...

Video Yüklenemedi

Bu video yüklenirken bir sorun oluştu. Bu geçici bir ağ sorunundan kaynaklanıyor olabilir veya video kullanılamıyor olabilir.

Ana Sayfaya Dön

iPhone上使用Gemma-4大模型很简单，App Store上下载 Google AI Edge Gallery，打开软件点击 Agent Skills，下载相应模型，大概3G左右，下载完就可以使用了，支持中文

1024

18,940 subscribers

586,039 görüntüleme • 4 ay önce •via X (Twitter)

Eğitim Bilim & Teknoloji

Anya Rossi• Live Now

Private livecam show

0 Yorum

Yorum bulunmuyor

Orijinal gönderinin yorumları burada görünecek

Benzer Videolar

炸裂！Google Gemma-4大模型直接跑在iPhone上了！步骤超简单： 1. App Store下载「Google AI Edge Gallery」（据说Android也可下载） 2. 打开点「Agent Skills」 3. 下载Gemma-4模型（约3G） 4. 直接本地跑，支持中文重点：据说数据离线可使用不足：知识库时间到2025年1月这意味着什么？ • 完全离线，数据不出去 • 没有API费用 • 真正的端侧AI Google这步棋下得狠，直接把天花板捅破了。 #Gemma #AI #iPhone #端侧AI #Google

炸裂！Google Gemma-4大模型直接跑在iPhone上了！步骤超简单： 1. App Store下载「Google AI Edge Gallery」（据说Android也可下载） 2. 打开点「Agent Skills」 3. 下载Gemma-4模型（约3G） 4. 直接本地跑，支持中文重点：据说数据离线可使用不足：知识库时间到2025年1月这意味着什么？ • 完全离线，数据不出去 • 没有API费用 • 真正的端侧AI Google这步棋下得狠，直接把天花板捅破了。 #Gemma #AI #iPhone #端侧AI #Google

行者AI视频

328,533 görüntüleme • 4 ay önce

Drawing Pics：AI绘画软件本地StableDiffusion画图工具离线可用支持从 civitai 等热门社区下载模型本地导入使用 👉

Drawing Pics：AI绘画软件本地StableDiffusion画图工具离线可用支持从 civitai 等热门社区下载模型本地导入使用 👉

ahhhhfs

151,707 görüntüleme • 2 yıl önce

大家好，OpenCat macOS 版也支持「键盘扩展」啦，可以在任意 App 中调用 GPT 了。在任意 App 中输入 /cat 提示词，就可以快速调用模型。输入 /对话名称提示词，就可以调用您已经创建的对话。输入 /en /ja /zh 等 + 待翻译的句子，就可以自动翻译。输入 /模型名称提示词，可以直接调用某个模型。因为权限问题，App Store 下载的版本不支持这个功能，需要从我们的官网下载。然后输入您的 App Store 订单号来激活。官网下载的版本还不支持内购，如果要购买 Pro 或者 Cloud，请从 App Store 下载，然后使用订单号激活。 PS：这个功能其实发布很久了，但一直没有宣传 🤣

大家好，OpenCat macOS 版也支持「键盘扩展」啦，可以在任意 App 中调用 GPT 了。在任意 App 中输入 /cat 提示词，就可以快速调用模型。输入 /对话名称提示词，就可以调用您已经创建的对话。输入 /en /ja /zh 等 + 待翻译的句子，就可以自动翻译。输入 /模型名称提示词，可以直接调用某个模型。因为权限问题，App Store 下载的版本不支持这个功能，需要从我们的官网下载。然后输入您的 App Store 订单号来激活。官网下载的版本还不支持内购，如果要购买 Pro 或者 Cloud，请从 App Store 下载，然后使用订单号激活。 PS：这个功能其实发布很久了，但一直没有宣传 🤣

