[有彩蛋]大模型独角兽阶跃星辰文生图模型Step-1X上线,效果具说很炸裂?快来看一手实测!

本文主要是介绍[有彩蛋]大模型独角兽阶跃星辰文生图模型Step-1X上线,效果具说很炸裂?快来看一手实测!,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

先简单介绍一下阶跃星辰吧

公司的创始人兼CEO是姜大昕博士,他在微软担任过全球副总裁,同时也是微软亚洲互联网工程研究院的副院长和首席科学家。

2024年3月,阶跃星辰发布了Step-2万亿参数MoE语言大模型预览版,这是国内初创公司首次发布的万亿参数模型。

而Step-1X,是阶跃星辰在2024年世界人工智能大会上亮相的文生图模型。Step-1X在深度语义对齐和细节生成方面进行了重点打磨,采用了自研的DiT(Diffusion Models with Transformer)模型架构,能够准确理解复杂指令,并支持长达2000个字符的图片生成指令。

今天阶跃星辰就正式的在他的开放平台上发布了Step-1X

阶跃星辰开放平台 (stepfun.com)

Step-1X尤其在在处理中国元素和文化方面具有独特的优势,能更好地理解和传达文化精髓,适用于广告创意、游戏美术、影视制作等多种场景。

目前阶跃星辰的估值大约为20亿美元。

我在之前也写过一篇有关阶跃星辰Step Fun-1V的模型介绍,

感兴趣的小伙伴们可以去看一下。

国产最强多模态大模型Step Fun-1V,究竟有多好用?_国内多模态模型-CSDN博客

先来看几张用Step-1X生成的图片:

 

这几张图片的效果还是非常不错的,尤其国风的色彩非常浓厚,整体画面表现的美感和张力也是比较足的。

Step-1V应该是国内第一个在这方面具有较大优势的自研文生图模型。

那接下来,我们去他的开放平台进行一下实操,给大家看一下最真实的效果。

右侧可以选择模型,这里我选的就是step-1v 

size就是指图片大小

step就是生成步数:生成影响模型生成的准确度和速度,取值范围是[1-100],通过改变步数,可以控制生成的效果和速度。值越大,生成的图片越准确,同时速度越慢。

cfg就是分类器引导强度:可用于控制扩散模型对于 Prompt 的遵循程度,取值范围在 (1-10]之间,支持 2 位小数。值越大,则模型对于 Prompt 的遵循程度越高。

先来试一下最近比较火的游戏,让他帮我画一个黑神话悟空出来,不做任何的提示。

呃,效果好像不太行。

接下来试一下用一个简单的prompt看看生成的效果。

这个提示词的中文是:

“我现在想画一个动漫风格的图片,一男一女穿着九十年代港风复古的服装,躺在绿色的草坪上,看着黑色的天空中布满了星星。”

效果还是非常可以的,服装确实是九十年代的港风。

再试一下国风的效果怎么样。

 提示词比较复杂,但是能看出来整体的效果还是非常可以的,有点那个意思了。

接下来我们在试一下他的隐藏玩法,用Step-1v分析图片,再用Step-1X生成图片。

这是原来的图片

接下来直接把回答的内容给到Step-1X,看看效果。

 

效果非常不错哟~ 

又把刚才的港风草地,优化了一下prompt,生成出来的效果就更好咯

下面在欣赏几张生成的图片

 

 

嘶,突然奇想!有个idear不知当不当讲?

既然文生图试过了,不妨再试试用Step-1V-32K能不能直接生成出一个软件。就是不是生成代码的那种。

用通俗的话讲就是“文生软件”,用自然语言来生成应用程序。

我告诉跃问能不能帮我生成出一个智能聊天机器人的应用,结果显而易见好像是不太行。

于是我就去网上搜了一下有没有AI能直接生成出一个软件或者应用程序的。

嘿!您猜怎么着?结果还真的被我搜到了

而且我还测试了一下他的效果,真的好炸裂,我只能说这个炸裂的程序比Step-1X生成图片的效果还要爆!

