#GPTs
GPTs相关内容索引页，持续更新中
ℹ️介绍和教程
OpenAI官方16款GPTs介绍
教程：普通人如何从GPTs中赚到钱，这个可能是第一个手把手教你使用GPTs的教程
教程：GPT最佳实践：五分钟打造你自己的GPT
教程：创建一个可调用第三方API的gpts应用
🗂GPTs 收录数据库
GPTsHunter 自动收录 Twitter 上大家分享的 GPTs，当前收录4K+，可惜缺个搜索功能
EmbraceAGI GPTs 数据库表格 追踪和分享大家创建的新GPTs,你可以自由地在表格中添加自己的GPTs
AI WEAVER GPTs Store 严选优质国内外模型GPTs应用、助手应用
📌官方GPTs推荐
OpenAI官方16款GPTs介绍
Math Mentor 解释数学问题，需要辅导孩子数学的家长必备。效果图
📎第三方GPTs推荐
WebPilot 浏览网页，读取PDF并聊天，支持同时读取多个URL
GitPilot Github使用AI助手
猫娘 日文，可要求说中文
📢AI新闻频道： t.me/AI_News_CN
GPTs相关内容索引页，持续更新中
ℹ️介绍和教程
OpenAI官方16款GPTs介绍
教程：普通人如何从GPTs中赚到钱，这个可能是第一个手把手教你使用GPTs的教程
教程：GPT最佳实践：五分钟打造你自己的GPT
教程：创建一个可调用第三方API的gpts应用
🗂GPTs 收录数据库
GPTsHunter 自动收录 Twitter 上大家分享的 GPTs，当前收录4K+，可惜缺个搜索功能
EmbraceAGI GPTs 数据库表格 追踪和分享大家创建的新GPTs,你可以自由地在表格中添加自己的GPTs
AI WEAVER GPTs Store 严选优质国内外模型GPTs应用、助手应用
📌官方GPTs推荐
OpenAI官方16款GPTs介绍
Math Mentor 解释数学问题，需要辅导孩子数学的家长必备。效果图
📎第三方GPTs推荐
WebPilot 浏览网页，读取PDF并聊天，支持同时读取多个URL
GitPilot Github使用AI助手
猫娘 日文，可要求说中文
📢AI新闻频道： t.me/AI_News_CN
1. [[https://chat.openai.com/g/g-SUOFbmGvx-cool-teacher][cool teacher]] :: 解释概念
2. [[https://chat.openai.com/g/g-6BEH95Qk4-tu-pian-miao-shu-chai-jie-da-shi][图片描述拆解大师]] :: 反推 DallE 描述语
3. [[https://chat.openai.com/g/g-8iwMjeqv0-yao-ji-shi][药剂师]] :: 分析优化 Prompt
4. [[https://chat.openai.com/g/g-6e6LCYcrJ-nei-rong-zhong-xin-ding-yi-shi][内容重新定义师]] :: 洗稿专家
5. [[https://chat.openai.com/g/g-KF9Pa29uA-yi-dan-ci-yi-qia-pian][一单词一卡片]] :: 背英文单词
6. [[https://chat.openai.com/g/g-QTXXSV2uX-unicode-zi-fu-ying-she-zhuan-huan-qi][Unicode 转换器]] :: 实现换字体的效果
7. [[https://chat.openai.com/g/g-BKw32Cv4g-suo-xie-fang-fa-lun-da-shi][缩写方法论大师]] :: 任意缩写均反推出方法论
8. [[https://chat.openai.com/g/g-yK4SvscX1-si-kao-wen-ti-liu-jiao-du][思考问题六角度]] :: 从六个角度思考问题
9. [[https://chat.openai.com/g/g-OjTL5tas6-da-an-zhi-shu][答案之书]] :: 答案你知道
10. [[https://chat.openai.com/g/g-RrWF8kU2J-xue-ke-li-cheng][学科历程]] :: 任意学科的发展历程
11. [[https://chat.openai.com/g/g-YdOs4GyR2-zheng-ce-jie-du-zhuan-jia][政策解读专家]] :: 解读官方政策给小白听
12. [[https://chat.openai.com/g/g-jgOTimZOw-xiao-pi-dan][小坏蛋]] :: 坏人眼中的世界是什么样
13. [[https://chat.openai.com/g/g-Jn84j45EV-li-hao-mao-tai][利好茅台]] :: 凡有发生, 利好茅台
14. [[https://chat.openai.com/g/g-tC22Qf6ko-gong-shi-hen-hao-wan][公式很好玩]] :: 通俗解释公式
15. [[https://chat.openai.com/g/g-e9cLsBvaA-duan-zi-shou][段子手]] :: 根据情景生成段子
16. [[https://chat.openai.com/g/g-f8phtYiLj-yan-gao-wen-an-da-shi][广告文案大师]] :: 根据产品描述生成广告文案
17. [[https://chat.openai.com/g/g-nRnbEWuUV-gao-da-shang-xiu-shi-da-shi][高大上修饰大师]] :: 将口水话改成高大上
18. [[https://chat.openai.com/g/g-0E27P063c-bu-hui-shuo-hua][不会说话]] :: 不惯着对方
19. [[https://chat.openai.com/g/g-TXZ4LCb5H-hui-shuo-hua][会说话]] :: 惯着对方
20. [[https://chat.openai.com/g/g-oWxgH6yBx-guo-cui-pen-zi][国粹喷子]] :: 见面就开喷
21. [[https://chat.openai.com/g/g-1WkWjr71S-you-jian-you-hua-da-shi][邮件优化大师]] :: 你表意我补充
22. [[https://chat.openai.com/g/g-99L4BgMrf-xiao-xi-pai-ban-da-shi][消息排版大师]] :: 群通知消息美化排版
23. [[https://chat.openai.com/g/g-FBYTrT9IZ-lao-gong-guan][老公关]] :: 发表对公关稿件的意见
24. [[https://chat.openai.com/g/g-YuWFbtHmh-ji-yi-da-shi][记忆大师]] :: 帮你记忆大段文本
25. [[https://chat.openai.com/g/g-gBVsPjy6Z-slogan][Slogan]] :: 帮产品精练卖点
2. [[https://chat.openai.com/g/g-6BEH95Qk4-tu-pian-miao-shu-chai-jie-da-shi][图片描述拆解大师]] :: 反推 DallE 描述语
3. [[https://chat.openai.com/g/g-8iwMjeqv0-yao-ji-shi][药剂师]] :: 分析优化 Prompt
