- 综合排序
- 最热优先
- 最新优先
- 来自专栏AI科技大本营的专栏
苹果发布 AI 生成模型 GAUDI，文字生成 3D 场景
整理 | 禾木木 出品 | AI科技大本营（ID:rgznai100） 前有DALL.E文本生成图像，现有将文字变成 3D场景。 近日，苹果 AI 团队发布最新 AI 模型 GAUDI，它是基于 3D 场景的神经架构 NeRFs，可以根据文字生成 3D 室内场景。 最新 AI 系统 GAUDI 如果说 NeRFs 从不同角度逼真地渲染图像的能力可以用于生成 AI 呢？ 此前，OpenAI 的 DALL-E 2 或 Google 的 Imagen 和 Parti 等 AI 系统展示了 AI 将文本生成图像的潜力，但内容也仅限于 2D 图像和图形。 苹果 AI 团队发布的 GAUDI 是一种能够生成沉浸式 3D 场景的神经架构，可以根据文字提示创建 3D 场景。 例如，输入“穿过走廊”或“上楼梯”，就可以看到执行这一动作的 3D 场景视频。
95820编辑于 2022-12-09 - 来自专栏七云博客
PHP文字生成图片API
$text = $_GET['text']; $img =imagecreate(500,80);//设置底图大小 imagecolorallocate($img,0xff,0xff,0xff);//生成底图 imagecolorallocate($img,0,0,0);//设置字体颜色 我写的黑色 imagettftext($img,$size,0,100,50,$black,$font,$text); //生成图片
4.2K20编辑于 2022-01-27 - 来自专栏七云's Blog
PHP文字生成图片API
php /* * @Author: Qicloud * @Title: 文字生成图片API * @Project: YUQ 清新旋律群大佬要的，随手记后面可以造轮子玩 * @QQ: 66547997 $text = $_GET['text']; $img =imagecreate(500,80);//设置底图大小 imagecolorallocate($img,0xff,0xff,0xff);//生成底图 imagecolorallocate($img,0,0,0);//设置字体颜色 我写的黑色 imagettftext($img,$size,0,100,50,$black,$font,$text); //生成图片
1.3K10编辑于 2023-11-17 - 来自专栏程序那些事儿
告别文字！谷歌 Whisk 的“看图说话”式 AI 图像生成
通过调整输入的图片或添加少量文字提示，可以迅速生成不同的变体，方便进行视觉探索和创意迭代。 底层原理 Whisk 的独特能力源于谷歌先进 AI 模型的协同工作，Gemini 的视觉理解与 Imagen 3 的生成能力： Gemini AI 的视觉智能： 当用户上传图片时，Gemini AI 模型负责对这些图像进行深入的分析 大多数其他 AI 图像生成工具主要依赖精确的文字描述，而 Whisk 则允许用户以更直观的方式进行创作，尤其适合那些难以用语言准确表达的视觉想法。 Whisk Animate 作为 Whisk 的一项重要扩展功能，Whisk Animate 利用谷歌的 Veo 2 视频生成模型，将 Whisk 生成的静态图像转化为短视频。 Whisk 优点 弱化了对精确文字提示的依赖： 这降低了 AI 图像生成的门槛，使得更广泛的用户群体能够参与到创意过程中。
65400编辑于 2025-06-09 - 来自专栏Node开发
图片文字识别(2)
上篇文章主要对百度AI文字识别接口最基础的通用文字以及手写文字图片进行了接入识别，本篇文章我们来接着看几个实用性比较强的文字识别接口。百度AI接口对接挺容易的，签名加密都没有涉及到。 2.如果图片需要进行保存，可以前端将图片转化为binary格式，后端先将图 片上传到服务器或者直接传到对象存储oss，然后获得图片路径，使用现 在的方法加载缓冲数据，进行BASE64编码最后调用接口解析图片文字信息 这样有一个好处就是比如我们数据库设计表截个数据表的图，扔进接口里面就可以自动生成一个表格链接供我们进行下载，省却了我们制作数据表的时间和精力。 但是我这里就不准备一一介绍了，有兴趣可以自行查看百度AI文字识别文档： https://ai.baidu.com/docs#/OCR-API/87932804 其实业务开发过程如果适当的引入人脸识别，文字识别等 而且百度AI还提供了一系列需要申请权限的接口，很大成都方便了我们的开发，我们不必去追究底层是如何识别图片中的文字的，就可以快速接入API识别我们需要的功能。
54.4K30发布于 2019-07-01 - 来自专栏Alter聊科技
智谱AI再放“大招”，30秒将任意文字生成视频
时间回到2021年初，距离ChatGPT的走红还有近两年时间，诸如Transformer、GPT等名词只是在学术圈讨论时，智谱AI就推出了文生图模型CogView，可以将中文文字生成图像，在MS COCO 的评估测试中超过OpenAI的Dall·E，并在2022年推出了CogView2，解决了生成速度慢、清晰度低等问题。 到了2022年，智谱AI在CogView2的基础上研发了视频生成模型CogVideo，可以输入文本生成逼真的视频内容。 比如在内容连贯性方面，智谱AI自研了高效三维变分自编码器结构（3D VAE），将原视频空间压缩至2%大小，配合3D RoPE位置编码模块，更有利于在时间维度上捕捉帧间关系，建立起视频中的长程依赖。 、擅长中文的向量模型Embedding-2、代码模型CodeGeeX、开源模型GLM-4-9B以及视频生成大模型CogVideoX，客户可以根据不同的需求调用不同大模型，找到最优解。