Baye

125,252 görüntüleme • 2 yıl önce

一个全平台的本地 LLM 聊天软件Jan，支持自动下载模型以及非常详细的设置。懒得配置 Ollama 的可以试试。除了支持本地模型以外，在线的模型可以使用 API 接入，All in one 的模型管理。交互和 UI 也都很合理。同时支持在系统的任何可以输入的地方调取模型能力。

一个全平台的本地 LLM 聊天软件Jan，支持自动下载模型以及非常详细的设置。懒得配置 Ollama 的可以试试。除了支持本地模型以外，在线的模型可以使用 API 接入，All in one 的模型管理。交互和 UI 也都很合理。同时支持在系统的任何可以输入的地方调取模型能力。

歸藏(guizang.ai)

47,533 görüntüleme • 2 yıl önce

再也不用担心 Open AI 封号了，Claude 2 发布免费使用了，能力直逼 GPT-4 ！你可以直接上传文件让 Claude 帮你分析，最大支持 200K 上下文，使用也非常简单，只需打开官网，输入相关 Prompt 即可交谈我刚刚使用了一下，效果确实不错，没有 ChatGPT 4 的小伙伴赶紧冲地址：

再也不用担心 Open AI 封号了，Claude 2 发布免费使用了，能力直逼 GPT-4 ！你可以直接上传文件让 Claude 帮你分析，最大支持 200K 上下文，使用也非常简单，只需打开官网，输入相关 Prompt 即可交谈我刚刚使用了一下，效果确实不错，没有 ChatGPT 4 的小伙伴赶紧冲地址：

千寻｜AI 分享 🌸

102,869 görüntüleme • 3 yıl önce

hello，大家好，我又来分享用模板做了啥我平时制作 logo 都是从 thiings 图标库中下载个 icon，上传到 raycast logo 生成器，调整下参数就搞定了。为了简化操作，我用 2 个小时直接复刻了这个 logo 生成器，支持直接选择 thiings 图标，这样操作就更快了。工具免费使用，免费下载，免注册。使用的开发工具： 1、模板：TanStarter 2、模型： MiniMax (official) M3 3、工具： super.engineering #minimax

Indie Fox

19,589 görüntüleme • 1 ay önce

Deepseek V4 Flash 真的惊艳到我了，我就用一句话就生成了一个AI控制台。我使用open code+Deepseek V4 Flash测试了一下模型的能力，总共不到五十秒，就给我生成了对应能力了。主要是该有的模块都有，而且很多细节上面做了特定的优化。模块划分： 1、仪表盘：做中央把控看模型消耗。 2、任务：看任务指派和模型上下文处理。 3、对话：直接在网页上可以和AI直接对话。现在最重要的是open code还能免费使用，可以马上上手体验一下，国产模型是越来越强了，以后真的可以不使用国外模型了。

Deepseek V4 Flash 真的惊艳到我了，我就用一句话就生成了一个AI控制台。我使用open code+Deepseek V4 Flash测试了一下模型的能力，总共不到五十秒，就给我生成了对应能力了。主要是该有的模块都有，而且很多细节上面做了特定的优化。模块划分： 1、仪表盘：做中央把控看模型消耗。 2、任务：看任务指派和模型上下文处理。 3、对话：直接在网页上可以和AI直接对话。现在最重要的是open code还能免费使用，可以马上上手体验一下，国产模型是越来越强了，以后真的可以不使用国外模型了。

小墨同学

27,520 görüntüleme • 7 gün önce

Google再次发力，昨天Google 丢出了Gemma4 系列的QAT模型，直接让16GB MAC可以跑256k上下文的agent了。之前有人说Gemma 4 12B 本地部署30k上下文没啥用，我用 Google QAT 尝试了一下，只要增加1.5GB内存就能打开256k上下文！左边：常规 Q4_K_M @ 32K 右边：Google QAT Q4_0 @ 256K 同一台 Mac、同一 prompt、两个 llama-server 同时跑，实时对比内存、CPU、tok/s。