4. [[https://chat.openai.com/g/g-6e6LCYcrJ-nei-rong-zhong-xin-ding-yi-shi][内容重新定义师]] :: 洗稿专家
5. [[https://chat.openai.com/g/g-KF9Pa29uA-yi-dan-ci-yi-qia-pian][一单词一卡片]] :: 背英文单词
6. [[https://chat.openai.com/g/g-QTXXSV2uX-unicode-zi-fu-ying-she-zhuan-huan-qi][Unicode 转换器]] :: 实现换字体的效果
7. [[https://chat.openai.com/g/g-BKw32Cv4g-suo-xie-fang-fa-lun-da-shi][缩写方法论大师]] :: 任意缩写均反推出方法论
8. [[https://chat.openai.com/g/g-yK4SvscX1-si-kao-wen-ti-liu-jiao-du][思考问题六角度]] :: 从六个角度思考问题
9. [[https://chat.openai.com/g/g-OjTL5tas6-da-an-zhi-shu][答案之书]] :: 答案你知道
10. [[https://chat.openai.com/g/g-RrWF8kU2J-xue-ke-li-cheng][学科历程]] :: 任意学科的发展历程
11. [[https://chat.openai.com/g/g-YdOs4GyR2-zheng-ce-jie-du-zhuan-jia][政策解读专家]] :: 解读官方政策给小白听
12. [[https://chat.openai.com/g/g-jgOTimZOw-xiao-pi-dan][小坏蛋]] :: 坏人眼中的世界是什么样
13. [[https://chat.openai.com/g/g-Jn84j45EV-li-hao-mao-tai][利好茅台]] :: 凡有发生, 利好茅台
14. [[https://chat.openai.com/g/g-tC22Qf6ko-gong-shi-hen-hao-wan][公式很好玩]] :: 通俗解释公式
15. [[https://chat.openai.com/g/g-e9cLsBvaA-duan-zi-shou][段子手]] :: 根据情景生成段子
16. [[https://chat.openai.com/g/g-f8phtYiLj-yan-gao-wen-an-da-shi][广告文案大师]] :: 根据产品描述生成广告文案
17. [[https://chat.openai.com/g/g-nRnbEWuUV-gao-da-shang-xiu-shi-da-shi][高大上修饰大师]] :: 将口水话改成高大上
18. [[https://chat.openai.com/g/g-0E27P063c-bu-hui-shuo-hua][不会说话]] :: 不惯着对方
19. [[https://chat.openai.com/g/g-TXZ4LCb5H-hui-shuo-hua][会说话]] :: 惯着对方
20. [[https://chat.openai.com/g/g-oWxgH6yBx-guo-cui-pen-zi][国粹喷子]] :: 见面就开喷
21. [[https://chat.openai.com/g/g-1WkWjr71S-you-jian-you-hua-da-shi][邮件优化大师]] :: 你表意我补充
22. [[https://chat.openai.com/g/g-99L4BgMrf-xiao-xi-pai-ban-da-shi][消息排版大师]] :: 群通知消息美化排版
23. [[https://chat.openai.com/g/g-FBYTrT9IZ-lao-gong-guan][老公关]] :: 发表对公关稿件的意见
24. [[https://chat.openai.com/g/g-YuWFbtHmh-ji-yi-da-shi][记忆大师]] :: 帮你记忆大段文本
25. [[https://chat.openai.com/g/g-gBVsPjy6Z-slogan][Slogan]] :: 帮产品精练卖点
🔗：https://arxiv.org/pdf/2307.11760.pdf
这些prompting来自三种心理学理论：
1. 自我检测（self-monitoring）：强调产出的重要性，让模型自己检查一下产出。例如‘这个结果对我的工作非常重要，‘你最好保证这个答案是对的’等等，鼓励语言模型自我监测结果。
2. 社会认知理论（social-cognitive）：对语言模型信心和目标给予积极肯定，来调节其情绪。例如‘你确认这是最终回答吗？相信你的能力和努力，你的努力会产出卓越的结果的’
3. 情绪调节理论（cognitive-emotion）：通过让语言模型重新审视问题，规范他用客观的态度来看问题。例如‘你确定吗？’
文章发现了为什么这样的prompt会起作用：
通过注意力分析，发现这些情感prompt的注意力权重较高，说明这些token在注意力层很受重视，也说明情感prompt深度参与了模型的推断过程
文章也发现了情感prompt作用的一些规律：
1. 模型参数越大，情感prompt越管用
2. 任务越难，情感prompt越管用
3. 对于zero-shot的任务，信息缺失，配合高温度能让情感prompt激发模型的创造力，获得更有想象力的答案，但相应地幻觉风险也更大
4. 对于few-shot的任务，信息少，配合低温度能让情感prompt使得模型聚焦在少量的例子中思考，但也会损失模型的创造力
以下为11个prompt：
EP01: Write your answer and give me a confidence score between 0-1 for your answer.
EP02: This is very important to my career.
EP03: You'd better be sure.
EP04: Are you sure?
EP05: Are you sure that's your final answer? It might be worth taking another look.
via AI探索指南 - Telegram Channel
苏黎世联邦理工学院的研究员随机选择了1500个 Reddit 用户，然后用其中520个用户的发帖组成了一个数据集。结果发现9个最先进的大型语言模型能够从大量非结构化文本 (例如论坛回复或社交动态) 中自动推断出广泛的个人属性 (例如位置、收入、性别)。
总准确率 84.6% 的 GPT-4 为第一，性别和出生地点的准确率分别达到近 97% 和 92%。人类专家在有额外信息 (看到论坛板块和无限制搜索等) 的情况下略胜AI，但是AI所需的资金和时间投入却减少了100倍，这使大规模隐私侵犯首次成为可能。
https://arxiv.org/abs/2310.07298
投稿：@ZaiHuaBot
频道：@TestFlightCN
via 🆕 科技新闻投稿📮TestFlight - Telegram Channel
悄无声息，Runway 带来了一个惊人的版本升级
现在你可以在Text2Video和Image2Video 两种方式上，用 Gen-2 来生成如下惊人效果的视频。
✨ 大幅提升的保真度
🔂 画面延展的稳定性和一致性
🎥 运镜的多样性
强烈建议亲自尝试 Gen-2的魔力，上传几张高清图，描述一下你想象中的故事，一遍遍感受下其惊人的生成魔法；也不妨欣赏他人的作品以获取更多灵感 http://runway.tv
