- 综合排序
- 最热优先
- 最新优先
- 来自专栏码匠的流水账
langchai4j结合zhipu-ai生成图片
序本文主要研究一下怎么通过langchai4j结合zhipu-ai生成图片步骤pom.xml<dependency> <groupId>dev.langchain4j</groupId> < artifactId>langchain4j-community-zhipu-ai</artifactId> <version>1.0.0-beta1</version></dependency> prompt=Beautiful house on country side，就可以得到图片链接小结langchain4j集成了Azure OpenAI Dall·E、OpenAI Dall·E、Google Imagen、Cloudflare Workers AI、ZhiPu AI、Xinference这几种图像大模型。 对于ZhiPu AI来讲，提供了ZhipuAiImageModel，通过generate方法即可生成图片。docimage-modelsZhiPu AI
36600编辑于 2025-02-25 Imagen 4 是 Google 最新的 AI 图像生成器
谷歌正在推出一种新的图像生成 AI 模型 Imagen 4，该公司声称该模型比其之前的图像生成器Imagen 3提供更高质量的结果。 “我们还投入了大量精力，并针对其生成文本和地形的方式进行了改进，因此它非常适合制作幻灯片、邀请函，或者任何其他需要融合图像和文字的内容。” Imagen 4 的样本图片来源：谷歌 从ChatGPT 的热门工具到Midjourney 的 V7 ，市面上 AI 图像生成器琳琅满目。它们都相对复杂、可定制，并且能够创作高质量的 AI 艺术作品。 那么，是什么让 Imagen 4 脱颖而出呢？ 另一个 Imagen 4 样本图片来源：谷歌 据谷歌称，Imagen 4 速度很快——比 Imagen 3 还要快。而且它很快就会变得更快。 从今天早上开始，Imagen 4 可以在 Gemini 应用程序、Google 的 Whisk 和 Vertex AI 平台以及 Google Workspace 中的 Google Slides、Vids
68110编辑于 2025-05-31- 来自专栏腾讯高校合作
Wiztalk | 殷俊 Part 4《游戏AI的应用—内容生成》
AI技术在游戏研发中的应用 Part 4 游戏AI的应用—内容生成 简介：游戏AI除了应用在智能角色控制，还有另一大看点就是游戏内容生成。 殷老师通过超级玛丽的关卡、斗地主中的残局的生成等多个例子，向大家展示游戏AI的创造力。 内容难度：★☆☆（高中/大学及以上非计算机专业学生均可以学习） ?
59020发布于 2020-12-10 - 来自专栏全栈程序员必看
java 生成xml dom4j_Java生成xml——DOM4J生成
一、四种方式的总结 【DOM】 DOM方式生成xml是基于DOM树的结构，整个DOM树会存在内存中，所以使用DOM方式可以频繁的修改xml的内容，但是因为DOM树是存在内存中的，所以对内存消耗较大。 【SAX】 SAX方式生成xml是逐步写 一、DOM4J生成实例 Dom4JToXmlDemo.java public class Dom4JToXmlDemo { public static void root = document.addElement(“bookstore”); //3、为根节点添加子节点book Element book = root.addElement(“book”); //4、 FileNotFoundException e) { e.printStackTrace(); } catch (IOException e) { e.printStackTrace(); } } } 一、JDOM生成实例 Element root = new Element(“bookstore”);//2、创建Document对象，将根节点写入对象中Document document = new Do 运行结果： 输出dom4jToxml.xml
1.2K20编辑于 2022-09-15 4D生成爆款来了！南洋理工&上海AI Lab发布4DNeX: 单图生成4D动态世界，效率碾压
作者：Zhaoxi Chen等 解读：AI生成未来 论文链接：https://arxiv.org/pdf/2508.13154 项目链接：https://4dnex.github.io/ 亮点直击 4DNeX ，首个用于图像到 4D 生成的前馈框架，能够从单张图像生成动态点云； 构建了 4DNeX-10M，一个具有高质量 4D 标注的大规模数据集； 引入了一套简单但有效的微调策略，用于将预训练的视频扩散模型适配到 4D 生成任务中。 4DNEX-10M 为了解决 4D 生成建模中的数据稀缺问题，引入了4DNeX-10M，这是一个专为训练前馈式 4D 生成模型设计的大规模混合数据集。 为了生成新视角视频，首先使用本文的前馈模型生成场景的 4D 点云表示，然后使用 YU 等人（2025）的方法进行渲染。 主要结果 4D几何生成。
78810编辑于 2025-08-27- 来自专栏奔跑的人生
4. Swagger生成Javadoc
swagger2markup 使用MAVEN插件生成AsciiDoc文档 使用MAVEN插件生成HTML 下节预告 Swagger生成JavaDoc ---- 在日常的工作中，特别是现在前后端分离模式之下 --整合Swagger2--> <dependency> <groupId>com.spring4all</groupId> <artifactId com.liferunner.dto.UserRequestDTO对象，这个对象的属性如下： @RestController @RequestMapping(value = "/users") @Slf4j 生成结果如下： ? adoc文件生成好了，那么我们使用它来生成html吧 使用MAVEN插件生成HTML 在mscx-shop-api\pom.xml中加入以下依赖代码： <!