待我整理一下思路,明天给大家演示一下,我是如何用这个究极炸裂的AI工具生成一个智能聊天机器人的。

不妨给我点个小关注,明天第一时间通知大家哦~

这篇关于[有彩蛋]大模型独角兽阶跃星辰文生图模型Step-1X上线,效果具说很炸裂?快来看一手实测!的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1134920

相关文章

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

如何去写一手好SQL

MySQL性能 最大数据量 抛开数据量和并发数,谈性能都是耍流氓。MySQL没有限制单表最大记录数,它取决于操作系统对文件大小的限制。 《阿里巴巴Java开发手册》提出单表行数超过500万行或者单表容量超过2GB,才推荐分库分表。性能由综合因素决定,抛开业务复杂度,影响程度依次是硬件配置、MySQL配置、数据表设计、索引优化。500万这个值仅供参考,并非铁律。 博主曾经操作过超过4亿行数据

Andrej Karpathy最新采访:认知核心模型10亿参数就够了,AI会打破教育不公的僵局

夕小瑶科技说 原创  作者 | 海野 AI圈子的红人,AI大神Andrej Karpathy,曾是OpenAI联合创始人之一,特斯拉AI总监。上一次的动态是官宣创办一家名为 Eureka Labs 的人工智能+教育公司 ,宣布将长期致力于AI原生教育。 近日,Andrej Karpathy接受了No Priors(投资博客)的采访,与硅谷知名投资人 Sara Guo 和 Elad G

Retrieval-based-Voice-Conversion-WebUI模型构建指南

一、模型介绍 Retrieval-based-Voice-Conversion-WebUI(简称 RVC)模型是一个基于 VITS(Variational Inference with adversarial learning for end-to-end Text-to-Speech)的简单易用的语音转换框架。 具有以下特点 简单易用:RVC 模型通过简单易用的网页界面,使得用户无需深入了

透彻!驯服大型语言模型(LLMs)的五种方法,及具体方法选择思路

引言 随着时间的发展,大型语言模型不再停留在演示阶段而是逐步面向生产系统的应用,随着人们期望的不断增加,目标也发生了巨大的变化。在短短的几个月的时间里,人们对大模型的认识已经从对其zero-shot能力感到惊讶,转变为考虑改进模型质量、提高模型可用性。 「大语言模型(LLMs)其实就是利用高容量的模型架构(例如Transformer)对海量的、多种多样的数据分布进行建模得到,它包含了大量的先验

图神经网络模型介绍(1)

我们将图神经网络分为基于谱域的模型和基于空域的模型,并按照发展顺序详解每个类别中的重要模型。 1.1基于谱域的图神经网络         谱域上的图卷积在图学习迈向深度学习的发展历程中起到了关键的作用。本节主要介绍三个具有代表性的谱域图神经网络:谱图卷积网络、切比雪夫网络和图卷积网络。 (1)谱图卷积网络 卷积定理:函数卷积的傅里叶变换是函数傅里叶变换的乘积,即F{f*g}

秋招最新大模型算法面试,熬夜都要肝完它

💥大家在面试大模型LLM这个板块的时候,不知道面试完会不会复盘、总结,做笔记的习惯,这份大模型算法岗面试八股笔记也帮助不少人拿到过offer ✨对于面试大模型算法工程师会有一定的帮助,都附有完整答案,熬夜也要看完,祝大家一臂之力 这份《大模型算法工程师面试题》已经上传CSDN,还有完整版的大模型 AI 学习资料,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费

【生成模型系列(初级)】嵌入(Embedding)方程——自然语言处理的数学灵魂【通俗理解】

【通俗理解】嵌入(Embedding)方程——自然语言处理的数学灵魂 关键词提炼 #嵌入方程 #自然语言处理 #词向量 #机器学习 #神经网络 #向量空间模型 #Siri #Google翻译 #AlexNet 第一节:嵌入方程的类比与核心概念【尽可能通俗】 嵌入方程可以被看作是自然语言处理中的“翻译机”,它将文本中的单词或短语转换成计算机能够理解的数学形式,即向量。 正如翻译机将一种语言

防近视护眼台灯什么牌子好?五款防近视效果好的护眼台灯推荐

在家里,灯具是属于离不开的家具,每个大大小小的地方都需要的照亮,所以一盏好灯是必不可少的,每个发挥着作用。而护眼台灯就起了一个保护眼睛,预防近视的作用。可以保护我们在学习,阅读的时候提供一个合适的光线环境,保护我们的眼睛。防近视护眼台灯什么牌子好?那我们怎么选择一个优秀的护眼台灯也是很重要,才能起到最大的护眼效果。下面五款防近视效果好的护眼台灯推荐: 一:六个推荐防近视效果好的护眼台灯的

AI Toolkit + H100 GPU,一小时内微调最新热门文生图模型 FLUX

上个月,FLUX 席卷了互联网,这并非没有原因。他们声称优于 DALLE 3、Ideogram 和 Stable Diffusion 3 等模型,而这一点已被证明是有依据的。随着越来越多的流行图像生成工具(如 Stable Diffusion Web UI Forge 和 ComyUI)开始支持这些模型,FLUX 在 Stable Diffusion 领域的扩展将会持续下去。 自 FLU