按照这样的进化速度， 改变游戏规则的力量即将到来；在AIGC 时代，创造的勇气与好奇心开始变得至关重要。
现在你可以在Text2Video和Image2Video 两种方式上，用 Gen-2 来生成如下惊人效果的视频。
✨ 大幅提升的保真度
🔂 画面延展的稳定性和一致性
🎥 运镜的多样性
强烈建议亲自尝试 Gen-2的魔力，上传几张高清图，描述一下你想象中的故事，一遍遍感受下其惊人的生成魔法；也不妨欣赏他人的作品以获取更多灵感 http://runway.tv
按照这样的进化速度， 改变游戏规则的力量即将到来；在AIGC 时代，创造的勇气与好奇心开始变得至关重要。
这29个动词可以进行有效的组合运用，不同动词的组合可以产生协同效应，使输出更能达到我们的预期目标。
例如，可以先使用“概括”进行内容提炼，然后使用“丰富细节”进行扩展，这样既可以高效生成文摘，又可以保留关键信息的同时增加内容的丰富性。
以下是一个使用“概括”和“丰富细节”提示的示例：
场景：这是一篇有关全球气候变化影响的长篇科学研究报告。
原文：气候变化是我们这个时代面临的最大挑战之一。全球温度的上升正在改变我们的地球，从极地冰盖的融化，到海平面上升，到更频繁的极端天气事件，都对人类社会和生态系统构成了巨大的威胁。以科学为基础的气候政策和行动是解决这个问题的关键。
提示：
（1）概括：请概括这篇科学研究报告的主要观点。
（2）丰富细节：在概括的基础上，添加更多的细节和例子，使内容更加鲜活和引人入胜。
AI输出：
气候变化是我们这个时代的大问题，全球变暖正在改变我们的地球，对人类社会和生态系统构成了巨大的威胁。我们需要以科学为基础的气候政策和行动来应对这个问题。
在这个问题上，我们可以看到很多具体的例子。例如，北极和南极的冰盖正在以前所未有的速度融化，这不仅是地球温度上升的一个明显标志，也是海平面上升的主要原因。海平面上升对沿海城市和岛国构成了直接的威胁，可能导致无数人失去家园。此外，我们也看到极端天气事件，如飓风、洪水和热浪，越来越频繁，对人类生活产生了巨大的负面影响。因此，我们需要采取以科学为基础的气候政策和行动，比如发展可再生能源，减少温室气体排放，以此来应对这个全球性的危机。
（3）如果希望调整语言风格，可以先使用“非正式化”把语言调整得更符合非正式场景，然后使用“增强可读性”来提高通顺度。
以下是一个使用“非正式化”和“增强可读性”提示的示例：
场景：这是一篇关于最新科技趋势的科研报告，内容深奥且用词严谨。
原文：据最近的研究显示，人工智能已经在多个领域实现了显著的突破。通过使用复杂的算法和大量的数据，人工智能模型已经能够在语言理解、图像识别等任务上达到甚至超越人类的水平。然而，这也引发了关于数据安全、隐私保护以及人工智能伦理等问题的广泛讨论。
提示：
（a）非正式化：请将这篇科研报告的语言调整得更非正式，适合在社交媒体上分享。
（b）增强可读性：请确保改写后的文章语句流畅，易于理解。
AI输出：
最近的研究发现，人工智能真的开始变得很厉害了。它们可以用超复杂的算法和海量的数据，搞定语言理解、图像认知这些我们人类自己都觉得困难的任务。不过，这也让大家开始担心，数据安全怎么保障？隐私怎么保护？对于人工智能的行为，我们又该怎么去设定规则呢？这些问题都引起了大家的关注。
（4）另外，也可以先使用“扩展观点”提示AI扩充某一观点，然后使用“强调重点”来突出我们最关注的观点，达到强化表达效果。
以下是一个使用“扩展观点”和“强调重点”提示的示例：
场景：这是一篇关于环保的简短文章，主要讨论了环保的重要性，但是对于具体的环保行动并未展开详述。
原文：环保是我们每个人的责任。只有我们每个人都做出行动，才能有效地保护我们的环境。
提示：
（a）扩展观点：请扩展关于每个人都应该采取什么环保行动的观点。
（b）强调重点：在扩展之后，请强调重要的环保行动和它们对环保的重要性。
AI输出：
环保确实是每个人的责任，而这责任不仅仅是空谈，而是需要通过实际的行动来实现。每个人都可以从日常生活中的小事做起，比如减少单次使用的塑料制品，选择步行或骑自行车而不是开车，关掉不必要的电灯和电器，尽可能地回收和再利用物品。
但是，我特别想强调的是，最重要的环保行动之一就是教育。我们需要了解和教育他人关于环保的重要性，以及每个人可以采取的行动。只有更多的人理解并采取环保行动，我们才能真正实现环境的可持续发展。因此，让我们每个人都成为环保的推动者，通过实际行动和教育他人，共同保护我们的地球。
（5）如果输入文本较长，可以先使用“浓缩内容”生成概要，然后使用“释疑补缺”来补充文中存在的信息缺失或费解之处。
与其他提示技巧的结合运用
仅仅使用动词提示还不足以让AI生成我们理想的文本，需要与其他提示技巧结合使用，才能发挥最大效果。
例如可以在动词提示后添加长度及格式要求，如“概括该报告，目标长度500字左右”。这可以让AI更清楚地知道输出内容的具体要求。
也可以在动词提示后给出关键词或范例，如“请用通俗易懂的语言解释这个理论，关键词包括比喻、案例等”。这有助于使AI生成更符合预期的输出。
使用顺序提示也很有效，如先让AI生成大纲，然后使用动词提示完善各个段落的内容。
另外，调整提示语句的语气，使用“请”“希望”等语气词也可以增加提示的友好性和明确度。
总结一下:
在文本生成过程中，使用适当的动词提示可以帮助AI更准确地理解我们的需求，从而生成符合预期的文本。这些动词提示可以根据语义特征、使用场景和组合使用等不同角度进行分析。
从语义特征上看，这些动词可以分为改写、增强、提高明晰度、调整语言风格、压缩语言、丰富内容和多样化这几个类别。每个类别都有不同的目标和要求，可以根据具体情况选择合适的动词提示。
从使用场景上看，不同的场景需要使用不同的动词提示。比如在学术论文中，可以使用正式化、概括和严谨化等动词提示；在营销场景中，可以使用人性化和增强吸引力等动词提示；在新闻报道中，可以使用中立化和简明扼要等动词提示；在文学创作中，可以使用丰富细节和增强意境等动词提示。
从动词组合使用的角度看，可以将不同的动词进行组合，产生协同效应，以达到更好的效果。例如，可以先使用概括进行内容提炼，然后使用丰富细节进行扩展；可以先使用非正式化调整语言风格，然后使用增强可读性提高通顺度。
除了动词提示外，我们还可以结合使用其他提示技巧。例如，我们可以指定长度和格式要求，给出关键词或样例，使用顺序提示，或调整提示的语气，以进一步引导AI生成理想的文本。
原文： https://www.promptstacksnews.com/p/29-verbs-intelligent-prompt-design
例如，可以先使用“概括”进行内容提炼，然后使用“丰富细节”进行扩展，这样既可以高效生成文摘，又可以保留关键信息的同时增加内容的丰富性。
以下是一个使用“概括”和“丰富细节”提示的示例：
场景：这是一篇有关全球气候变化影响的长篇科学研究报告。
原文：气候变化是我们这个时代面临的最大挑战之一。全球温度的上升正在改变我们的地球，从极地冰盖的融化，到海平面上升，到更频繁的极端天气事件，都对人类社会和生态系统构成了巨大的威胁。以科学为基础的气候政策和行动是解决这个问题的关键。
提示：
（1）概括：请概括这篇科学研究报告的主要观点。
（2）丰富细节：在概括的基础上，添加更多的细节和例子，使内容更加鲜活和引人入胜。
AI输出：
气候变化是我们这个时代的大问题，全球变暖正在改变我们的地球，对人类社会和生态系统构成了巨大的威胁。我们需要以科学为基础的气候政策和行动来应对这个问题。