56510编辑于 2024-07-26 - 来自专栏个人博客
文字生成图片综述 - plus studio
文字生成图片综述 背景 根据文字生成图像，是近几年大模型领域和多模态比较热门的研究。 像 NovelAI 这类的二次元模型对于用户输入的描述词的专业程度要求较高，也由社区自发整理了大量的魔典(prompt).精确控制图像的生成也是AI绘画的一个发展方向，各种可以控制人物动作，位置的方法[ 文字生成图片 文字生成图片一个重要的前提条件是建立文字和图片的联系。CLIP首先通过对比学习的方式实现了文字图片联系。FLIP和A-CLIP对CLIP进行了改进。 Imagen主要使用文字内容进行训练，图片则先生成小图再超分放大。 prompt prompt提示可以给文字生成图片提供语义信息。
1.2K10编辑于 2024-02-28 - 来自专栏CreateAMind
stackGAN通过文字描述生成图片的V2项目
https://github.com/hanzhanggit/StackGAN-v2 StackGAN-v2 StackGAN-v1: Tensorflow implementation StackGAN-v1 Pretrained Model StackGAN-v2 for bird. Download and save it to models/ StackGAN-v2 for bedroom. Download and save it to models/ StackGAN-v2 for church. Examples generated by StackGAN-v2 ?
1.6K30发布于 2018-07-24 - 来自专栏算法channel
你用GPT生成的文字，AI工具能检测出来了！
你好，我是郭震 一种名为DetectGPT的零样本机器生成文本检测方法，识别是否由GPT方法生成的论文或文章，检测准确率达95% 工具使用，比如输入文字，进入到检测工具DetectGPT，结果输出：是否 GPT生成 检测方法 通过分析语言模型的概率曲率来判断文本是否由特定模型生成。 识别并利用机器生成的文本样本 x ∼ pθ(·) （左侧）倾向于位于 log p(x) 的负曲率区域，这意味着附近的样本平均具有较低的模型对数概率。 总结 所以，看到这里的读者，大家写论文，一定不要纯靠GPT，后面查重中加入这项，检查出是用GPT生成的，可能就会有问题。提前了解好要求才行。
1.4K10编辑于 2024-04-30 - 来自专栏用户2442861的专栏
Tesseract文字训练,以及样本生成
https://blog.csdn.net/haluoluo211/article/details/77776831 前面用做Tesseract做文字识别的时候，一般网上教程称使用jTessBoxEditor 训练（最终我试验发现对于中文的图片文字识别而言训练基本没什么卵用） ---- 当然使用jTessBoxEditor训练新的文字还是可以的，当时我发现jTessBoxEditor训练基本的配置文件基本是文字以及文字的坐标于是我使用 python脚本生成了对应的训练图片以及配置文件。 先上个图： yahei_font2.box配置文件box的内容如下： ? 生成的配置文件如下： ? ? blank.show() # dict2txt(dic_word2coord) lst2txt(lst_word2coord) def lst2txt(lst):
1.3K10发布于 2018-09-19 - 来自专栏Lcry个人博客
在线生成文字 Banner 网站分享
在线生成各种文字banner。 网站链接：点此直达 直接填写文字，然后选择字体，选择比较好看的复制即可！ 预览图
8.7K10编辑于 2022-11-29 - 来自专栏码客
iOS 图片处理 生成文字图片
randomColor()-> UIColor{ var color = ["#E1B154","#D2945B", "#E57257","#38B1A2" 0, y: 0, width: size.width, height: size.height)); let fontWidth = imageWidth/1.4/2; let y = (imageWidth - fontWidth*1.3)/2; //画字符串 let font = { let subStr:NSString = String(str.suffix(2)) as NSString; let x = (imageWidth }else if(str.count==1){ let x = (imageWidth - str.size(withAttributes: attrs).width)/2;
8.3K10发布于 2019-10-22 - 来自专栏Ryan Miao
banner自动生成工具，ascii文字展示
生成文字 大部分工具只支持英文的库，中文的我还没发现。 推荐使用在线库：http://www.network-science.de/ascii/ 比如这样： ? banner: charset: UTF-8 生成图片 生成图片就是一个很强大的功能了。中文文字其实也可以通过截图的方式用图片来转成文字。 推荐生成图片库： http://www.degraeve.com/img2txt.php 生成后： ?