Google再次发力，昨天Google 丢出了Gemma4 系列的QAT模型，直接让16GB MAC可以跑256k上下文的agent了。之前有人说Gemma 4 12B 本地部署30k上下文没啥用，我用 Google QAT 尝试了一下，只要增加1.5GB内存就能打开256k上下文！左边：常规 Q4_K_M @ 32K 右边：Google QAT Q4_0 @ 256K 同一台 Mac、同一 prompt、两个 llama-server 同时跑，实时对比内存、CPU、tok/s。

lifcc

110,414 görüntüleme • 2 ay önce

持有meme免费使用AI大模型，HodlAI 之前有人问这个怎么用，教程来了，免费使用200➕大模型AI，还上了视频的sora2的，但是没用明白，dev抓紧整，急需使用。

持有meme免费使用AI大模型，HodlAI 之前有人问这个怎么用，教程来了，免费使用200➕大模型AI，还上了视频的sora2的，但是没用明白，dev抓紧整，急需使用。

Web3热宝学AI

19,897 görüntüleme • 6 ay önce

2025年全球大模型厂商下载量排行榜终于爆肝了一个元旦假期弄完了, 给大家带来2025年全球大模型厂商开放权重模型下载量排行榜. 数据更多代表国内以外的区域的下载量, 因为还有很大一部分在阿里魔搭 (modelscope) 和其他平台, 不过这部分暂时没有开源数据可以用来统计. 画面上半部分是排行榜, 数据来源是 HuggingFace 统计的公开数据集 datasets/cfahlgren1/hub-stats 动画下半部分是当天发布的新模型展示，由于模型过多, 总计750万个模型... 所以这里只展示2025年总下载量超过10K的模型. 注意, HuggingFace 这份统计数据在 2025-02-27 之前的数据只有30天均值下载数据, 28号才增加了历史总下载数据(两天数据差可以推算出当天的精确下载量), 所以27号之前的每天下载量数据使用30天均值数据除以30得到. 因此存在一定的误差, 但理论上不影响最终排名.

2025年全球大模型厂商下载量排行榜终于爆肝了一个元旦假期弄完了, 给大家带来2025年全球大模型厂商开放权重模型下载量排行榜. 数据更多代表国内以外的区域的下载量, 因为还有很大一部分在阿里魔搭 (modelscope) 和其他平台, 不过这部分暂时没有开源数据可以用来统计. 画面上半部分是排行榜, 数据来源是 HuggingFace 统计的公开数据集 datasets/cfahlgren1/hub-stats 动画下半部分是当天发布的新模型展示，由于模型过多, 总计750万个模型... 所以这里只展示2025年总下载量超过10K的模型. 注意, HuggingFace 这份统计数据在 2025-02-27 之前的数据只有30天均值下载数据, 28号才增加了历史总下载数据(两天数据差可以推算出当天的精确下载量), 所以27号之前的每天下载量数据使用30天均值数据除以30得到. 因此存在一定的误差, 但理论上不影响最终排名.

karminski-牙医

16,146 görüntüleme • 7 ay önce

试了下Ding 推荐的 GrabCube。电脑上免费最好用的视频下载工具，支持 Mac 和 Windows，界面优雅美观无任何广告，使用简单粘贴链接下载即可。Mac 上可以说是 Downie 的平替，用的开源 yt-dlp 内核，支持 8K+ 的视频规格和上千个视频音频网站。官网：

试了下Ding 推荐的 GrabCube。电脑上免费最好用的视频下载工具，支持 Mac 和 Windows，界面优雅美观无任何广告，使用简单粘贴链接下载即可。Mac 上可以说是 Downie 的平替，用的开源 yt-dlp 内核，支持 8K+ 的视频规格和上千个视频音频网站。官网：

酱紫表

133,489 görüntüleme • 1 yıl önce

来看苹果刚发布的视频模型——星流 starflow！苹果刚刚发布了一个新模型 starflow, 这个模型最大的特点是可以文生视频, 图生视频, 视频生成视频, 甚至还支持生成长视频. 模型大小7B, 视频部分使用 WAN-2.2-VAE 魔改, 图片部分使用 SD-VAE 魔改, 最高只支持生成 480p 的视频, 另外模型文件格式是pth, 通常是使用 PyTorch 炼丹的时候保存的原始检查点文件时 pth. 所以这个模型更可能是个技术探索? 并不是很实用.