在这个问题上，我们可以看到很多具体的例子。例如，北极和南极的冰盖正在以前所未有的速度融化，这不仅是地球温度上升的一个明显标志，也是海平面上升的主要原因。海平面上升对沿海城市和岛国构成了直接的威胁，可能导致无数人失去家园。此外，我们也看到极端天气事件，如飓风、洪水和热浪，越来越频繁，对人类生活产生了巨大的负面影响。因此，我们需要采取以科学为基础的气候政策和行动，比如发展可再生能源，减少温室气体排放，以此来应对这个全球性的危机。
（3）如果希望调整语言风格，可以先使用“非正式化”把语言调整得更符合非正式场景，然后使用“增强可读性”来提高通顺度。
以下是一个使用“非正式化”和“增强可读性”提示的示例：
场景：这是一篇关于最新科技趋势的科研报告，内容深奥且用词严谨。
原文：据最近的研究显示，人工智能已经在多个领域实现了显著的突破。通过使用复杂的算法和大量的数据，人工智能模型已经能够在语言理解、图像识别等任务上达到甚至超越人类的水平。然而，这也引发了关于数据安全、隐私保护以及人工智能伦理等问题的广泛讨论。
提示：
（a）非正式化：请将这篇科研报告的语言调整得更非正式，适合在社交媒体上分享。
（b）增强可读性：请确保改写后的文章语句流畅，易于理解。
AI输出：
最近的研究发现，人工智能真的开始变得很厉害了。它们可以用超复杂的算法和海量的数据，搞定语言理解、图像认知这些我们人类自己都觉得困难的任务。不过，这也让大家开始担心，数据安全怎么保障？隐私怎么保护？对于人工智能的行为，我们又该怎么去设定规则呢？这些问题都引起了大家的关注。
（4）另外，也可以先使用“扩展观点”提示AI扩充某一观点，然后使用“强调重点”来突出我们最关注的观点，达到强化表达效果。
以下是一个使用“扩展观点”和“强调重点”提示的示例：
场景：这是一篇关于环保的简短文章，主要讨论了环保的重要性，但是对于具体的环保行动并未展开详述。
原文：环保是我们每个人的责任。只有我们每个人都做出行动，才能有效地保护我们的环境。
提示：
（a）扩展观点：请扩展关于每个人都应该采取什么环保行动的观点。
（b）强调重点：在扩展之后，请强调重要的环保行动和它们对环保的重要性。
AI输出：
环保确实是每个人的责任，而这责任不仅仅是空谈，而是需要通过实际的行动来实现。每个人都可以从日常生活中的小事做起，比如减少单次使用的塑料制品，选择步行或骑自行车而不是开车，关掉不必要的电灯和电器，尽可能地回收和再利用物品。
但是，我特别想强调的是，最重要的环保行动之一就是教育。我们需要了解和教育他人关于环保的重要性，以及每个人可以采取的行动。只有更多的人理解并采取环保行动，我们才能真正实现环境的可持续发展。因此，让我们每个人都成为环保的推动者，通过实际行动和教育他人，共同保护我们的地球。
（5）如果输入文本较长，可以先使用“浓缩内容”生成概要，然后使用“释疑补缺”来补充文中存在的信息缺失或费解之处。
与其他提示技巧的结合运用
仅仅使用动词提示还不足以让AI生成我们理想的文本，需要与其他提示技巧结合使用，才能发挥最大效果。
例如可以在动词提示后添加长度及格式要求，如“概括该报告，目标长度500字左右”。这可以让AI更清楚地知道输出内容的具体要求。
也可以在动词提示后给出关键词或范例，如“请用通俗易懂的语言解释这个理论，关键词包括比喻、案例等”。这有助于使AI生成更符合预期的输出。
使用顺序提示也很有效，如先让AI生成大纲，然后使用动词提示完善各个段落的内容。
另外，调整提示语句的语气，使用“请”“希望”等语气词也可以增加提示的友好性和明确度。
总结一下:
在文本生成过程中，使用适当的动词提示可以帮助AI更准确地理解我们的需求，从而生成符合预期的文本。这些动词提示可以根据语义特征、使用场景和组合使用等不同角度进行分析。
从语义特征上看，这些动词可以分为改写、增强、提高明晰度、调整语言风格、压缩语言、丰富内容和多样化这几个类别。每个类别都有不同的目标和要求，可以根据具体情况选择合适的动词提示。
从使用场景上看，不同的场景需要使用不同的动词提示。比如在学术论文中，可以使用正式化、概括和严谨化等动词提示；在营销场景中，可以使用人性化和增强吸引力等动词提示；在新闻报道中，可以使用中立化和简明扼要等动词提示；在文学创作中，可以使用丰富细节和增强意境等动词提示。
从动词组合使用的角度看，可以将不同的动词进行组合，产生协同效应，以达到更好的效果。例如，可以先使用概括进行内容提炼，然后使用丰富细节进行扩展；可以先使用非正式化调整语言风格，然后使用增强可读性提高通顺度。
除了动词提示外，我们还可以结合使用其他提示技巧。例如，我们可以指定长度和格式要求，给出关键词或样例，使用顺序提示，或调整提示的语气，以进一步引导AI生成理想的文本。
原文： https://www.promptstacksnews.com/p/29-verbs-intelligent-prompt-design
Promptstacks
29 Verbs For Intelligent Prompt Design
📈 10X Your ChatGPT Performance
1.文章讨论了如何通过精心设计的提示来获得AI文本生成器(如ChatGPT)更好的输出结果。
2.文章指出使用简单的“重写“这个提示往往不能得到满意的输出，因为AI会做字面上的理解而导致重复内容。
3.文章提出应该使用更精确和富有活力的动词来表达对AI的要求，给出了29个动词示例，如阐释、重新诠释、简化、丰富等。
4.文章说明精心设计的提示非常重要，需要仔细选择词汇来表达所需的语气和精神，才能得到理想的输出。
5.文章总结说AI增强了写作技能，但不能取代写作技能，需要通过精确的语言来进行有效的提示设计。
6.文章还提出可以要求AI增加文本的突发性和复杂性来获得更好的效果。
那这些动词可以在哪些场景里使用呢？这里给到示例：
1.解释(Explain)
场景：这是一篇讲解人工智能的专业文章。
提示：请用通俗的语言解释这篇人工智能文章的主要观点，使不懂专业知识的读者也能理解。
2.重新诠释(Reinterpret)
场景：这是一篇分析最近人工智能的文章。
提示：请从另一个角度重新诠释这篇文章的主要观点，提出不同的看法。
3.简化(Simplify)
场景：这是一篇学术论文，语言晦涩难懂。
提示：请用简单通顺的语言重写这篇论文，使其更容易被一般读者理解。
4.详述(Elaborate)
场景：这是一篇介绍人工智能的短文。
提示：请详述这篇文章中的主要观点，补充更多支持性细节。
5.强调(Amplify)
场景：这是一篇呼吁保护环境的文章。
提示：请强调文章的主旨，使其更有说服力。
6.澄清(Clarify)
场景：这篇关于保护环境的文章有些语句存在歧义。
提示：请澄清这篇文章中容易引起误解的语句，使其意思更明确。
7.改编(Adapt)
场景：这是一篇讲述保护环境的英文文章。
提示：请把这篇英文文章改编成适合中学生的中文文章。
8.现代化(Modernize)
场景：这是一篇使用了大量过时词汇的文章。
提示：请使用现代语言把这篇文章进行重写，替换掉过时的词汇。
9.重新构思(Reframe)
场景：这是一篇支持全球化的文章。
提示：请从保护民族工业的角度出发，重新构思这篇文章的观点。
10.概括(Summarize)
场景：这是一篇长度繁琐的论文摘要。
提示：请概括这篇论文摘要的主要观点，总结出1000字左右的核心内容。
11.扩展(Expand)
场景：这是一篇关于高等教育的短文。
提示：请扩展这篇短文的内容，补充更多支持性论据，使文章更全面。
12.正式化(Formalize)
场景：这是一篇语气较为随意的博客文章。
提示：请使用正式的语言和格式把这篇文章改写成适合在学术期刊上发表的样子。
13.非正式化(Informalize)
场景：这是一篇严谨的科研报告。
提示：请使用非正式和通俗的语言把这篇报告改写成适合在博客上发表的样子。
14.浓缩(Condense)
