Category Archives: AIGC

AIGC

Midjourney常用参数备忘

2024 年 11 月 03 日 – 上午 7:35

–v，选择模型版本
–aspect/–ar，出图宽高比，如 –ar 16:9
–stylize/–s，样式化程度，即更偏艺术风格还是更接近现实，0~1000，默认100
–quality/–q，图像质量，0.25/0.5/1/2，数值越大清晰度越高，时间也越长
–seed，指定种子，保证一致性
–chaos/–c，图像生成的随机性，0~100，数值越高，图像变化越大
–no,排除指定元素，如 –no water
–tile，创建可无缝拼接的重复图案，可用于壁纸、地板
–niji，使用专门动漫和漫画风格设计的版本生成图片，如 –niji 6
–iw，使用单张或多张参考图作为生图的参考，结合提示词生图，0~3，值越大参考程度越大，如 https://xxx/图片url A woman xxx, –iw 1.5
–cref，角色一致性，可与–cw配合使用，可设定生产图片的风格和参考图片的风格相似度，cw越大、可排斥生产图片和参考图片五官、服饰基本一样，如 Science ficton warrior…, –cref https://xxxx/参考图片地址 –cw 100
–sref，参考风格图像，如 –sref retro sculpture, –sref https://xxx/图片地址 –sw 500

Tags , | Permalink | Comment (0)
AIGC 业界杂谈

AI谱曲与舞蹈

2024 年 06 月 30 日 – 下午 1:03

本文介绍两个好玩的AI工具，都是今年上半年新推出的，都是国外的的网站，趁现在不用魔法就能白嫖，有兴趣的可以试试：
第一个是AI作曲网站，suno.com，这是我用它谱的曲子，歌词是用chatgpt写的，大家可以听听效果
春之歌 >>
操作不复杂，只要在create页面，上传歌词、设定曲风就可以了
第二个是AI合成舞蹈，viggle.ai，这个用起来相对复杂一些，要选择一个舞蹈动作模版，再选一张四肢清晰的正脸照片，就可以了。这是它的官方宣传视频，

需要注意的是，一定要选正脸照片，否则AI可以能给换张脸^_^；一定要选四肢清晰的照片，不能是穿裙子之类的衣服，否则AI区分不出四肢，出来动作会很奇怪
——over
转载请注明出处: 昆仑的山头

Tags | Permalink | Comment (0)
AIGC

使用GPT-SoVITS克隆声音

2024 年 05 月 21 日 – 上午 5:20

GPT-SoVITS是一个集模型训练、声音合成于一体的开源AI声音处理项目，项目地址：https://github.com/RVC-Boss/GPT-SoVITS，感兴趣的可以照项目主页readme里的安装方法安装。这个安装难度不高，比较麻烦的python版本的匹配，可以通过conda为其单独开安装一个python版本：conda create –name py39 python=3.9
项目安装完以后，需要到项目目录内看一下是否自动下载了模型（包括models和Weights），模型地址见readme。我这边实际测试，windows版本自动安装了模型，但mac版本的就没有自动安装模型，需要手动下载、再按要求放入指定目录
GPT-SoVITS的使用分简单和复杂两种办法，简单方法是使用项目自带模型。具体做法是，启动webui后，选择“1-GPT-SoCITS-TTS”-“1c-推理”，然后点选项目的“是否开启TTS推理WebUI”，待自动打开新页面后，选择系统的GPT模型和SoVITS模型，上传准备好的参考音频、输入参考音频文本内容，参考音频需要控制在3~10秒；然后输入要合成的文体，点击“合成语音”，但是这种合成出来效果并不好，而且容易出错，大家可以感受一下
示例音频
文本：“小草偷偷地从土地里钻出来，嫩嫩的，绿绿的。园子里，田野里，瞧去，一大片一大片满是的。坐着，躺着，打两个滚，踢几脚球，赛几趟跑，捉几回迷藏。风轻悄悄的，草软绵绵的”
合成音频
更推荐的做法，是自己训练模型，也不算复杂，首先，要先找一段3~5分钟尽量感觉干净无噪声、无背景音乐的人声音频，然后按如下步骤操作：
1. 使用“前置数据集获取工具”，在“0b-语音切分工具”内，选择音频输入输出路径后，点击“开启语音切割”，将语音切割成多个小段
2. 将上一步的分段语音输出路径，拷贝到下面的“0c-中文批量离线ASR工具”内，点击“开启离线批量ASR”，将语音自动识别为文字文本