来看苹果刚发布的视频模型——星流 starflow！苹果刚刚发布了一个新模型 starflow, 这个模型最大的特点是可以文生视频, 图生视频, 视频生成视频, 甚至还支持生成长视频. 模型大小7B, 视频部分使用 WAN-2.2-VAE 魔改, 图片部分使用 SD-VAE 魔改, 最高只支持生成 480p 的视频, 另外模型文件格式是pth, 通常是使用 PyTorch 炼丹的时候保存的原始检查点文件时 pth. 所以这个模型更可能是个技术探索? 并不是很实用.

karminski-牙医

42,175 görüntüleme • 8 ay önce

今天推荐 PocketPal —— 一款能在 iPhone / Android 设备运行大模型的 App。首次使用 App 时，需从内置库中下载模型 (推荐阿里 Qwen2.5-3B)，之后便能离线运行。在我 iPhone 14 Pro Max 上可调用苹果 Metal API，生成速度约为 11 token/s。可惜 Qwen2.5 还不知道“数码荔枝”是谁...是我们的问题。

今天推荐 PocketPal —— 一款能在 iPhone / Android 设备运行大模型的 App。首次使用 App 时，需从内置库中下载模型 (推荐阿里 Qwen2.5-3B)，之后便能离线运行。在我 iPhone 14 Pro Max 上可调用苹果 Metal API，生成速度约为 11 token/s。可惜 Qwen2.5 还不知道“数码荔枝”是谁...是我们的问题。

数码荔枝

71,616 görüntüleme • 1 yıl önce

OpenWebUI 绝对是这几个本地大模型推理界面可视化做得最好的。他们刚刚又发布了一个推理 token 路径可视化 Narrative Beam Search，会生成n个可选路径，并演示从中选择一个。可以基于系统提示词选择不同的路径。看上去十分炫酷。给没用过 OpenWwebUI 的同学，OpenWebUI 类似 Ollama，都是一个包含了推理引擎和界面以及 MCPServer 的大模型前端框架，算是一个 All-in-one 的大模型平台，下载后点击即可自动下载你需要的大模型并使用。 OpenWebUI 地址：

OpenWebUI 绝对是这几个本地大模型推理界面可视化做得最好的。他们刚刚又发布了一个推理 token 路径可视化 Narrative Beam Search，会生成n个可选路径，并演示从中选择一个。可以基于系统提示词选择不同的路径。看上去十分炫酷。给没用过 OpenWwebUI 的同学，OpenWebUI 类似 Ollama，都是一个包含了推理引擎和界面以及 MCPServer 的大模型前端框架，算是一个 All-in-one 的大模型平台，下载后点击即可自动下载你需要的大模型并使用。 OpenWebUI 地址：

