Video yükleniyor...

Video Yüklenemedi

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

Ana Sayfaya Dön

用 ComfyUI 的同学还在愁天天搭建工作流吗？来看 ComfyUI-Copilot 这个项目会直接按照你的描述来创建或修改ComfyUI工作流，并且使用的模型也是可选的，项目还自带了模型数据库，支持 60,000+ LoRA 的使用。地址：

karminski-牙医

22,353 subscribers

19,712 görüntüleme • 11 ay önce •via X (Twitter)

Bilim & Teknoloji Eğitim Sanat

Anya Rossi• Live Now

Private livecam show

0 Yorum

Yorum bulunmuyor

Orijinal gönderinin yorumları burada görünecek

Benzer Videolar

Hermes Agent 有了平替 Lovart 的潜力！ Hermes Agent 集成了 ComfyUI 能力，让 Agent 可以自动创建 ComfyUI 工作流，很多人可能想不到这个的价值有多大，我24年做图像视频生成平台的时候，就觉得 AI 调用 ComfyUI 来自动化构建工作流是绝对的大趋势，后来年底 lovart 就是利用了 claude 3.6 的巨大能力提升实现了这个目标，现在 Hermes 集成了 ComfyUI，也就有了平台 lovart 的潜力。另外，不要小看自动化构建工作流的潜力😎

Hermes Agent 有了平替 Lovart 的潜力！ Hermes Agent 集成了 ComfyUI 能力，让 Agent 可以自动创建 ComfyUI 工作流，很多人可能想不到这个的价值有多大，我24年做图像视频生成平台的时候，就觉得 AI 调用 ComfyUI 来自动化构建工作流是绝对的大趋势，后来年底 lovart 就是利用了 claude 3.6 的巨大能力提升实现了这个目标，现在 Hermes 集成了 ComfyUI，也就有了平台 lovart 的潜力。另外，不要小看自动化构建工作流的潜力😎

nash_su - e/acc

77,908 görüntüleme • 2 ay önce

卧槽，来了朋友们，Comfy org 发布 ComfyUI V1 版本。新手使用 ComfyUI 最大的问题终于被官方解决了。发布跨平台的 ComfyUI 安装包，你现在可以一键安装 ComfyUI 了。同时更新全新的 UI 界面解决很多体验问题，并且增加模型库和工作流管理。完整的更新内容在下面。

卧槽，来了朋友们，Comfy org 发布 ComfyUI V1 版本。新手使用 ComfyUI 最大的问题终于被官方解决了。发布跨平台的 ComfyUI 安装包，你现在可以一键安装 ComfyUI 了。同时更新全新的 UI 界面解决很多体验问题，并且增加模型库和工作流管理。完整的更新内容在下面。

歸藏(guizang.ai)

30,396 görüntüleme • 1 yıl önce

利用Hermes去使用ComfyUI实现免费生成图片和视频。上次我介绍了ComfyUI可在本地部署并且自有本地大模型，不用调用其他付费大模型。并且30/40/50显卡都可以去用，当然配置越高生成的质量就越好。大家按需去用即可。 ComfyUI我认为对于新手来说应该是不怎么难，但是还是有很多兄弟们给狙击手私信问各种操作类型的问题。那么这次我专门做了次实验就是利用Hermes去调用本地的ComfyUI去实现生图以及做视频，目前来看是可行的，至于整体的质量还要去慢慢的调试。我其实是建议大家还是把ComfyUI去系统性的学一下的，网上有各种免费的教程的。我认为既然享受这些免费开源的好软件了，就稍微用用心。哈哈，毕竟它是不要钱的。下面的视频看一下我第一次调用ComfyUI，生成的第一张图片的结果吧。你们看看怎么样？对了我引用的推文里面有ComfyUI的安装包，免费自取！

利用Hermes去使用ComfyUI实现免费生成图片和视频。上次我介绍了ComfyUI可在本地部署并且自有本地大模型，不用调用其他付费大模型。并且30/40/50显卡都可以去用，当然配置越高生成的质量就越好。大家按需去用即可。 ComfyUI我认为对于新手来说应该是不怎么难，但是还是有很多兄弟们给狙击手私信问各种操作类型的问题。那么这次我专门做了次实验就是利用Hermes去调用本地的ComfyUI去实现生图以及做视频，目前来看是可行的，至于整体的质量还要去慢慢的调试。我其实是建议大家还是把ComfyUI去系统性的学一下的，网上有各种免费的教程的。我认为既然享受这些免费开源的好软件了，就稍微用用心。哈哈，毕竟它是不要钱的。下面的视频看一下我第一次调用ComfyUI，生成的第一张图片的结果吧。你们看看怎么样？对了我引用的推文里面有ComfyUI的安装包，免费自取！