1.1K20发布于 2019-11-10 - 来自专栏DrugScience
DOCK-4-生成 Grid
生成 Grid 围绕活性位点创建一个box 使用指令：showbox < box.in box.in的文件格式为： 输出文件：rec_box.pdb Chimera可直接打开 ? 生成grid 使用指令为：grid -i grid.in -o grid.out grid.in格式为： 输出为：grid.out,grid.bmp,grid.nrg 计算需要花费时间 输出后查看grid.out repulsive_exponent 12 distance_dielectric yes dielectric_factor 4
63610发布于 2021-02-04 GPT-4探索语言的无界领域与AI文本生成技术
像GPT-4这样的指令调优语言模型提供了这种可能性和挑战，这是一项利用人工神经网络基于用户输入生成自然语言文本的尖端技术。 我的目标是打破您对语言模型生成文本的外观、感觉乃至阅读方式的期望。因为如果您已经读到这里，您已经在不知不觉中陷入了AI生成散文的网络。 因此，挑战在于将GPT-4用作我们自身成长和探索的催化剂，而不是我们自身思维的替代品。 那部分也不是我写的实际上，整篇文章都是由GPT-4撰写的。我之所以创建这篇文章，是因为我还没有看到模型生成散文的优秀示例，并且我想尝试使用GPT-4创作整篇文章的想法。 然后我开启了一个新的会话，并请求：“以与引言完全不同的写作风格，按照某作家的风格，通过解释这篇文章实际上是由某中心生成的来完成这篇文章。”随后我将文章草稿粘贴到提示中。
15810编辑于 2026-01-03- 来自专栏ATYUN订阅号
利用AI 生成商标
最新的尝试是生成一个对抗网络(GAN)——由样本生成器和鉴别器组成，它们可以区分生成的样本和真实世界的样本。 然后他们使用谷歌的云视觉服务生成4到8个描述标识内容的单词标签，并使用预先训练的人工智能模型对这些标签进行矢量化，为每个示例创建空间表示。之后再对这些空间表征进行聚类，以识别具有相似视觉特征的特征。
2.9K20发布于 2019-10-08 - 来自专栏开源心路
AI生成视频-Pika
背景介绍 Pika 是一个使用 AI 生成和编辑视频的平台。它致力于通过 AI 技术使视频制作变得简单和无障碍。 Pika 1.0 是 Pika 的一个重大产品升级，包含了一个新的 AI 模型,可以在各种风格下生成和编辑视频,如 3D 动画，动漫，卡通和电影风格。 现在我们需要告诉 AI 实际上我们想要生成什么样的片段。 视频越流畅 接受:8-24 之间的数字(默认为 24) 示例提示: /create prompt: 示例提示文字 -fps 16 运动 参数:-motion # 用途:调整运动强度 接受:0~4 我们很高兴推出 Pika 1.0，这是一次重大的产品升级，包括一个新的 AI 模型，它能够以 3D 动画、动漫、卡通和电影等各种样式生成和编辑视频，以及一个新的 Web 体验，使其更容易使用。
1.9K10编辑于 2023-12-06 - 来自专栏王的机器
生成式 AI 简介
Sunglasses 8 种服装颜色 (clothing color)： Black, Blue01, Gray01, PastelGreen, PastelOrange, Pink, Red, White 4 LongHairCurly, LongHairStraight, ShortHairShortWaved, ShortHairShortFlat, ShortHairFrizzle 这样有 3 * 8 * 4 用数学表达式表示就是： 有了这个假设，我们可以计算出 朴素贝叶斯模型将原始问题“对每个特征组合做概率估计”简化成对“每个特征做概率估计”，原来我们需要用 4031 (3 * 8 * 4 * 6 * 7) 个参数，现在只需要 23 (3 + 8 + 4 + 6 + 7) 个参数，每个参数的表达式为： 其中 N 是观测数据的个数即 50，nkl 是第 k 个特征取其下第 l 个特征值的个数 在此问题中，特征只有 5 个属于低维数据，朴素贝叶斯模型假设它们相互独立还算是合理，因此模型生成的结果还不错，下面来看一个模型崩塌的例子。 4.