karminski-牙医

19,082 görüntüleme • 1 yıl önce

发现一个讲的很细的大语言模型微调教程，详细介绍了整个流程,包括数据准备、参数设置、资源监控等关键步骤。基本没有技术能力也可以完成微调。想要了解 LLM 原理的可以按这个实践一下。时间轴： 0:00 概念概览 3:02 自定义数据的准备 8:17 微调操作演示（T4 版本） 16:52 微调操作演示（A100 版本） 19:13 在 Hugging Face 上的保存与使用方法文字版整理： ✲ 如何使用自己的数据对大语言模型进行微调(fine-tuning)：对大语言模型进行微调并不一定非常困难和昂贵。通过使用自己的数据集对预训练模型进行微调,可以让模型更好地适应特定的任务需求。微调过程能够在保留原模型语言理解能力的基础上,进一步提升其在特定领域或任务上的表现。 ✲ 使用Hugging Face模型库和Unslaw工具进行模型微调： Hugging Face提供了丰富的预训练语言模型资源,用户可以根据任务需求选择合适的模型作为基础进行微调。而Unslaw工具则提供了一套简单高效的微调流程,其优点包括出色的内存使用效率以及对扩展上下文窗口的支持。通过Unslaw,用户能够以较低的资源开销完成模型微调。 ✲ 在Google Colab上使用免费/付费GPU资源进行微调： Google Colab提供了免费和付费的GPU资源,用户可以根据任务的复杂程度选择使用T4或A100。对于大多数微调任务而言,免费的T4资源已经足够。但如果数据集较大或模型较为复杂,升级到A100可以获得更充裕的算力支持。Colab为用户提供了一个易于上手的模型微调环境。 ✲ 准备自定义的微调数据集：准备微调数据的过程并不复杂。用户可以直接使用纯文本文件作为数据来源,而无需进行额外的预处理。为了获得理想的微调效果,建议至少准备100-200个样本。在示例中,为了快速演示,仅使用了几个样本。通过一个简单的Python脚本,可以方便地将原始文本数据转换为微调所需的JSON格式。 ✲ 修改Colab笔记本中的参数设置：在Colab笔记本中,需要根据实际情况调整一些参数。例如,可以根据数据集的token数量来设置max_sequence_length参数,借助rope scaling技术,模型能够支持任意长度的上下文。此外,还可以选择使用Instruct系列模型作为base model,直接在其基础上进行指令微调。为了节省资源,可以启用4-bit量化。同时,参考Q-Lora论文的建议,调整R值和alpha值,以在资源占用和模型质量之间取得平衡。 ✲ 训练过程中的资源使用监控：在模型训练过程中,用户可以通过Colab的资源监控选项卡实时观察GPU、内存和硬盘的使用情况。如果发现资源不足,可以考虑从T4升级到A100。通过监控资源占用,用户能够及时调整配置,确保微调任务稳定高效地进行。 ✲ 模型训练的loss变化和最佳checkpoint的选择：通过记录不同训练步数下的loss值,可以判断模型的收敛情况。理想的做法是选择loss下降曲线趋于平缓的点作为最佳checkpoint,这样既能充分训练模型,又能避免过拟合。为了事后方便筛选,可以设置每隔一定步数保存一次checkpoint。 ✲ 模型微调完成后的保存与使用：微调完成后,可以选择只保存adapter layers以加快保存速度。但更推荐的做法是保存完整模型,并使用float16精度,这样可以得到一个更通用和标准的模型格式,方便后续的部署和使用。 ✲ 在Hugging Face上公开或私有发布微调后的模型：用户可以选择在Hugging Face的模型库中公开或私有地发布自己微调后的模型。发布之前,需要在Hugging Face账号中创建一个访问令牌,并在发布时提供相应的用户名和令牌信息。通过在Hugging Face上发布模型,用户可以方便地与他人分享自己的微调成果。 ✲ 使用微调后的模型进行推理(inference)：在使用微调后的模型进行推理时,首先需要加载保存的模型。接着,使用tokenizer对输入的文本进行处理,并将其传入模型。进行推理时,max_length参数需要与训练时保持一致,以确保生成的结果不会被截断。完成以上步骤后,就可以利用微调后的模型进行各种实际应用了。