DeFi狙击手 | Ai🕊️

34,196 görüntüleme • 20 gün önce

来看微软开源的AI数据可视化工具——data-formulator （11.7K ★）不知道大家是有用过 Apache SuperSet. 微软这个开源工具类似，简单来讲，这个工具可以连接任何数据源，比如RDBMS，接口等。然后将数据聚合并可视化展示。而且最大的改进是，这些可以用AI来辅助完成，类似使用自然语言写SQL。而不是自己苦哈哈的从0创建图表。项目地址：

来看微软开源的AI数据可视化工具——data-formulator （11.7K ★）不知道大家是有用过 Apache SuperSet. 微软这个开源工具类似，简单来讲，这个工具可以连接任何数据源，比如RDBMS，接口等。然后将数据聚合并可视化展示。而且最大的改进是，这些可以用AI来辅助完成，类似使用自然语言写SQL。而不是自己苦哈哈的从0创建图表。项目地址：

karminski-牙医

20,067 görüntüleme • 1 yıl önce

看大家昨天都因为这个项目卧槽了一天！朋友们都开始整活儿，其实对于精度要求不高只是展示3D的就是可以直接使用开源的一些3D库就可以拿来使用。我最早接触和了解这玩意还是Apple的 Reality Composer，官方也提供了对应的3D USDZ/USDC 格式的3D 模型库，并且都是免费的。直接导入页面还可以做AR增强现实使用，如果说你需要自定义或者进行进行教学互动炸裂就可以看看JigSpace 做的非常不错的教学类的App。 Apple 官方组3D模型库：我这个做的Demo 用的github：模型：看看各位还可以玩出什么花儿，这个是花了20分钟搞出来的，后面可以继续迭代一下。

看大家昨天都因为这个项目卧槽了一天！朋友们都开始整活儿，其实对于精度要求不高只是展示3D的就是可以直接使用开源的一些3D库就可以拿来使用。我最早接触和了解这玩意还是Apple的 Reality Composer，官方也提供了对应的3D USDZ/USDC 格式的3D 模型库，并且都是免费的。直接导入页面还可以做AR增强现实使用，如果说你需要自定义或者进行进行教学互动炸裂就可以看看JigSpace 做的非常不错的教学类的App。 Apple 官方组3D模型库：我这个做的Demo 用的github：模型：看看各位还可以玩出什么花儿，这个是花了20分钟搞出来的，后面可以继续迭代一下。

Berryxia.AI

70,728 görüntüleme • 1 ay önce

未来 AI 工作流的编排会不会交给 AI 做会更好？我觉得在大量 C 端场景下会是这样的。随着模型推理能力的提升，人在搭建工作流上的优势会越来越小。录了一个 Oracle 实机 Demo，演示下它是怎样自主设计、搭建和执行 AI 工作流的。

未来 AI 工作流的编排会不会交给 AI 做会更好？我觉得在大量 C 端场景下会是这样的。随着模型推理能力的提升，人在搭建工作流上的优势会越来越小。录了一个 Oracle 实机 Demo，演示下它是怎样自主设计、搭建和执行 AI 工作流的。

Derek Nee

11,934 görüntüleme • 1 yıl önce

如果你在做游戏, 那一定要看看这个大模型! 给大家带来腾讯刚刚发布的可以生成人物动作的大模型hunyuan-motion-1.0 实测这个模型最大的特性是可以通过文字描述生成动作, 并且它是端到端的模型, 生成的动作可以直接用于Blender、Unity、UE等主流3D工具我简单测试了几个极限场景, 这个模型对于日常场景的动作还原很不错, 甚至一些复杂一点的, 比如黑客帝国中的子弹时间的下腰动作还原得也不错. 那么极限在哪里呢? 简单来讲, 职业运动员的动作不太行, 比如跳台滑雪, 跳水, 小轮车这类. 总结, 这个模型用于快速生成游戏场景中NPC的日常生活动作是完全够用的, 不过主要角色的动作设计还是需要大量修改才能使用.