3. 使用“0c-语音文本校对标注工具”，点击“开启打标webUI”，在新页面内校对语音文本（嫌webui不好用，可以自己找到上一步生成的opt文件，然后用自己习惯的文本编辑器修改）

4. 切换到“1-GPT-SoVITS-TTS”选项卡，在第一行输入你想要的模型名称
5. 在“1A-训练集格式化工具”内，输入切分音频.list路径，和打标opt文件路径，点击最下方“一键三连”，开始格式化进程，输出内容会放在项目路径下logs目录内


6. 切换到“1B-微调训练”，依次“开启SoVITS训练”和“开启GTP训练”，开始训练模型。这一步看电脑配置，配置低或者CPU运行的话，会很慢
模型训练完成后，重复本文开始的步骤：切换到“1C-推理”，点击“开启webui”，点击“刷新模型路径”，找到自己训练的GTP和SoVITS模型，再试一下刚才的语音，感觉音色好了不少：
但董佳耀的语音太冲，所以重新用更舒缓的语音训练了一个模型，效果还不错：
舒缓语音参考音频
舒缓语音训练结果：
——over
转载请注明出处: 昆仑的山头
———-
一周后补充：
“鄙视小帅、理解小帅、曾经小帅”
比较了GPT-SoVITS，和其他渠道的音频合成效果，最终还是选择了自己曾经鄙视的“解说小帅”，理由很简单：清晰！ O(∩_∩)O哈哈~

Tags | Permalink | Comment (0)
AIGC

玩转StableDiffusion.10——老照片放大、上色

2024 年 04 月 30 日 – 下午 2:51

今天来说一个StableDiffusion的实用技术：老照片放大上色。StableDiffusion里有不少功能都能对图片做放大，但是对比下来，针对不同的照片类型，效果还是差异很大的，这里就介绍一种对小尺寸、但相对清晰的黑白照片的处理过程。分两步，先放大、再上色。
第一步，进入“后期处理”选项卡（有些版本也翻译成“附加功能”），按下图所示做设置、对图片做放大

如果放大效果不理想，可以调整放大算法多尝试几次。关于各种放大算法的差异，可以参阅这篇知乎文章：https://zhuanlan.zhihu.com/p/672717691
第二部，将放大后的图片导入到图生图，然后按如下方式，使用ControlNet的控制类型：Recolor
因为要上色，所以这里重绘幅度设置较大。来看一下处理前后的对比

除了上面提到的图片给放大的方法，针对模糊、褪色的老照片，还可以综合采用ControlNet的其他类型，以及脚本里的“Ultimate SD upscale”，尝试对照片做处理。手头有多年前用手机隔着相框拍的黑白旧照片，模糊、还有麻点，等我找到了修复这种照片的方法，会再写一篇blog o(*￣︶￣*)o
对了，补充一下Recolor模型的下载地址：https://huggingface.co/lllyasviel/sd_control_collection/blob/main/ioclab_sd15_recolor.safetensors
——over
转载请注明出处: 昆仑的山头

Tags , | Permalink | Comment (0)
AIGC

玩转StableDiffusion.9——把文字和logo隐藏进图片

2024 年 04 月 09 日 – 上午 5:31

先上几幅“秀色可餐”的美图

效果还不错吧 ^_^，这种图片隐藏文字的方式，很适合做海报、节日主题图。下面就来说说具体做法：
需要用到ControlNet的qrcode、brightness模型，下载地址：https://huggingface.co/lllyasviel/control_v11p_sd15_scribble/tree/main，大模型推荐realisticVisionV40_V4OVAE，或者其他写实模型，正反向关键词参考：“winter,snowstorm,night,((nobody)),”、“deformed iris, deformed pupils, semi-realistic,cgl,3d,render,sketch, cartoon, drawing, anime”，ControlNet两个单元配置如下


点击生成：
换个logo图试试

——over
转载请注明出处: 昆仑的山头

Tags , | Permalink | Comment (0)

下一页 »

下一页 »