发现一个讲的很细的大语言模型微调教程，详细介绍了整个流程,包括数据准备、参数设置、资源监控等关键步骤。基本没有技术能力也可以完成微调。想要了解 LLM 原理的可以按这个实践一下。时间轴： 0:00 概念概览 3:02 自定义数据的准备 8:17 微调操作演示（T4 版本） 16:52 微调操作演示（A100 版本） 19:13 在 Hugging Face 上的保存与使用方法文字版整理： ✲ 如何使用自己的数据对大语言模型进行微调(fine-tuning)：对大语言模型进行微调并不一定非常困难和昂贵。通过使用自己的数据集对预训练模型进行微调,可以让模型更好地适应特定的任务需求。微调过程能够在保留原模型语言理解能力的基础上,进一步提升其在特定领域或任务上的表现。 ✲ 使用Hugging Face模型库和Unslaw工具进行模型微调： Hugging Face提供了丰富的预训练语言模型资源,用户可以根据任务需求选择合适的模型作为基础进行微调。而Unslaw工具则提供了一套简单高效的微调流程,其优点包括出色的内存使用效率以及对扩展上下文窗口的支持。通过Unslaw,用户能够以较低的资源开销完成模型微调。 ✲ 在Google Colab上使用免费/付费GPU资源进行微调： Google Colab提供了免费和付费的GPU资源,用户可以根据任务的复杂程度选择使用T4或A100。对于大多数微调任务而言,免费的T4资源已经足够。但如果数据集较大或模型较为复杂,升级到A100可以获得更充裕的算力支持。Colab为用户提供了一个易于上手的模型微调环境。 ✲ 准备自定义的微调数据集：准备微调数据的过程并不复杂。用户可以直接使用纯文本文件作为数据来源,而无需进行额外的预处理。为了获得理想的微调效果,建议至少准备100-200个样本。在示例中,为了快速演示,仅使用了几个样本。通过一个简单的Python脚本,可以方便地将原始文本数据转换为微调所需的JSON格式。 ✲ 修改Colab笔记本中的参数设置：在Colab笔记本中,需要根据实际情况调整一些参数。例如,可以根据数据集的token数量来设置max_sequence_length参数,借助rope scaling技术,模型能够支持任意长度的上下文。此外,还可以选择使用Instruct系列模型作为base model,直接在其基础上进行指令微调。为了节省资源,可以启用4-bit量化。同时,参考Q-Lora论文的建议,调整R值和alpha值,以在资源占用和模型质量之间取得平衡。 ✲ 训练过程中的资源使用监控：在模型训练过程中,用户可以通过Colab的资源监控选项卡实时观察GPU、内存和硬盘的使用情况。如果发现资源不足,可以考虑从T4升级到A100。通过监控资源占用,用户能够及时调整配置,确保微调任务稳定高效地进行。 ✲ 模型训练的loss变化和最佳checkpoint的选择：通过记录不同训练步数下的loss值,可以判断模型的收敛情况。理想的做法是选择loss下降曲线趋于平缓的点作为最佳checkpoint,这样既能充分训练模型,又能避免过拟合。为了事后方便筛选,可以设置每隔一定步数保存一次checkpoint。 ✲ 模型微调完成后的保存与使用：微调完成后,可以选择只保存adapter layers以加快保存速度。但更推荐的做法是保存完整模型,并使用float16精度,这样可以得到一个更通用和标准的模型格式,方便后续的部署和使用。 ✲ 在Hugging Face上公开或私有发布微调后的模型：用户可以选择在Hugging Face的模型库中公开或私有地发布自己微调后的模型。发布之前,需要在Hugging Face账号中创建一个访问令牌,并在发布时提供相应的用户名和令牌信息。通过在Hugging Face上发布模型,用户可以方便地与他人分享自己的微调成果。 ✲ 使用微调后的模型进行推理(inference)：在使用微调后的模型进行推理时,首先需要加载保存的模型。接着,使用tokenizer对输入的文本进行处理,并将其传入模型。进行推理时,max_length参数需要与训练时保持一致,以确保生成的结果不会被截断。完成以上步骤后,就可以利用微调后的模型进行各种实际应用了。

歸藏(guizang.ai)