如果你在做游戏, 那一定要看看这个大模型! 给大家带来腾讯刚刚发布的可以生成人物动作的大模型hunyuan-motion-1.0 实测这个模型最大的特性是可以通过文字描述生成动作, 并且它是端到端的模型, 生成的动作可以直接用于Blender、Unity、UE等主流3D工具我简单测试了几个极限场景, 这个模型对于日常场景的动作还原很不错, 甚至一些复杂一点的, 比如黑客帝国中的子弹时间的下腰动作还原得也不错. 那么极限在哪里呢? 简单来讲, 职业运动员的动作不太行, 比如跳台滑雪, 跳水, 小轮车这类. 总结, 这个模型用于快速生成游戏场景中NPC的日常生活动作是完全够用的, 不过主要角色的动作设计还是需要大量修改才能使用.

karminski-牙医

35,801 görüntüleme • 6 ay önce

Zapier 的联合创始人 Mike Knoop 演示新的 AI 自动化工作流新的工作流改成了类似于 GPT Builder 的聊天界面，通过自然语言的聊天对话让 AI 帮你创建自动化工作流，并且可以对创建的结果进行人工修改，以及测试，如果对测试结果不满意，可以继续输入提示词让 AI 进行修改。可以预见随着大语言模型的普及以及能力的加强，这种基于聊天界面的交互方式会越来越流行，会有更多软件采用这种交互，也就是可以自然语言输入指令生成、修改，以及结合传统 UI 界面对生成结果人工修改。

Zapier 的联合创始人 Mike Knoop 演示新的 AI 自动化工作流新的工作流改成了类似于 GPT Builder 的聊天界面，通过自然语言的聊天对话让 AI 帮你创建自动化工作流，并且可以对创建的结果进行人工修改，以及测试，如果对测试结果不满意，可以继续输入提示词让 AI 进行修改。可以预见随着大语言模型的普及以及能力的加强，这种基于聊天界面的交互方式会越来越流行，会有更多软件采用这种交互，也就是可以自然语言输入指令生成、修改，以及结合传统 UI 界面对生成结果人工修改。

宝玉

51,635 görüntüleme • 2 yıl önce

#分享倒反天罡，我写了一个 MCP Server 用来创建 MCP Server 还是沿用之前的思路，在创建项目之前给大语言模型填充优秀的示例（喂高质的语料），以及提供相关的步骤指导生成。项目开源，实现很很简单 > Note：用 cursor 的 rules 也能实现，但 rules 不能share

#分享倒反天罡，我写了一个 MCP Server 用来创建 MCP Server 还是沿用之前的思路，在创建项目之前给大语言模型填充优秀的示例（喂高质的语料），以及提供相关的步骤指导生成。项目开源，实现很很简单 > Note：用 cursor 的 rules 也能实现，但 rules 不能share

nazha

21,111 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)

61,710 görüntüleme • 2 yıl önce

这个机器人项目的思路还是很牛逼的： LLM无法直接输出操作低端机器人命令，但是可以换一种思路：让LLM生成python的奖励函数代码，从而达到训练机器人的目的。这个项目利用一个Reward Translator（奖励翻译器）：首先将自然语言的运动描述按照指定的模板翻译成一个更符合机器人的动作描述。然后将这个动作描述翻译成Python版本的奖励函数再用运动控制器优化生成的奖励函数。项目地址：

这个机器人项目的思路还是很牛逼的： LLM无法直接输出操作低端机器人命令，但是可以换一种思路：让LLM生成python的奖励函数代码，从而达到训练机器人的目的。这个项目利用一个Reward Translator（奖励翻译器）：首先将自然语言的运动描述按照指定的模板翻译成一个更符合机器人的动作描述。然后将这个动作描述翻译成Python版本的奖励函数再用运动控制器优化生成的奖励函数。项目地址：

宝玉

107,795 görüntüleme • 3 yıl önce

如何用 WAN 2.2 生成长视频而不是每次5秒? 来看这个工作流，使用 Wan 2.2 i2v + FLF2V。制作方式是，先使用 Qwen Image + Qwen Image Edit 创建图片（套一些轻量化的使图片风格统一的 LoRA），然后使用 WAN 2.2 i2v 生成视频, 超过5秒的视频片段使用 FLF2V 进行扩展，同时保持视觉质量。另外注意这个工作流的作者 (Stellarchive) 巧妙地使用了闪电的画面闪烁来掩盖视频拼接帧的不自然部分。这里也分享下我处理这个拼接部分的经验，基本是做一些高速运镜，比如快速缩小，快速放大，快速运动。然后一些闪烁或者黑屏、渐变的效果也可以用来过渡。工作流在这里：