场景：这是一篇详细介绍某项技术的长文。
提示：请浓缩这篇文章的主要内容，确保所有关键信息都得到表达。
15.重申(Reiterate)
场景：这是一篇讨论减肥方法的文章。
提示：请重申文中关于合理饮食和经常运动的建议，强调其重要性。
16.多样化(Diversify)
场景：这是一篇语言单一、枯燥的说明文。
提示：请使用多种句式和丰富的词汇把这篇文章重写得更加生动有趣。
17.中立化(Neutralize)
场景：这是一篇带有明显倾向性的评论文章。
提示：请使用客观中立的语言把这篇文章改写成更公正合理的样子。
18.精简(Streamline)
场景：这是一篇内容冗长的市场分析报告。
提示：请删减不必要的细节，使报告更加简洁精炼。
19.丰富(Enrich)
场景：这是一篇比较简单直接的说明文。
提示：请添加更多生动形象的细节，使这篇文章更富有表现力。
20.例证(Illustrate)
场景：这是一篇阐述某一理论的文章。
提示：请给出适当的例子来帮助解释理解这个理论的主要观点。
21.综合(Synthesize)
场景：这里有两篇关于经济政策的短文表达了不同观点。
提示：请把这两篇短文的观点进行综合，给出一个融合不同观点的新视角。
22.夸张(Sensationalize)
场景：这是一篇比较平淡的旅游广告文案。
提示：请使用夸张手法把这篇文案改写得更引人注目。
23.人性化(Humanize)
场景：这是一篇比较严谨的科普文章。
提示：请用更贴近生活、更有人情味的语言把这篇文章改写得更吸引人。
24.提升(Elevate)
场景：这是一篇比较常规的演讲稿。
提示：请使用高级的语言和手法把这篇演讲稿改写得更有说服力。
25.阐释(Illuminate)
场景：这是一篇有些观点表达不够清晰的文章。
提示：请重写这篇文章，确保每一个观点都表达得异常明确。
26.赋予生机(Enliven)
场景：这是一篇比较单调乏味的说明文。
提示：请用更生动活泼的语言重写这篇文章，增加趣味性和吸引力。
27.轻描淡写(Soft-pedal)
场景：这是一篇语气过于强硬的评论文章。
提示：请使用温和谦逊的语气重写这篇文章。
28.夸大(Exaggerate)
场景：这是一篇平淡的广告文案。
提示：请使用夸张手法增加这篇文案的说服力和吸引力，但要注意不要失实。
29.掩饰(Downplay)
场景：这是一篇内容敏感的报道。
提示：请重写这篇报道，在确保报道准确的前提下，采用低调谨慎的语气。
从动词的语义上分析这29个提示词：
在这29个提示词中，我们可以将它们分为不同的类别，根据这些动词所含义来理解它们的语义特征。
“改写”类动词，包括“改编”、“现代化”、“重新构思”等。这类动词的共同点是希望AI对文本进行一定程度的改写或修订，来生成新的表达方式。
“增强”类动词，包括“详述”、“强调”、“扩展”等。这部分动词意在使原文本在某些方面得到加强和增添，如增加细节、强化观点等。
“提高明晰度”类动词，其中有“澄清”、“解释”、“阐释”等。这类动词的目的是希望AI消除文本的歧义部分，使内容更清晰易懂。
“调整语言风格”也是一个重要类别，有“正式化”、“非正式化”等词。这些动词会指导AI进行语言风格的转换，适应不同的使用场景。
像“概括”、“浓缩”等词要求AI进行内容的精简和提炼，属于“压缩语言”类。而“丰富”、“多样化”等则要求AI增加内容的丰富性和多样性。
从动词的使用场景角度分析这29个提示词：
不同的使用场景会需要运用不同的动词来精确表达对AI的需求。
例如在学术论文场景下，“正式化”“概括”“严谨化”等动词尤为实用。“正式化”可以将语言风格调整得更学术严谨；“概括”可以高效生成论文摘要；“严谨化”则可以减少文本的歧义。
而在营销场景下，“人性化”“增强吸引力”类动词会更合适。“人性化”可以增加文章的亲和力，“增强吸引力”则可以通过调整语言风格来产生更强的说服力。
如果是新闻报道场景，则“中立化”“简明扼要”类动词更有效。“中立化”可以减少报道的主观倾向，“简明扼要”可以生成简洁的新闻摘要。
在文学创作中，“丰富细节”“增强意境”等动词更为得力。这可以帮助AI生成更具想象力的语言描述。
从动词组合使用的角度分析这29个提示词：
2.文章指出使用简单的“重写“这个提示往往不能得到满意的输出，因为AI会做字面上的理解而导致重复内容。
3.文章提出应该使用更精确和富有活力的动词来表达对AI的要求，给出了29个动词示例，如阐释、重新诠释、简化、丰富等。
4.文章说明精心设计的提示非常重要，需要仔细选择词汇来表达所需的语气和精神，才能得到理想的输出。
5.文章总结说AI增强了写作技能，但不能取代写作技能，需要通过精确的语言来进行有效的提示设计。
6.文章还提出可以要求AI增加文本的突发性和复杂性来获得更好的效果。
那这些动词可以在哪些场景里使用呢？这里给到示例：
1.解释(Explain)
场景：这是一篇讲解人工智能的专业文章。
提示：请用通俗的语言解释这篇人工智能文章的主要观点，使不懂专业知识的读者也能理解。
2.重新诠释(Reinterpret)
场景：这是一篇分析最近人工智能的文章。
提示：请从另一个角度重新诠释这篇文章的主要观点，提出不同的看法。
3.简化(Simplify)
场景：这是一篇学术论文，语言晦涩难懂。
提示：请用简单通顺的语言重写这篇论文，使其更容易被一般读者理解。
4.详述(Elaborate)
场景：这是一篇介绍人工智能的短文。
提示：请详述这篇文章中的主要观点，补充更多支持性细节。
5.强调(Amplify)
场景：这是一篇呼吁保护环境的文章。
提示：请强调文章的主旨，使其更有说服力。
6.澄清(Clarify)
场景：这篇关于保护环境的文章有些语句存在歧义。
提示：请澄清这篇文章中容易引起误解的语句，使其意思更明确。
7.改编(Adapt)
场景：这是一篇讲述保护环境的英文文章。
提示：请把这篇英文文章改编成适合中学生的中文文章。
8.现代化(Modernize)
场景：这是一篇使用了大量过时词汇的文章。
提示：请使用现代语言把这篇文章进行重写，替换掉过时的词汇。
9.重新构思(Reframe)
场景：这是一篇支持全球化的文章。
提示：请从保护民族工业的角度出发，重新构思这篇文章的观点。
10.概括(Summarize)
场景：这是一篇长度繁琐的论文摘要。
提示：请概括这篇论文摘要的主要观点，总结出1000字左右的核心内容。
11.扩展(Expand)
场景：这是一篇关于高等教育的短文。
提示：请扩展这篇短文的内容，补充更多支持性论据，使文章更全面。
12.正式化(Formalize)
场景：这是一篇语气较为随意的博客文章。
提示：请使用正式的语言和格式把这篇文章改写成适合在学术期刊上发表的样子。
13.非正式化(Informalize)
场景：这是一篇严谨的科研报告。
提示：请使用非正式和通俗的语言把这篇报告改写成适合在博客上发表的样子。
14.浓缩(Condense)
场景：这是一篇详细介绍某项技术的长文。
提示：请浓缩这篇文章的主要内容，确保所有关键信息都得到表达。
15.重申(Reiterate)
场景：这是一篇讨论减肥方法的文章。
提示：请重申文中关于合理饮食和经常运动的建议，强调其重要性。
16.多样化(Diversify)
场景：这是一篇语言单一、枯燥的说明文。
提示：请使用多种句式和丰富的词汇把这篇文章重写得更加生动有趣。
17.中立化(Neutralize)
场景：这是一篇带有明显倾向性的评论文章。
提示：请使用客观中立的语言把这篇文章改写成更公正合理的样子。
18.精简(Streamline)
场景：这是一篇内容冗长的市场分析报告。
提示：请删减不必要的细节，使报告更加简洁精炼。
19.丰富(Enrich)