61,931 görüntüleme • 2 yıl önce

哈通社新版移动端APP正式上线啦！新版APP支持哈萨克文、中文、英文、俄文、乌兹别克文和旧体哈萨克文（注：主要在中国新疆地区及伊朗部分地区使用），可通过苹果应用商城（App Store)和谷歌应用商店(Google Play)搜索“Kazinform”下载安装。

哈通社新版移动端APP正式上线啦！新版APP支持哈萨克文、中文、英文、俄文、乌兹别克文和旧体哈萨克文（注：主要在中国新疆地区及伊朗部分地区使用），可通过苹果应用商城（App Store)和谷歌应用商店(Google Play)搜索“Kazinform”下载安装。

哈萨克国际通讯社

18,770 görüntüleme • 2 yıl önce

答应大家的AI歌手教程来了，手把手教你训练你自己的AI歌手，主要分为使用模型和训练模型两部分，这里是第一部分如何使用模型生成音乐的部分，主要介绍了音源的处理，模型的使用和后期音轨的合成。看在藏师傅生病肝教程的份上希望各位多多支持，下面是具体步骤🧶

答应大家的AI歌手教程来了，手把手教你训练你自己的AI歌手，主要分为使用模型和训练模型两部分，这里是第一部分如何使用模型生成音乐的部分，主要介绍了音源的处理，模型的使用和后期音轨的合成。看在藏师傅生病肝教程的份上希望各位多多支持，下面是具体步骤🧶

歸藏(guizang.ai)

394,268 görüntüleme • 3 yıl önce

DrawingPics 1.4.2 发布了。具体有如下升级： - 模型下载走Cloudflare CDN，网络断了会提示继续下载，这个版本所需要的文件都在一个压缩包里～4GB。之前装不上的可以再尝试一下。 - 老用户注意！你们升级新版本，需要重新下载模型，因为模型加载底层逻辑改了，你们不要在着急用的时候升级新版本。 - UI设计简化，不区分什么高级模型，都是在civitai上下载的safetensors，我默认带一个dreamshaper8，你们自己扔进去models文件夹也行，lora就扔进models/lora文件夹。 - Sketching 精确画图模式，之前锁死了一个模型，现在你们是可以换的。Loras也是可以搭配其他模型。 - 把steps，guidance scale，denoising strength三个参数暴露出来了，调节他们，这样在原图上画画可以保证原图不变化（之前有人问怎么实现，视频中演示了），具体也可以看文档这个版本你们只要一路鼠标点下去就行了，能点到最后就成功了。Python环境问题报错的话可以先查文档来解决。更多创新玩法，新科技，会在之后的版本发出，下载链接在主页里（主页的演示视频还是旧的，晚点更新。）

DrawingPics 1.4.2 发布了。具体有如下升级： - 模型下载走Cloudflare CDN，网络断了会提示继续下载，这个版本所需要的文件都在一个压缩包里～4GB。之前装不上的可以再尝试一下。 - 老用户注意！你们升级新版本，需要重新下载模型，因为模型加载底层逻辑改了，你们不要在着急用的时候升级新版本。 - UI设计简化，不区分什么高级模型，都是在civitai上下载的safetensors，我默认带一个dreamshaper8，你们自己扔进去models文件夹也行，lora就扔进models/lora文件夹。 - Sketching 精确画图模式，之前锁死了一个模型，现在你们是可以换的。Loras也是可以搭配其他模型。 - 把steps，guidance scale，denoising strength三个参数暴露出来了，调节他们，这样在原图上画画可以保证原图不变化（之前有人问怎么实现，视频中演示了），具体也可以看文档这个版本你们只要一路鼠标点下去就行了，能点到最后就成功了。Python环境问题报错的话可以先查文档来解决。更多创新玩法，新科技，会在之后的版本发出，下载链接在主页里（主页的演示视频还是旧的，晚点更新。）

Xiao Tan

34,189 görüntüleme • 2 yıl önce