如何用 WAN 2.2 生成长视频而不是每次5秒? 来看这个工作流，使用 Wan 2.2 i2v + FLF2V。制作方式是，先使用 Qwen Image + Qwen Image Edit 创建图片（套一些轻量化的使图片风格统一的 LoRA），然后使用 WAN 2.2 i2v 生成视频, 超过5秒的视频片段使用 FLF2V 进行扩展，同时保持视觉质量。另外注意这个工作流的作者 (Stellarchive) 巧妙地使用了闪电的画面闪烁来掩盖视频拼接帧的不自然部分。这里也分享下我处理这个拼接部分的经验，基本是做一些高速运镜，比如快速缩小，快速放大，快速运动。然后一些闪烁或者黑屏、渐变的效果也可以用来过渡。工作流在这里：

karminski-牙医

16,680 görüntüleme • 10 ay önce

最佳本地MCP调用模型来了？——Jan-Nano-4B 这是个使用 DAPO 在 Qwen3-4B 上微调的模型。但是它在MCP调用方面的评测分数甚至超过了 Deepseek-R1-671B ! 另外团队还放出了GGUF量化版本，推荐使用Q8，更小的量化质量不太行模型地址：量化版本地址：

最佳本地MCP调用模型来了？——Jan-Nano-4B 这是个使用 DAPO 在 Qwen3-4B 上微调的模型。但是它在MCP调用方面的评测分数甚至超过了 Deepseek-R1-671B ! 另外团队还放出了GGUF量化版本，推荐使用Q8，更小的量化质量不太行模型地址：量化版本地址：

karminski-牙医

24,146 görüntüleme • 1 yıl önce

Midjourney 这个新工具太好玩了！ Patchwork 可以帮你用 LLM 和 MJ 构建一个生动的世界一旦 MJ 的视频模型完成，这个就会变成一个视频生成工具而且你还可以通过传送门和别人的世界连接起来，生成新的故事使用方法在下面：

Midjourney 这个新工具太好玩了！ Patchwork 可以帮你用 LLM 和 MJ 构建一个生动的世界一旦 MJ 的视频模型完成，这个就会变成一个视频生成工具而且你还可以通过传送门和别人的世界连接起来，生成新的故事使用方法在下面：

歸藏(guizang.ai)

27,879 görüntüleme • 1 yıl 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 • 5 ay 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 • 7 ay önce

OpenRouter：大语言模型“路由器” Openrouter提供了一个统一的接口，通过这个接口，你可以直接访问和使用几十种AI模型你可以使用这个接口对各种模型进行测试和比价，选择最适合自己的，避免了东奔西跑 🙂 目前已经支持包括GPT、LLama 、Claude、Command-R等80 多个模型，未来将扩展到数百种！访问：

OpenRouter：大语言模型“路由器” Openrouter提供了一个统一的接口，通过这个接口，你可以直接访问和使用几十种AI模型你可以使用这个接口对各种模型进行测试和比价，选择最适合自己的，避免了东奔西跑 🙂 目前已经支持包括GPT、LLama 、Claude、Command-R等80 多个模型，未来将扩展到数百种！访问：

小互

45,800 görüntüleme • 2 yıl önce

接近生产级别的的3D生成模型 Rodin Gen-1 正式上发布可以在几十秒内通过文本生成高质量可直接使用的3D模型，这些模型使用四边形构造，并具有逼真的材质效果（看起来很真实）。 Rodin几乎达到了可以在实际项目和商业用途中直接应用的标准。生成的3D模型质量非常高，细节丰富，足以满足生产级别的要求。

接近生产级别的的3D生成模型 Rodin Gen-1 正式上发布可以在几十秒内通过文本生成高质量可直接使用的3D模型，这些模型使用四边形构造，并具有逼真的材质效果（看起来很真实）。 Rodin几乎达到了可以在实际项目和商业用途中直接应用的标准。生成的3D模型质量非常高，细节丰富，足以满足生产级别的要求。

小互

16,399 görüntüleme • 2 yıl önce

腾讯发布混元3D 2.1 模型支持真实材质渲染这是首个完全开源的AI 3D建模工具提供了模型权重、训练代码和数据处理流程以及核心架构等全部数据👍🏻 混元3D 2.1 通过引入PBR（基于物理的渲染）技术，显著提升了材质细节的真实性，模型在不同光照下更自然、更一致。可在个人电脑上运行！可直接用于生产：腾讯自研游戏编辑器「轻游梦工坊」使用混元3D后，道具制作时间从 2天/个压缩到0.2天/个，提效显著。

腾讯发布混元3D 2.1 模型支持真实材质渲染这是首个完全开源的AI 3D建模工具提供了模型权重、训练代码和数据处理流程以及核心架构等全部数据👍🏻 混元3D 2.1 通过引入PBR（基于物理的渲染）技术，显著提升了材质细节的真实性，模型在不同光照下更自然、更一致。可在个人电脑上运行！可直接用于生产：腾讯自研游戏编辑器「轻游梦工坊」使用混元3D后，道具制作时间从 2天/个压缩到0.2天/个，提效显著。

小互

24,527 görüntüleme • 1 yıl önce