68330编辑于 2023-09-02 - 来自专栏自学气象人
生成式 AI 简介
Sunglasses 8 种服装颜色 (clothing color)： Black, Blue01, Gray01, PastelGreen, PastelOrange, Pink, Red, White 4 LongHairCurly, LongHairStraight, ShortHairShortWaved, ShortHairShortFlat, ShortHairFrizzle 这样有 3 * 8 * 4 用数学表达式表示就是： 有了这个假设，我们可以计算出 朴素贝叶斯模型将原始问题“对每个特征组合做概率估计”简化成对“每个特征做概率估计”，原来我们需要用 4031 (3 * 8 * 4 * 6 * 7) 个参数，现在只需要 23 (3 + 8 + 4 + 6 + 7) 个参数，每个参数的表达式为： 其中 N 是观测数据的个数即 50，nkl 是第 k 个特征取其下第 l 个特征值的个数 在此问题中，特征只有 5 个属于低维数据，朴素贝叶斯模型假设它们相互独立还算是合理，因此模型生成的结果还不错，下面来看一个模型崩塌的例子。 4.
67310编辑于 2023-09-05 - 来自专栏慕枫技术笔记
深入理解生成式AI技术原理：初识生成式AI
真正的大师永远怀着一颗学徒的心 如果将人工智能按照用途进行简单分类的话，人工智能可以划分为决策式AI以及生成式AI两类。 而以ChatGPT为代表的生成式AI通过对大量数据的联合概率进行学习，对已有的数据和知识进行归纳总结，同时结合深度学习技术，自动生成新的内容，而新生成的内容可以是文字、图片甚至是视频等多模态内容。 深度学习 深度学习是生成式AI背后比较核心的实现技术，它是机器学习的重要优化手段，而机器学习又是人工智能领域重要的落地实现措施。 总结 本文主要对生成型AI进行了初步阐述，同时针对生成型AI最核心的两个技术点分别进行了初步说明，后面的专栏文章中将继续以深度学习以及大模型核心技术点作为切入点来深入分析生成型AI背后的技术原理。 希望通过系列文章的说明，让大家对于类似ChatGPT这样的生成型AI有一个更加深刻的理解。 如何优雅的消除系统重复代码 大厂面试官眼中的好简历到底什么样？
2.3K30编辑于 2023-08-10 - 来自专栏自动化测试实战
pytest入门 -4 allure生成报告
allure生成测试报告 首先要确认安装了allure-pytest插件 1）如果是Windows系统，要去Git下载、解压、配置path路径。 "/Users/macbook/allure-2.17.2/bin:${PATH}" export PATH 图1：打开的.bash_profile文件 图2：手写的allure PATH 4. /temp意思是设置一下allure生成json格式的临时报告路径./temp就是放到当前路径的temp文件夹下。 然后执行pytest 可以看到在temp文件夹中生成了很多.json的文件 然后在pytest.main()下面增加 os.system("allure generate ./temp -o . /report 生成的allure报告路径 --clean 清空report文件夹下原来的报告 这样在report文件夹下就能看到生成的报告了 打开以后： 这个报告还有很多可以改进的地方，可以根据你的需要进行显示
1K30编辑于 2022-02-23 - 来自专栏DevOps
【AI】生成式AI & Gemmi模型介绍
AI 人工智能 （AI） 被认为是机器（尤其是计算机系统）对人类智能过程的模拟。这些过程包括学习（获取信息和使用信息的规则）、推理（使用规则得出近似或明确的结论）和自我纠正。 生成式AI 生成式人工智能最近变得非常流行，它被大众用来生成不同类型的内容，包括文本、图像、视频等。 生成式 AI 是人工智能 （AI） 技术的一个子集，专注于根据输入数据或从现有数据中学习的模式生成新的原创内容。 与专为分类或预测等特定任务而设计的传统 AI 模型不同，生成式 AI 模型能够创建全新的数据样本，这些样本类似于它们所接触的训练数据。它使用生成模型，这些模型根据现有数据的学习概率分布生成新内容。 在这里，我们开发了用于不同领域的不同 AI 工具列表。 参考：What is Artificial Intelliegence? - DEV Community
93310编辑于 2024-05-06 2025年全球生成式AI手机出货量将达4亿部
