迷途小书童的Note-CSDN博客

原创 PyAutoGUI实战(七)键盘与鼠标事件的录制与回放

第7篇: 键盘与鼠标事件的录制与回放在这一篇中，我们将探讨如何使用 PyAutoGUI 实现键盘和鼠标事件的录制与回放。这些功能可以帮助你自动捕捉手动操作，并将其转换为可复用的脚本，非常适合重复性任务的自动化。...

2024-09-12 13:30:55 127

原创打破视频分析瓶颈，让行为追踪更简单！

随着社交媒体、监控视频和各种流媒体平台的发展，视频内容正在以惊人的速度增长。每个人几乎每天都会接触大量视频，而如何从这些海量视频中提取有用的信息，尤其是精准分析视频中的人类行为，成了科技界的一个难题。过去，分析人类行为的技术常常依赖复杂的模板和单张图片进行逐帧分析，既麻烦又不太可靠。那么，有没有一种更简单、更智能的解决方案呢？德国图宾根大学的研究团队给出了答案——InterTrack。传统方法的局...

2024-09-12 10:10:56 453

原创 PyAutoGUI实战(六)窗口与应用控制

第6篇: 控制窗口与应用程序在这一篇中，我们将讨论如何控制窗口和应用程序。这包括操作窗口大小和位置、最小化和最大化窗口、关闭窗口，以及如何在多个窗口之间切换。这些功能对桌面自动化任务非常关键，尤其是在自动化管理多个应用程序时。...

2024-09-09 11:16:52 252

原创 PyAutoGUI实战(五)消息弹窗与提醒

第5篇: 消息弹窗与提醒在这一篇中，我们将讨论如何使用 PyAutoGUI 来处理消息弹窗与提醒。这些功能对于自动化流程中的用户交互非常有用，尤其是在需要用户确认或输入信息的情况下。...

2024-09-06 10:25:16 233

原创手把手AI实战(八)一站式制作长视频

一、成果展示二、步骤拆解现在大部分的AI文生视频平台都只提供5秒、10秒等时长，如果要创作一个几分钟的视频，就需要进行多次的分割，然后再进行拼接。考虑到大部分AI平台对角色一致性问题都处理的不够理想，制作成本还是非常高的。今天要介绍的是白日梦AI，它是一款国产AI工具，整合了文生图、图生视频、剪辑配音等AI视频制作步骤，形成了自己的一套工作流，支持手机版和网页版，支持长达3000字的故事文案，可以...

2024-09-05 15:48:04 318

原创 PyAutoGUI实战(四)屏幕截图与图像定位

第4篇: 屏幕截图与图像定位在这一篇中，我们将介绍如何使用 PyAutoGUI 进行屏幕截图以及如何在屏幕上查找特定图像。这些功能在自动化测试和图形界面操作中非常有用，可以帮助你检测特定元素是否出现在屏幕上并进行相应的操作。...

2024-09-04 07:00:17 258

转载国产开源最强？Qwen2-VL强势发布，效果实测！

大家好，趁着周末赶紧看下本周最新发布的多模态大语言模型Qwen2-VL。因为Qwen2比Qwen提升很大，而且Qwen2-VL还将开源大参数量的模型Qwen2系列模型大幅提升了代码、数学、推理、指令遵循、多语言理解等能力，性能不仅超过美国最强的开源模型 Llama3-70B，也超过文心 4.0、豆包pro、混元 pro 等闭源大模型在十几个数据集上的测试指标都超越了 Llama3-70B ，具体查...

2024-09-03 14:07:10 203

原创 PyAutoGUI实战(三)键盘控制

第3篇: 键盘控制在本篇中，我们将探讨如何使用 PyAutoGUI 来控制键盘输入。这包括模拟键盘输入、组合键操作、键盘快捷键的使用以及自动输入文本的功能。3.1 键盘输入模拟PyAutoGUI 可以轻松地模拟键盘输入。在自动化操作中，模拟键盘输入是非常常见的，比如自动输入用户名、密码或自动填写表单。使用 write() 方法，可以模拟键盘输入文本...

