我们都知道，Python的执行效率很低。 在我的一个数字人项目中，需要用到Fish-Speech，但据测试，在不进行预编译的情况下，RTX4080上Fish-Speech甚至每2秒生成1秒音频，这无法满足实时性要求。 我们使用编译优化来解决问题啦—— Tips：本文仅针对于Windows，Linux

之前我们Lora微调了Stable Diffusion，这次我们来调大语言模型(✪ω✪)。 此次微调的模型是llama-3-chinese-8b-instruct-v3。 微调大语言模型，对我来说是一个迟早要学习的东西（除非它被新技术取代了） 微调用到 peft 这个库，这是一个便捷且通用的Lora

据说Stable Diffusion 1.5 模型吗，十几张图就能调出来不错的效果。 现在实验室有16G的卡，可以尝试一下啦。( •̀ ω •́ )✧ 数据集准备 现在有强大的自动预处理，数据集的准备可以说是只要有图片就行了。 自动预处理 首先是准备用于微调的图片。 此处我拿之前用于三维重建的小车的

先声明，请勿用于非法用途，造成的一切后果自行承担。 道德高尚的大语言模型容不得缺德的问题。假如问了缺德的事情，大语言模型会毫不留情地拒绝你。 所以，接下来我们要解除大语言模型的这个限制。 本文用到的东西目前似乎并不是很常见，资料很难查。 原理 大语言模型越狱有很多方法，有通过特定提示词（奶奶漏洞）、

很久很久以前，我研究过一段时间的AI变声，那个时候技术还不成熟，效果也不怎么好。 以前也有测试过AI拟声，但效果十分有待提升 https://srcblog.ffeng123.win:23443/archives/80eca22c-0d43-4cc7-83e2-d140d4fb3db0</

知识图谱，在大语言模型出现之前就存在了，但是那个时候可能并不是很好构建，现在有了大语言模型，构建知识图谱的难度大大降低了。 知识图谱这个东西，可以拿来辅助大语言模型推理，可以展示给用户，显得系统很牛，为了降低以后的工作量，我要研究一个通用的知识图谱构建方法（老师的建议） 在此之前，我已经做过三个知识

OpenAI家有个叫ChatGPT的模型最近似乎火了。 我用尽九牛二虎之力，还是没有注册上，但是从同学那里借到了帐号。 使用体验 那叫一个震撼啊，感觉像是在和真人对话一样啊，但是对话只要和他沾上关系他就不断强调自己只是个机器人，不会造成危害。（好可疑的感觉） 它会清楚地记着对话的上下文。 可以问他一

MockingBird ，一个专门拟声的AI项目。 很久一起我就想试一试了，今天就来尝试一波。 首先，我没有训练数据，所以不能训练，也不需要训练，有别人训练好的模型。 得到模型 别人训练好的模型在百度网盘上面，百度网盘P2P打开直接跑满带宽，很快就下完了。 在它下载的期间，我去看了看Readme，这

早就听说 Novel AI 了，画二次元图片的AI，今天我也来体验下。 首先是资源：50Gib的模型文件 我的电脑是跑不动的，我需要一张可以的显卡。 这样的显卡在哪里找呢？据我所知的，百度飞浆和Google Colab可以白嫖到算卡。 白嫖Google Colab 参考BV1Me4y1S7Fd上的教