6K60发布于 2018-03-13 coze工作流文字生成视频
学习完Dify后Dify使用deepseek尝试使用下coze，发现流程和交互几乎一模一样，不过coze的插件更丰富些，特别是多媒体插件，就尝试用coze做了一个一键文生视频的工作流程，生成的视频如下 我们输入一个主题和描述，就能一键生成上面的视频，对于自媒体作者来说是不是很方便？ 下面详细介绍下流程，首先定义两个参数，主题和图片提示词 然后接入大模型，我们选择豆包工具就行，接着填入系统提示词和用户提示词 下一步进行文本处理，将刚刚生成的一段话，按照句号拆分成一个个短句 接着我们加一个批处理 ，作为一个容器把刚刚扣出来的图放进去 接下来使用文生音频，把每一个句子生成对应的音频 获取音频时长 有了文字、图片、音频，我们接着根据音频时长，生成对应长度的一个个短视频 得到短视频后，我们还需要把短视频整合起来 ，合成一个长视频 最后加入一个结束，把生成的长视频url打印出来 这样，我们运行流水线，就能通过简单输入的提示词和主题，生成我们期望的短视频 至此一个完整的自媒体流水线完成啦。
33410编辑于 2026-03-18- 来自专栏我爱计算机视觉
医学生成模型MedSyn：文字引导，AI“画”出高保真CT图像
最先进的图像生成工具，如IMAGEN和隐空间扩散模型 (LDMs)这样的方法已经展示了基于文本提示的2D跨模态生成模型的潜力，但目前还没有已知的文本引导的医学成像体积图像生成技术。 下图是一些文字生成肺部3D CT图像的结果： 02.摘要 这篇文章介绍了一种创新的方法，通过文本信息引导来产生高质量的3D肺CT图像。 我们首先根据文本合成低分辨率图像，作为后续完整体积数据生成器的基础。为了确保生成样本的解剖可能性，我们在CT图像中生成血管、气道和肺叶分割掩码来提供进一步的引导。 本研究关注两个主要目标：(1)基于文本提示和解剖部分创建图像的方法的开发，(2)基于解剖元素生成新图像的能力。图像生成的进步可以应用于增强许多下游任务。 实验对比如下： 04.解刨学结构条件生成 在本节中， MedSyn展示了条件生成的应用。在这项研究中，我们的目标是在解剖结构可用时生成数据，例如我们可以模拟肺叶、气道或血管的结构。
1.3K10编辑于 2023-10-12 - 来自专栏AI
AI生成图片中的文字为何总是混乱？解决方案与研究方向
在AI生成图片领域，文字生成一直是技术难点之一。许多用户发现，AI生成的图片中的文字常常出现混乱、无法辨认的情况，这严重影响了AI生成图片的质量和实用性。 一、问题背景AI生成图片中的文字混乱问题在多个主流AI模型中都有体现。以国内的豆包、智谱AI等模型为例，用户在生成图片时，即使输入明确的文字描述，生成的图片中文字也可能出现乱码或奇怪符号。 这种现象不仅影响了用户体验，也暴露了当前AI生成技术在文字处理方面的不足。二、原因分析多模态生成的内在矛盾：视觉与语言模态之间的固有不一致性，导致模型在生成文字和图像时难以兼顾两者的一致性。 例如，字节跳动与华东师范大学联合提出的TextHarmony模型，通过融合视觉文本的理解和生成能力，成功缓解了多模态生成中的模态不一致问题。2. 例如，要求生成一名女子在海湾大桥房间内写字的场景，GPT-4o不仅能准确描绘环境，还能保持图像中文字的清晰和连贯。2.
