“AI国潮设计-小江”
《Python+SDXL实战：用ControlNet批量生成“英歌舞草莓蛋糕”IP，附自动化脚本与商用思路》
IP一致性： 通过加载特定的 LoRA 和 ControlNet ，无论生成多少张，那个英歌舞小人的脸和衣服都是一样的。为了实现“风格统一”且“批量生成”，我编写了一个Python脚本，通过API调用ComfyUI/Stable Diffusion。很多朋友问我：“小江，你生成的图这么精致，如果我要给一家店做全套菜单，怎么能保证风格统一？这是我的“潮汕国潮甜品IP”系列的最后一张作品——《英歌舞翻糖草莓蛋糕》。应用场景： 它可以是春节限定的糕点包装，也可以是奶茶店的杯套设计，甚至是盲盒手办的渲染图。
最强小杰
gpt-5.6-sol 一直报 429 但 gpt-5.5 正常怎么办？两个限流桶要分开退避才行
上周三我在 Cline 里跑一个代码的 pipeline，把模型从 gpt-5.5 切到 gpt-5.6-sol 之后，同样的请求量，429 像机关枪一样往外蹦。折腾半天才搞明白：gpt-5.6-sol 的 RPM（每分钟请求数）和 TPM（每分钟 Token 数）是两个独立的限流桶，而且这两个桶的阈值比 gpt-5.5 低不少。但问题来了——同样的账户 Tier，gpt-5.5 的 TPM 上限可能是 30000，gpt-5.6-sol 只给 10000。说明触发的是 TPM 桶，不是 RPM 桶。
“AI国潮设计-小江”
《Python+SDXL实战：用ControlNet精准控制“英歌舞戚风蛋糕”质感，附批量生成脚本》
为了保证每一张生成的戚风蛋糕都有完美的“裂纹”和“蓬松感”，同时保持英歌舞人物不变形，我编写了一个Python脚本，通过API调用Stable Diffusion。今天这篇，我不只发图，我要分享如何用Python+SDXL，通过代码精准控制画面的“空气感”与“IP一致性”，把创意变成可以批量复制的生产力。IP植入： Q版的英歌舞人物手持“潮汕”令牌坐在蛋糕顶端，仿佛是这个甜蜜王国的守护者。主体： 这是一个标准的6寸戚风蛋糕，表面的自然裂纹、筛上的糖粉、甚至模具的金属光泽，都还原了刚出炉的真实质感。
成为深度学习高手
LightGTS：从一致周期建模出发、以1/500参数匹敌时序基础模型的轻量通用预测模型
LightGTS提出轻量通用时序预测模型，针对现有时序基础模型依赖大参数、固定token化导致周期对齐失效的问题，创新性地引入一致周期建模。通过周期token化（PeriodicalTokenization）实现跨尺度周期对齐，并设计周期并行解码（PeriodicalParallelDecoding）增强周期利用；结合理论指导的flex-resize机制，使模型在1.3M~4M参数下，于9个基准上实现zero-shot与full-shot SOTA性能，效率远超同类模型，验证了周期归纳偏置在轻量通用预测中的
作者推荐
- 王知无(import_bigdata)
- 微信搜：import_bigdata GitHub搜：https://github.com/wangzhiwubigdata/God-Of-BigData
关注
- 韩曙亮
- 中国人民大学硕士 , 专注于 移动开发 领域 , 博客专家 , 2023 年博客之星 TOP1 , 2021 年博客之星 TOP9 , 华为云 云享专家 , 阿里云社区 专家博主 , 51CTO 专家博主 ;
关注