场景：这是一篇比较简单直接的说明文。
提示：请添加更多生动形象的细节，使这篇文章更富有表现力。
20.例证(Illustrate)
场景：这是一篇阐述某一理论的文章。
提示：请给出适当的例子来帮助解释理解这个理论的主要观点。
21.综合(Synthesize)
场景：这里有两篇关于经济政策的短文表达了不同观点。
提示：请把这两篇短文的观点进行综合，给出一个融合不同观点的新视角。
22.夸张(Sensationalize)
场景：这是一篇比较平淡的旅游广告文案。
提示：请使用夸张手法把这篇文案改写得更引人注目。
23.人性化(Humanize)
场景：这是一篇比较严谨的科普文章。
提示：请用更贴近生活、更有人情味的语言把这篇文章改写得更吸引人。
24.提升(Elevate)
场景：这是一篇比较常规的演讲稿。
提示：请使用高级的语言和手法把这篇演讲稿改写得更有说服力。
25.阐释(Illuminate)
场景：这是一篇有些观点表达不够清晰的文章。
提示：请重写这篇文章，确保每一个观点都表达得异常明确。
26.赋予生机(Enliven)
场景：这是一篇比较单调乏味的说明文。
提示：请用更生动活泼的语言重写这篇文章，增加趣味性和吸引力。
27.轻描淡写(Soft-pedal)
场景：这是一篇语气过于强硬的评论文章。
提示：请使用温和谦逊的语气重写这篇文章。
28.夸大(Exaggerate)
场景：这是一篇平淡的广告文案。
提示：请使用夸张手法增加这篇文案的说服力和吸引力，但要注意不要失实。
29.掩饰(Downplay)
场景：这是一篇内容敏感的报道。
提示：请重写这篇报道，在确保报道准确的前提下，采用低调谨慎的语气。
从动词的语义上分析这29个提示词：
在这29个提示词中，我们可以将它们分为不同的类别，根据这些动词所含义来理解它们的语义特征。
“改写”类动词，包括“改编”、“现代化”、“重新构思”等。这类动词的共同点是希望AI对文本进行一定程度的改写或修订，来生成新的表达方式。
“增强”类动词，包括“详述”、“强调”、“扩展”等。这部分动词意在使原文本在某些方面得到加强和增添，如增加细节、强化观点等。
“提高明晰度”类动词，其中有“澄清”、“解释”、“阐释”等。这类动词的目的是希望AI消除文本的歧义部分，使内容更清晰易懂。
“调整语言风格”也是一个重要类别，有“正式化”、“非正式化”等词。这些动词会指导AI进行语言风格的转换，适应不同的使用场景。
像“概括”、“浓缩”等词要求AI进行内容的精简和提炼，属于“压缩语言”类。而“丰富”、“多样化”等则要求AI增加内容的丰富性和多样性。
从动词的使用场景角度分析这29个提示词：
不同的使用场景会需要运用不同的动词来精确表达对AI的需求。
例如在学术论文场景下，“正式化”“概括”“严谨化”等动词尤为实用。“正式化”可以将语言风格调整得更学术严谨；“概括”可以高效生成论文摘要；“严谨化”则可以减少文本的歧义。
而在营销场景下，“人性化”“增强吸引力”类动词会更合适。“人性化”可以增加文章的亲和力，“增强吸引力”则可以通过调整语言风格来产生更强的说服力。
如果是新闻报道场景，则“中立化”“简明扼要”类动词更有效。“中立化”可以减少报道的主观倾向，“简明扼要”可以生成简洁的新闻摘要。
在文学创作中，“丰富细节”“增强意境”等动词更为得力。这可以帮助AI生成更具想象力的语言描述。
从动词组合使用的角度分析这29个提示词：
# 😱，AI自动生成口型，视频嘴型自动同步
----------------------
theme: fancy
----------------------
今日看了一些对嘴的视频，觉得很好玩，遂来记录更新一番。本文主要讲述现在一些平台上AI翻译换嘴型换语言的AI模型Wav2Lip视频融合语音技术。
----------------------
介绍
Wav2Lip是一个开源工具，它是一种神经网络可以让视频中的人说话时的嘴唇的动作和音频的内容保持一致,根据语音调整嘴唇的变化，使得生成的视频人物口型跟输入的语音同步。
适用于任何人脸、任何语言、可以
霉霉说英文中文配音视频:（这个是剪映完成的，通过剪映-识别字幕-翻译中文-找个声音读出来，当然最后你自己配音也是没问题的。） jvideo
使用教程
准备工作
1、本地环境需要python环境: python3.6
2、需要音视频处理工具ffmpeg:
3、从远程git仓库中复制
4、在下载下来的文件根目录打开终端运行
5、点击下载人脸检测训练模型，下完之后把它放对应文件夹下
执行命令
基本实现原理
1. 提取音频特征: 通过使用
2. 提取视频帧: 从目标视频中提取一系列连续的视频帧，用作唇部动画的目标。
3. 预测唇部运动：使用深度学习模型，如
4. 合成唇部动画：将预测的唇部运动序列应用于目标视频的唇部区域。对齐和融合。
5. 渲染和输出：将合成
效果
jvideo
总结
总的来说，Wav2Lip AI 的实现原理是利用深度学习模拟预测唇部运动，并应用于唇部区域，然后通过音频特征和视频进行一一对应和合成的。在很多领域都需要这种技术。
----------------------
相关链接
AI网站
● AI模型趋势以及排名
● 视频融合语音 以训练好的模型，同步任何视频到任何语言任何音频，进行视频人物嘴型和语音融合，免费。
● hygen 同步音色和口型，分分钟掌握多国语言，but要💰
● chatGPT4.0语音对话 可模拟人喘息换气等，付费💰。
工具类
● 油管视频解析
● 视频转音频
----------------------
☎️ 希望对大家有所帮助，如有错误，望不吝赐教，欢迎评论区留言互相学习。感谢阅读，祝您开发有乐趣。
----------------------
via 掘金 人工智能 (author: 盏灯)
----------------------
theme: fancy
----------------------
今日看了一些对嘴的视频，觉得很好玩，遂来记录更新一番。本文主要讲述现在一些平台上AI翻译换嘴型换语言的AI模型Wav2Lip视频融合语音技术。
----------------------
介绍
Wav2Lip是一个开源工具，它是一种神经网络可以让视频中的人说话时的嘴唇的动作和音频的内容保持一致,根据语音调整嘴唇的变化，使得生成的视频人物口型跟输入的语音同步。
适用于任何人脸、任何语言、可以
无缝地与原始视频融合，还可以匹配转动的脸型的口型。霉霉说英文中文配音视频:（这个是剪映完成的，通过剪映-识别字幕-翻译中文-找个声音读出来，当然最后你自己配音也是没问题的。） jvideo
使用教程
准备工作
1、本地环境需要python环境: python3.6
2、需要音视频处理工具ffmpeg:
sudo apt-get install ffmpeg3、从远程git仓库中复制
Wav2Lip模型下载到本地:git clone [email protected]:Rudrabha/Wav2Lip.git
4、在下载下来的文件根目录打开终端运行
pip install -r requirements.txt5、点击下载人脸检测训练模型，下完之后把它放对应文件夹下
face_detection/detection/s3fd.pth，其名字为s3fd.pth执行命令
python inference.py --checkpoint_path <ckpt> --face <video.mp4> --audio <an-audio-source>--checkpoint_path <ckpt>: Checkpoint（理解为一个检查点路径），转换完成的视频将默认放置到results文件夹下，这个ckpt可以指定路径。--face <video.mp4>: 视频路径--audio <an-audio-source>: 音频路径 （可以是.mp3,.wav,甚至支持视频文件）基本实现原理
