Visual-ChatGPT|对话生成图像

关于Visual-ChatGPT的出图效果其实很一般,因为全部都过文字描述去执行功能,这真的远没有您点几点鼠标轻松,而且对中文的支持也没有所描述的那样友好,还需要openAI的API接口做为使用条件。

微软最新开源项目Visual-ChatGPT对话生成图像

Visual-ChatGPT是微软最新开源的项目,其实这个关于Visual-ChatGPT这个东西听起来挺高科技的,但背后原理其实很简单,无非就是调用了一些开源项目实现自动化。

简单的来说,本站部署了Visual-ChatGPT,在部署过程中也会自动安装LangChainStable Diffusion |ControlNetInstructPix2PixCLIPSegBLIP等开源项目,通过您所发送的文字内容,自动调用相关开源项目完成相应的功能。但因为Visual-ChatGPT不知道您具体需要哪一个项目,所以它默认加载了所有模型,这会导致普通玩家的显卡根本无法负担。

关于使用后的出图效果其实很一般,因为全部都过文字描述去执行功能,这真的远没有您点几点鼠标轻松,而且对中文的支持也没有所描述的那样友好,还需要openAI的API接口做为使用条件。高门槛、低效率还有过低的可自定义性,真的非常不推荐。

警告

这不是一般用户能够玩的起的东西,本站最近参考了很多内容都无法通过2080TI来运行起来,因为这个项目需要70GB显存,除非您有8张高性能英伟达显卡,不然真的望尘莫及。

【别走!文章末尾有本站的抽奖活动!】

项目地址

GitHub:microsoft/visual-chatgpt

部署教程

如果您是初学者,对于命令行不太理解,那么请按下键盘上的Win键+R键后,在弹出的新窗口内输入CMD并按下回车,打开CMD窗口,按顺序执行如下的每一条命令。

首先我们需要确认一个工作目录,用来存放visual-chatgpt的相关环境依赖文件。本站所选择的目录为D盘的根目录下openai.wiki文件夹,完整路径为:D:\openai.wiki

检测D盘目录下是否在openai.wiki文件夹,如果没有openai.wiki文件夹则创建。

if not exist D:\openai.wiki mkdir D:\openai.wiki

执行如下命令,拉取项目至本地目录。

git clone https://github.com/microsoft/visual-chatgpt.git

强制切换工作路径为D盘的openai.wiki\visual-chatgpt文件夹。

cd /d D:\openai.wiki\visual-chatgpt

为不影响电脑中的现有环境,请一定要安装Conda,如果您不知道什么是Conda,或者未安装过Conda,请参考如下文章,安装部署Conda之后再继续以下步骤。

在CMD中执行下面的命令行,创建Conda虚拟环境至该项目的目录中,方便日后重装系统也能够正常使用,无需重新部署环境。

conda create -p D:\openai.wiki\visual-chatgpt\ENV python=3.8

执行完成上面的命令之后,将会在CMD窗口中看到Proceed ([y]/n)?提示,我们直接按下回车即可。

初始化Conda环境,避免后续可能报错。

conda init cmd.exe

激活已创建的Conda环境,这样我们可以将我们后续所需要的所有环境依赖都安装至此环境下。

conda activate D:\openai.wiki\visual-chatgpt\ENV

执行如下命令,通过配置文件批量安装相关依赖库环境。

pip install -r requirements.txt

注意:如果您是Linux系统执行第一行代码,如果您是Windows系统执行第二行代码,不要两个都执行。

关于openAI的API获取,可以自行前往openAI官网注册账号,新账号拥有5美金的API使用额度。

set OPENAI_API_KEY={你的Openai_Key}
export OPENAI_API_KEY={你的Openai_Key}

使用教程

启动Visual ChatGPT!

你可以使用”–load”参数指定GPU/CPU分配,该参数指示要使用的Visual Foundation模型以及将其加载到哪里。

模型和设备用下划线“_”分隔,不同的模型用逗号“,”分隔

可用的Visual Foundation模型可以在下表中找到

例如,如果你想将ImageCaptioning加载到cpu上,将Text2Image加载到cuda:0上

你可以使用: “ImageCaptioning_cpu,Text2Image_cuda:0”

CPU用户建议使用如下方式运行

python visual_chatgpt.py --load ImageCaptioning_cpu,Text2Image_cpu

总结

本文写的比较潦草,因为本站长实在是没有这么高的配置,后续工作完全无法进行测试,70GB的显存劝退了太多人。

但是,为了给感兴趣的人一个机会,本站将会在本文章下留言的用户中,随机抽选一位幸运用户,赠送openAI价值120美元的API授信额度,可用日期截止时间为2023年4月30日。

活动日期截止至2023年4月12日,奖励将会通过邮箱发送,欢迎大家踊跃参与。

此文章由OpenAI开源维基百科原创发布,如若转载请注明出处:https://openai.wiki/visual-chatgpt.html

(0)
上一篇 2023-04-07 22:54
下一篇 2023-04-08 13:55

相关推荐

  • openAI|使用嵌入的语义文本搜索

    本文介绍如何使用OpenAI的文本嵌入来进行语义文本搜索。通过查询嵌入与文档嵌入进行比较,可以高效的在数据集中搜索相关文本。如何使用余弦相似度计算来搜索文本,并展示了搜索结果。提高搜索效率并降低成本。

    ChatGPT 2023-02-20
    011.1K
  • ChatGPT|HTML网页制作

    这是一个实战的教程,让你可以0基础搭建一个HTML静态网页,网页的界面和功能类似于本站之前为大家所搭建的Prompt模板网页,包含ChatGPT和VS Code工具的使用教程,让您可以快速搭建个人站。

    2023-07-19
    001.8K
  • openAI|如何流式完成

    当使用OpenAI完成端点时,流式传输可以更快地获得响应,提高应用程序的效率和性能。本文提供Python示例,介绍如何接收流完成并处理,以便在整个完成完成之前就可以开始打印或以其他方式处理完成的开始。

    ChatGPT 2023-02-19
    004.8K
  • ChatGPT账号注册教程

    本文为初次使用ChatGPT的用户提供了详细的注册教程,包括如何在国外注册手机号、接收验证码、OpenAI注册等。通过本教程,用户可以轻松注册ChatGPT账号,使用ChatGPT提供的人工智能服务。

    2023-02-17
    024.4K
  • GPT-3|文本说明示例

    本文介绍了基于大型语言模型的ChatGPT Prompt工具及其在信息提取方面的应用。首先讲解了基本原理和技术特点,然后分别介绍了其在回答问题、总结文本、文本分类、实体提取等方面的具体应用案例。

    ChatGPT 2023-02-20
    00904

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注

评论列表(3条)

  • openai.wiki的忠实粉丝
    openai.wiki的忠实粉丝 2023-04-09 10:54

    站长的电脑水平太高了,我们小白望尘莫及,祝您事业有成!!

  • null
    null 2023-04-13 20:20

    活动日期截止至2023年4月12日,奖励将会通过邮箱发送,欢迎大家踊跃参与
    一看时间,今天13号了,,,,,

微信