PyTorch 介绍 PyTorch 是一个开源的机器学习框架，主要用于深度学习任务，如计算机视觉、自然语言处理等。它由 Meta（前 Facebook）的 AI 研究实验室开发，于 2016 年首次发布。PyTorch 的优势在于其动态计算图（eager mode），这使得调试和实验更灵活，与 Python 的编程风格高度兼容。同时，它支持 GPU 加速、分布式训练，并拥有丰富的生态系统。PyTorch 被广泛用于学术研究和工业生产，支持从原型开发到部署的全流程。 相比其他框架如 TensorFlow，PyTorch 更注重直观性和灵活性，允许用户在运行时定义和修改模型。它还提供了 TorchScript 用于将模型转换为静态图模式，便于生产部署；TorchServe 用于模型服务化；以及 torch.distributed 用于分布式训练和性能优化。 PyTorch 的主要组成部分 PyTorch 的核心是 torch 库，但它包括多个模块和子库，形成一个完整的生态。以下是其关键组成部分： 这些组件使得 PyTorch 适用于从简单脚本到大规模分布式系统的各种场景。 安装 PyTorch PyTorch 的安装取决于你的操作系统、Python 版本、是否使用 GPU Read more…

IndexTTS是一个工业级、可控且高效的零样本文本转语音(TTS)系统。它基于XTTS和Tortoise，具备汉字拼音纠正和通过标点控制停顿的功能。系统在多个模块上进行了改进，包括说话人条件特征表示的改进和BigVGAN2的集成以优化音频质量。 核心特性 通过对IndexTTS代码的分析，特别是infer.py和相关的GPT模型代码，可以清楚地看到Personalized VoiceCloning的实现机制。这个过程的核心在于使用参考音频（prompt audio）生成条件向量（conditioningvector），然后在语音合成过程中利用这个条件向量来控制输出语音的音色。 以下是详细的工作流程：

推荐一个好文 作者：李博杰这是一个好问题。先说结论，大模型的训练用 4090 是不行的，但推理（inference/serving）用 4090 不仅可行，在性价比上还能比 H100 稍高。4090 如果极致优化，性价比甚至可以达到 H100 的 2 倍。 事实上，H100/A100 和 4090 最大的区别就在通信和内存上，算力差距不大。 H100 A100 4090 Tensor FP16 算力 989 Tflops 312 Tflops 330 Tflops Tensor FP32 算力 495 Tflops 156 Tflops 83 Tflops 内存容量 80 GB 80 GB 24 GB Read more…

GPT4o的多模态生图前天上线之后。 经过两天的发酵，含金量还在不断提升。 在我的群里，已经能看到越来越多的，进入到实际生产环节的例子。 比如@银海的直接做商品图的翻译和合成，这是原来的算法，很难做的效果，但是现在，有手就行。 非常复杂的电商流程，一张原始图，换产品换脸换衣服。 比如@歸藏的直接把UI图放样机里面的例子，如果做过UI或者产品设计的朋友肯定都知道，以前我们在做展示，或者做汇报的时候，经常做样机做的挺痛苦的。 比如给他头像，画的两套表情包，是可以直接上架到微信表情商店的那种。 来自一个顶级消费品公司的电商设计团队负责人@黄花鱼，用GPT-4o来直接做之前非常流行的3D品牌海报。 比如我一个很喜欢的小红书AI博主@Rico有三猫，用GPT-4o给她做小红书封面。 也用GPT-4o直接做商品图翻译出海。 群友@默月佥在用GPT-4o出蜜蜂的解剖科普图。 一个很专业的公众号AI博主@阿真lrene，不仅用GPT-4o生成复杂的漫画，还能抠图，一键直出透明通道的PNG图。 干死各种抠图软件的不是更牛逼的抠图软件，而是大模型。。。 还有朋友@不知名网友虎子哥，用GPT-4o给他自己家的房子装修。。。 还有一些我确实不知道源头的但是被传播的蛮广的例子（如有作者，欢迎评论区认领）。 给几个家具做一个展示图，这个场景在电商领域无敌。 之前我写可灵的AI模特的时候，很多人问，能不能让模特戴首饰？现在，可以了。 还用它，直接P图，消除人物。 老照片一键修复+上色。 甚至，还可以模仿字体做字体设计。 在GPT-4o的冲击下，N多的设计师和创业者，都有点emo了。 比如就有大佬在X上感叹道： 朋友圈里还看到了一张图，是glif的老板，在X上发的。 纪念ComfyUI，纪念一切的AI图像工作流。 OpenAI的一次更新，又屠杀了一堆公司。 又一次深刻的阐明了那句《三体》中的经典台词： 我消灭你，与你无关。 GPT-4o的冲击当然是有，但是，他的上限在哪？能做到什么地步？真的能彻底替代ComfyUI的AI图像工作流吗？ 我想弄清楚这个答案。 首先我觉得我还是要跟大家非常简单的用一两句话解释一下ComfyUI，让大家知道这玩意是个啥，我们才好继续往下聊。 ComfyUI是一个非常专业的工作流工具，不局限于AI绘图，AI视频啥的也都可以往里面接。他的界面大概是这样的，很像电路板。 这个就是在Liblib上搭的ComfyUI工作流。 它是以节点方式，把各个工具、各个模型给串起来，形成一整套的工作流，比如一张图进去，经过各种节点和插件，输出一个完全风格不同的AI视频，这都是OK的。 坦率的讲，我不是ComfyUI的专家的，做过的工作流也不多，我觉得在这个领域，我并没有那么强的发言权，所以。 我去请教了一下我的1个好朋友，AI绘图大神@炼丹师忠忠。 我想听听，他的看法。 首先是，GPT-4o对电商设计的冲击到底有多大？ 我跟忠忠聊了很久。 最后得到的结论，跟我自己在设计行业里感受到的水温差不多。 对于普通水平的电商设计师，肯定是有打击的，他们原有的技能水平也就只能产出跟gpt4o差不多的图，相对来说意义不大了。 Read more…

这两天，我被这个Claude3.5这个神级Prompt惊呆了。佩服的五体投地。非常简单的话说，就是它用Prompt把o1级别的思维链，复刻到了Claude3.5里，而且思考逻辑更详细、更像人，甚至思考过程都跟o1一样，可以展开折叠。 被这个Prompt强化过的Claude3.5，真的强到离谱。智能程度、成功率、像人的程度，都大幅提升。我的朋友们已经在群里玩疯了。比如群友@洛小山直接用这段Prompt强化过的Claude3.5，当场造了一个flappy bird。 而且是真的能直接玩起来，给他看懵了。 然后，又生成了德州扑克，不仅可以玩，还是带了AI玩家的那种。。。 给群里鲜虾包都看震惊了。 但是众人还没来得及为这个case称赞，后面好几个更秀的case就接踵而来。这一切，都是来源于那个神级Prompt。而这个Prompt，它的名字，叫做Thinking Claude。顾名思义，思考版的Claude。我之前先贴他的Prompt吧，非常长，当然你也可以去作者的Github上看，地址是：https://github.com/richards199999/Thinking-Claude/tree/main完整的Prompt，是这样的（前方高能预警），可以直接先滑过去，给文章点个收藏下次再复制： <anthropic_thinking_protocol>For EVERY SINGLE interaction with a human, Claude MUST ALWAYS first engage in a **comprehensive, natural, and unfiltered** thinking process before responding.Below are brief guidelines for how Claude’s thought process should unfold:- Read more…

To change the margins, you must modify the ImageableArea section in the PPD file. ImageableArea provides the bounding box of the area in which the printer may print for the page size named mediaOption. There will be one statement for Read more…