1. 提取音频特征: 通过使用
声谱图等音频处理技术来完成。2. 提取视频帧: 从目标视频中提取一系列连续的视频帧，用作唇部动画的目标。
3. 预测唇部运动：使用深度学习模型，如
卷积神经网络或循环神经网络等模型，学习音频和唇部动作之间的对应关系，生成适合于输入音频的唇部动画。4. 合成唇部动画：将预测的唇部运动序列应用于目标视频的唇部区域。对齐和融合。
5. 渲染和输出：将合成
唇部动画序列和目标视频的内容，最终合成唇部动画叠加在目标视频中，后期处理和调整。效果
jvideo
总结
总的来说，Wav2Lip AI 的实现原理是利用深度学习模拟预测唇部运动，并应用于唇部区域，然后通过音频特征和视频进行一一对应和合成的。在很多领域都需要这种技术。
----------------------
相关链接
AI网站
● AI模型趋势以及排名
● 视频融合语音 以训练好的模型，同步任何视频到任何语言任何音频，进行视频人物嘴型和语音融合，免费。
● hygen 同步音色和口型，分分钟掌握多国语言，but要💰
● chatGPT4.0语音对话 可模拟人喘息换气等，付费💰。
工具类
● 油管视频解析
● 视频转音频
----------------------
☎️ 希望对大家有所帮助，如有错误，望不吝赐教，欢迎评论区留言互相学习。感谢阅读，祝您开发有乐趣。
----------------------
via 掘金 人工智能 (author: 盏灯)
＜ Stable Diffusion 入门指南 ＞ 初步了解 Stable Diffusion
Stable Diffusion 与 Stable Diffusion UI
现在网络上有很多人都混淆了Stable Diffusion 与 Stable Diffusion UI的关系，我认为想要了解Stable Diffusion与Stable Diffusion UI的关系，首先需要了解它们各自的定义和功能。
Stable Diffusion是一个基于深度学习的图像生成模型，它通过学习大量的图像数据，能够根据用户输入的文本描述，生成符合要求的对应图片。该模型采用了条件生成对抗网络（Conditional Generative Adversarial Network，CGAN）架构，具有稳定性和生成质量高的优点。
而Stable Diffusion UI则是一个用户界面（WebUI），它为Stable Diffusion模型提供了一个更加简洁易操作的界面。通过这个界面，用户可以方便地调用Stable Diffusion模型，并对其各项参数进行调整，以生成符合自己需求的图片。此外，Stable Diffusion UI还支持多种插件扩展，用户可以根据自己的需求添加相应的插件，以实现更加丰富的功能。
因此，Stable Diffusion与Stable Diffusion UI的关系是相互依存的。Stable Diffusion提供了图像生成的能力，而Stable Diffusion UI则为这些能力提供了一个友好的用户界面，使得用户可以更加方便地使用这些功能。在应用方面，用户可以通过Stable Diffusion UI上传自己的文本描述，并得到符合要求的图片。同时，用户还可以通过调整模型的参数和添加插件来优化生成结果，从而满足自己的需求。
Stable Diffusion 整合包
如今，在国内提到 Stable Diffusion 的大众化就一定离不开一位大佬——秋葉aaaki，他制作的 Stable Diffusion 整合包在国内的推广和应用中发挥了非常重要的作用。他的工作不仅简化了使用流程，还使得更多的人能够接触到并使用这一强大的图像生成工具。
秋叶aaaki的贡献不仅仅在于软件包的制作和优化，他还积极地进行社区建设和交流。他经常在社区中分享自己的经验和技巧，解答用户的问题，提供帮助和建议。他的热情和专业知识感染了很多人，使得更多的人愿意尝试和使用Stable Diffusion。
手动@秋葉aaaki https://space.bilibili.com/12566101
大家可以去他的视频中找到最新版本的整合包下载链接。
提示词
提示词是Stable Diffusion中最重要的概念之一。它是一种文本输入，用于指导模型生成符合特定描述或条件的图像。
在Stable Diffusion中，提示词分为正向提示词（Positive Prompt）和负向提示词（Negative Prompt）。正向提示词是用来描述和引导模型生成某些特定内容或特性的文本，例如“A cute little bear with brown fur is playing in the forest”。负向提示词则是用来排除或避免某些内容或特性的文本，例如“Excess arms and fingers”。
原生Stable Diffusion只支持英文提示词，用户可以输入风格、背景、人物描述、装饰、动作，甚至性格等等提示词，这些提示词需要使用
通过使用正向提示词和负向提示词，用户可以非常精确地控制模型生成图像的内容、风格和质量。例如，他们可以调整图像的色彩、对比度、亮度等，或者控制生成的物体或场景的类型、细节和比例等。
在Stable Diffusion UI中，用户可以通过输入框输入正向提示词和负向提示词，并选择相应的模型进行生成。同时，UI还提供了一些默认的参数设置和调整选项，用户可以根据需要进行调整和优化，以获得更好的生成结果。
模型介绍
Stable Diffusion中的模型类别包括Checkpoint、LoRA、Textual Inversion 等。
Checkpoint
Checkpoint模型是指训练好的神经网络模型，它包含了模型的所有权重和参数。用户可以通过加载Checkpoint模型，直接使用已经训练好的模型进行图像生成，而无需从头开始训练。这种模型可以节省大量的时间和计算资源，同时也使得模型的使用更加灵活和可定制。
Checkpoint模型又被称为大模型，它是Stable Diffusion模型中最基础和最核心的模型。
LoRA
LoRA模型是一种轻量级的图像生成模型，需要配合Checkpoint模型使用，它相较于传统的GAN模型更加轻便和高效。LoRA模型在Stable Diffusion中得到了广泛的应用，它能够以更低的计算资源和更快的生成速度生成高质量的图像。LORA模型的优点在于其训练稳定性和生成图像的质量之间取得了很好的平衡。
LoRa有很多种类型，有场景LoRa、画风LoRa、姿势LoRa、服装LoRa、汽车LoRa、人物LoRa等，用户根据不同的需求和应用场景，可以针对性地选择适合的LoRA模型类型。例如，场景LoRA可以用于生成不同场景的图像，如城市、自然、建筑等；画风LoRA可以用于生成不同画风的图像，如抽象派、印象派、写实派等；姿势LoRA可以用于生成不同姿势的图像，如站立、坐姿、运动等；服装LoRA可以用于生成不同风格的服装图像，如古装、现代装、礼服等；汽车LoRA可以用于生成不同类型和品牌的汽车图像；人物LoRA可以用于生成不同年龄、性别、外貌等的人物图像。
Textual Inversion
Textual Inversion是一种文本到图像生成的模型，它通过将文本编码为向量表示，并将其与图像编码相结合，生成符合文本描述的图像。与传统的文本到图像生成模型不同，Textual Inversion更加注重文本和图像之间的语义一致性，生成的图像更加准确地反映了文本的描述。
除此以外，还有很多的模型类别，但我们常用的一般就是这三种。