7.9K00编辑于 2025-03-29 - 来自专栏CreateAMind
文字描述生成视频的开源项目
文字condition 视频 Attentive Semantic Video Generation using Captions Tensorflow implementation for the paper right Example of Spatio Temporal Style Transfer Caption 1: digit 4 is moving up and down Caption 2: digit 4 is moving left and right Caption 1: digit 4 is moving up and down Caption 2: digit 9 is moving left and right Caption 1: digit 5 is moving left and right Caption 2: digit 9 is moving up and down Caption 1: person 10 is walking left to right Caption 2: person 10 is walking right to left
91120发布于 2018-07-24 - 来自专栏程序那些事儿
Runway Gen2：AI视频生成的未来
Runway Gen2 是一种由 Runway Research 开发的新的文本到视频生成器。它是第一款公开可用的文本到视频模型，能够“真实和一致”地合成新视频。 使用方式 Gen2 提供了多种生成视频的方式，你可以直接通过文本描述来生成一段视频，当然，你也可以根据图片和文字的描述来生成视频，此外，你还可以通过对视频进行神奇描绘来生成视频。 配合着类似 midjourney 等图片生成工具，你完全可以制作自己的动画视频。 应用 Gen2 具有广泛的应用前景。它可用于： 创意表达，创建新的艺术作品、视频游戏、电影等。 例如，您可以使用 Gen2 创建一段视频宣传您的新产品或服务 挑战 Gen2 仍在开发中，但它已经显示出巨大的潜力。随着模型的改进，Gen2 将能够生成更加逼真和逼真的视频。 然而，Gen2 也面临一些挑战。例如，Gen2 生成的视频可能存在偏见或错误。此外，Gen2 可能被用于生成虚假或误导性的视频。 结论 Runway Gen2 是一项具有重要潜力的技术。
1.1K10编辑于 2023-11-30 - 来自专栏csdn-nagiY
本地部署文字生成音乐AI工具MusicGPT并使用浏览器远程访问使用
前言 今天和大家分享一下在Windows系统电脑上本地快速部署一个文字生成音乐的AI创作服务MusicGPT，并结合cpolar内网穿透工具实现随时随地远程访问使用进行AI音乐的创作与体验。 MusicGPT这款开源AI音乐生成器可以本地运行最新的音乐生成AI模型，比如Meta 的 MusicGen 模型。 需要注意的是Windows系统部署为自动下载模型到电脑C盘，需要预留至少2个G以上的空间。 稍等即可下载完毕： 然后会自动打开浏览器访问 musicgpt 的Web UI页面： 2. 文字输入框左侧是生成时间选择功能，默认情况下，它会产生 10 秒的样本，最多可配置为 30 秒，且可以设定1秒到30秒内的任意时长。 内网穿透工具下载安装 此时，我们已经成功在本地的Windows系统电脑中部署了 MusicGPT 文字生成音乐AI工具，但仅能在本地局域网中使用，如果想在异地远程使用本地部署的MusicGPT 服务生成音乐应该怎么办呢
64810编辑于 2024-09-28 - 来自专栏机器之心
AI版「女娲」来了！文字生成图像、视频，8类任务一个模型搞定
机器之心报道 编辑：陈萍、小舟 AI会是未来的「造物者」吗？ 近来，视觉合成任务备受关注。几天前英伟达的 GauGAN 刚刚上新了 2.0 版本，现在一个新视觉合成模型 Nüwa（女娲）也火了。 首先研究者将「女娲」在三个数据集上进行预训练：用于文本 - 图像 (T2I) 生成的 Conceptual Captions，包括 2.9M 文本 - 图像对；用于视频预测 (V2V) 的 Moments in Time，包括 727K 视频；用于文本 - 视频 (T2V) 生成的 VATEX 数据集，包括 241K 文本 - 视频对。 图像补全 (I2I) 零样本评估：给定塔楼的上部，与 Taming Transformers 模型进行比较，「女娲」可以生成对塔楼下半部分更丰富的想象，包括生成周围建筑物、湖泊、花草、树木、山脉等。 欢迎 AI 社区从业者们积极报名参与，同时我们也欢迎 NeurIPS 2021 论文作者们作为嘉宾参与论文分享与 Poster 展示。感兴趣的小伙伴点击「阅读原文」即可报名。
70920编辑于 2023-03-29
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号