3月20日消息，据市场研究机构Counterpoint Research最新发布的研报显示，预计2025年具生成式人工智能（GenAI）功能的智能手机出货量将达约4亿部，约占整个智能手机出货量的30%， 不过Counterpoint Research也指出，目前GenAI应用尚未激发消费者强烈兴趣，智能手机厂商也正探索更具实用价值的AI应用场景，以推动用户对于智能手机的升级需求。 从头部智能手机品牌客户的表现来看，三星和苹果凭借他们在高端智能手机市场的领导地位，以及苹果Apple Intelligence、三星Galaxy AI生态系统的加持，具备GenAI功能的智能手机出货快速增长 此外，Counterpoint Research还预计，今年“AI智能体”（Agentic AI）将成行业新关键字，相比现有GenAI助手，具备AI智能体的智能手机可以提供更自主的场景感知与行动导向的AI
28010编辑于 2026-03-194sapi生成式 AI 驱动下的智能聊天机器人
生成式 AI 驱动下的智能聊天机器人：技术深耕、工程实践与行业价值升维一、技术演进：从工具到生态的范式跃迁在人工智能技术迈向产业化深耕的今天，智能聊天机器人已完成从 “单一交互工具” 到 “企业数字化核心枢纽 生成式 AI 技术的突破性发展，叠加 OpenAI 等顶尖机构提供的高性能模型 API，与 New API 平台构建的 “高可用、低延迟、强适配” 企业级服务生态形成协同效应，彻底解决了传统聊天机器人在语义理解深度 MODEL_SETTINGS"]# 企业级客户端初始化：整合高可用与安全性设计client = openai.OpenAI( base_url=api_settings.get("BASE_URL", "https://4sapi.com 智能聊天机器人作为生成式 AI 技术落地的核心载体，正深刻改变着企业运营与用户交互的模式。 若在技术落地、场景扩展或战略规划中遇到具体问题，欢迎在评论区交流探讨，共探 AI 时代的商业新可能。—END—
31520编辑于 2025-10-24- 来自专栏我爱计算机视觉
开源 4D 生成框架 | 4DGen: 基于动态 3D 高斯的可控 4D 生成
，文章使用Gaussian Splatting实现了高质量的4D生成。 /VITA-Group/4DGen 视频 研究背景 尽管3D和视频生成取得了飞速的发展，由于缺少高质量的4D数据集，4D生成始终面临着巨大的挑战。 任务定义 过往的4D生成工作是“one click“的方式，并不能对生成的结果进行有效的控制。 4DGen提出了“Grounded 4D Generation“的形式，通过利用视频序列和可选的3D模型作为4D生成的控制信息，可以实现更为精准的4D内容生成。 4DGen将每一帧生成的多视图作为2D伪标签，并且采用多视图生成的点云作为3D点的伪标签来监督训练过程。
1.2K10编辑于 2024-01-02 - 来自专栏开源心路
AI生成中Transformer模型
文本生成：如GPT系列模型，在自动内容创作、对话生成等方面具有显著效果。 文本理解：如BERT模型，用于情感分析、文本分类、问答系统等。 语音处理：Transformer被用于语音识别和语音合成。 图像处理：虽然最初是为NLP设计的，但Transformer也已被适配用于图像分类和生成任务。 生物信息学：用于蛋白质结构预测等复杂任务。 视频处理：用于视频理解和视频生成任务。 注意力机制允许解码器在生成每个输出元素时“关注”输入序列中的不同部分，从而有效地解决信息压缩的问题。 这样，解码器可以直接访问整个输入序列，从而更准确地生成输出。 ,避免参照还未生成的词。 总之,Masked Self-Attention通过对未生成词位置的Mask,实现了顺序生成,是Transformer具有auto-regressive解码能力的关键。
1.2K11编辑于 2023-12-20 - 来自专栏AI工具大盘点
AI Logo 生成技术解析
在 AI 技术蓬勃发展的当下，其应用已渗透至品牌设计领域，AI Logo 生成这一创新应用应运而生。 一、AI Logo 生成技术解析（一）算法基础AI Logo 生成工具主要依赖深度学习中的生成对抗网络（GAN）和变分自编码器（VAE）等技术。以 GAN 为例，它由生成器和判别器两部分组成。 4、LogoMe技术特点 ：用户选择 Logo 样式、行业、颜色并输入品牌名称后，LogoMe 利用其智能设计算法生成 Logo。 三、AI Logo 生成的优势与特点（一）高效快速AI Logo 生成工具能够在极短的时间内（最短不到 60 秒）生成一批 Logo 方案。 五、AI Logo 版权问题剖析（一）版权政策差异免费 AI Logo 生成工具在版权政策方面存在显著差异。
57510编辑于 2025-07-15
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