Stable Diffusion UI中模型的实际使用
首先，我们要在界面的左上方选择Checkpoint模型，这一选择决定了图片生成的风格、细节、质量。
然后，我们可以通过在提示词中输入
Textual Inversion模型通常与提示词绑定，具体使用则需要查看对应的模型介绍。
模型的获取
Hugging Face - huggingface.co Civitai - civitai.com
via 掘金 人工智能 (author: 奎歪歪)
Stable Diffusion 与 Stable Diffusion UI
现在网络上有很多人都混淆了Stable Diffusion 与 Stable Diffusion UI的关系，我认为想要了解Stable Diffusion与Stable Diffusion UI的关系，首先需要了解它们各自的定义和功能。
Stable Diffusion是一个基于深度学习的图像生成模型，它通过学习大量的图像数据，能够根据用户输入的文本描述，生成符合要求的对应图片。该模型采用了条件生成对抗网络（Conditional Generative Adversarial Network，CGAN）架构，具有稳定性和生成质量高的优点。
而Stable Diffusion UI则是一个用户界面（WebUI），它为Stable Diffusion模型提供了一个更加简洁易操作的界面。通过这个界面，用户可以方便地调用Stable Diffusion模型，并对其各项参数进行调整，以生成符合自己需求的图片。此外，Stable Diffusion UI还支持多种插件扩展，用户可以根据自己的需求添加相应的插件，以实现更加丰富的功能。
因此，Stable Diffusion与Stable Diffusion UI的关系是相互依存的。Stable Diffusion提供了图像生成的能力，而Stable Diffusion UI则为这些能力提供了一个友好的用户界面，使得用户可以更加方便地使用这些功能。在应用方面，用户可以通过Stable Diffusion UI上传自己的文本描述，并得到符合要求的图片。同时，用户还可以通过调整模型的参数和添加插件来优化生成结果，从而满足自己的需求。
Stable Diffusion 整合包
如今，在国内提到 Stable Diffusion 的大众化就一定离不开一位大佬——秋葉aaaki，他制作的 Stable Diffusion 整合包在国内的推广和应用中发挥了非常重要的作用。他的工作不仅简化了使用流程，还使得更多的人能够接触到并使用这一强大的图像生成工具。
秋叶aaaki的贡献不仅仅在于软件包的制作和优化，他还积极地进行社区建设和交流。他经常在社区中分享自己的经验和技巧，解答用户的问题，提供帮助和建议。他的热情和专业知识感染了很多人，使得更多的人愿意尝试和使用Stable Diffusion。
手动@秋葉aaaki https://space.bilibili.com/12566101
大家可以去他的视频中找到最新版本的整合包下载链接。
提示词
提示词是Stable Diffusion中最重要的概念之一。它是一种文本输入，用于指导模型生成符合特定描述或条件的图像。
在Stable Diffusion中，提示词分为正向提示词（Positive Prompt）和负向提示词（Negative Prompt）。正向提示词是用来描述和引导模型生成某些特定内容或特性的文本，例如“A cute little bear with brown fur is playing in the forest”。负向提示词则是用来排除或避免某些内容或特性的文本，例如“Excess arms and fingers”。
原生Stable Diffusion只支持英文提示词，用户可以输入风格、背景、人物描述、装饰、动作，甚至性格等等提示词，这些提示词需要使用
,分隔，输入一整段话也是可以的，AI会去自动匹配这段话中的关键词。通过使用正向提示词和负向提示词，用户可以非常精确地控制模型生成图像的内容、风格和质量。例如，他们可以调整图像的色彩、对比度、亮度等，或者控制生成的物体或场景的类型、细节和比例等。
在Stable Diffusion UI中，用户可以通过输入框输入正向提示词和负向提示词，并选择相应的模型进行生成。同时，UI还提供了一些默认的参数设置和调整选项，用户可以根据需要进行调整和优化，以获得更好的生成结果。
模型介绍
Stable Diffusion中的模型类别包括Checkpoint、LoRA、Textual Inversion 等。
Checkpoint
Checkpoint模型是指训练好的神经网络模型，它包含了模型的所有权重和参数。用户可以通过加载Checkpoint模型，直接使用已经训练好的模型进行图像生成，而无需从头开始训练。这种模型可以节省大量的时间和计算资源，同时也使得模型的使用更加灵活和可定制。
Checkpoint模型又被称为大模型，它是Stable Diffusion模型中最基础和最核心的模型。
LoRA
LoRA模型是一种轻量级的图像生成模型，需要配合Checkpoint模型使用，它相较于传统的GAN模型更加轻便和高效。LoRA模型在Stable Diffusion中得到了广泛的应用，它能够以更低的计算资源和更快的生成速度生成高质量的图像。LORA模型的优点在于其训练稳定性和生成图像的质量之间取得了很好的平衡。
LoRa有很多种类型，有场景LoRa、画风LoRa、姿势LoRa、服装LoRa、汽车LoRa、人物LoRa等，用户根据不同的需求和应用场景，可以针对性地选择适合的LoRA模型类型。例如，场景LoRA可以用于生成不同场景的图像，如城市、自然、建筑等；画风LoRA可以用于生成不同画风的图像，如抽象派、印象派、写实派等；姿势LoRA可以用于生成不同姿势的图像，如站立、坐姿、运动等；服装LoRA可以用于生成不同风格的服装图像，如古装、现代装、礼服等；汽车LoRA可以用于生成不同类型和品牌的汽车图像；人物LoRA可以用于生成不同年龄、性别、外貌等的人物图像。
Textual Inversion
Textual Inversion是一种文本到图像生成的模型，它通过将文本编码为向量表示，并将其与图像编码相结合，生成符合文本描述的图像。与传统的文本到图像生成模型不同，Textual Inversion更加注重文本和图像之间的语义一致性，生成的图像更加准确地反映了文本的描述。
除此以外，还有很多的模型类别，但我们常用的一般就是这三种。
Stable Diffusion UI中模型的实际使用
首先，我们要在界面的左上方选择Checkpoint模型，这一选择决定了图片生成的风格、细节、质量。
然后，我们可以通过在提示词中输入
<lora:lora_name:0.5> 来使用LoRA，lora_name为lora模型文件的名称，0.5为lora的权重，数字越大对图片的影响越大。Textual Inversion模型通常与提示词绑定，具体使用则需要查看对应的模型介绍。
模型的获取
Hugging Face - huggingface.co Civitai - civitai.com
via 掘金 人工智能 (author: 奎歪歪)
终于有人做出了基于ChatGPT的AI选股工具，而且针对的是中国A股。
网站：https://StockAI.Trade
提出你的需求后，网站会列出GPT挑选出的几只股票及其股价走势图，更会提供AI诊股及AI公告分析等功能。
你们觉得ChatGPT的选股靠谱么？小编劝你慎重，因为在中国，豹的爸爸不是豹，是鼓啊！没听懂？提示：😭
📢AI新闻频道： t.me/AI_News_CN