2024-09-02 09:39:12 377

原创 MIT的10门免费线上课，YYDS！

大家好，我是小书童！今天给大家推荐10门 MIT 线上课程，无需付费，千万不要错过，抓紧学习起来。1、计算机科学和Python编程简介通过这个课程，将会学习到计算的概念Python编程语言一些简单的算法测试和调试算法复杂性的非正式介绍数据结构课程链接: https://www.edx.org/learn/computer-science/massachusetts-institute-of-tec...

2024-08-31 07:02:08 945

原创 PyAutoGUI实战(二)鼠标控制

第2篇: 鼠标控制在这一篇中，我们将深入探讨如何使用 PyAutoGUI 来控制鼠标。这包括获取屏幕尺寸、获取和设置鼠标位置、模拟鼠标点击和拖拽操作等。2.1 坐标系PyAutoGUI 的坐标系基于屏幕分辨率，左上角 (0, 0) 是原点。X 轴: 从左到右，X 坐标值增大。即从屏幕的左边到右边，X 坐标值从 0 增加到屏幕宽度Y 轴: 从上到下，Y 坐标值增大。即从屏幕的上边到下边，Y 坐标值从...

2024-08-30 07:00:36 724

转载 Google免费AI课

大家好，我是小书童。谷歌刚刚发布了免费的人工智能课程，无需任何先决条件和费用。以下是为您整理的课程简介和学习链接，一共9门免费课，一定不能错过。1、生成式人工智能简介通过简单、短期的课程了解生成式人工智能，了解如何使用 Google Tools 制作您自己的 AI 应用。只需45分钟即可完成这一切！课程链接: https://www.cloudskillsboost.google/course_t...

2024-08-29 12:36:41 52

原创 PyAutoGUI实战(一)简介与安装

第1篇: PyAutoGUI简介与安装1.1 什么是PyAutoGUI？PyAutoGUI 是一个跨平台的开源 Python 库，用于控制鼠标和键盘，自动化桌面上的各种操作。你可以用它来模拟用户在计算机上的操作，如移动鼠标、点击按钮、输入文本、截图等。这个库非常适合用来自动化重复性的任务，比如自动化测试、批量文件处理、数据录入、游戏辅助等。...

2024-08-28 22:56:44 172

原创 PyAutoGUI实战专栏

什么是PyAutoGUI？在这个信息爆炸的时代，效率成为了每个开发者追求的核心目标。而 Python 作为一种高效且灵活的编程语言，已经被广泛应用于各个领域。而在 Python 众多的库中，PyAutoGUI 无疑是提升工作效率的得力助手。它是一款功能强大的自动化工具库，专为那些希望通过自动化来减少重复性工作、提高生产力的人设计。无论是鼠标控制，键盘模拟还是图像识别，PyAutoGUI 都能帮你轻...

2024-08-27 11:49:29 293

原创又一个AI工程师来抢饭碗了！

大家好，我是小书童。继 Devin 之后，又一个 AI 软件工程师出圈了。它就是 Genie，号称目前地表最强，用官方的描述就是它能够像人类工程师一样解决现实生活中的软件问题。Genie 是迄今为止世界上最好的人工智能软件工程师。在行业标准基准 SWE-Bench 上得分为 30%，比之前亚马逊 Q 和 Factory 的 Code Droid（两者在 SWE-Bench 上得分均为 19%）的 ...

2024-08-15 07:05:02 333

原创开源大模型套壳解决方案

大家好，我是小书童。本篇给大家介绍一个开源的全套 AI 助手解决方案，GeekAI，它基于 AI 大语言模型 API 实现，自带运营管理后台，开箱即用。集成了 OpenAI，Azure，ChatGLM，讯飞星火，文心一言等多个平台的大语言模型，同时还集成了 MidJourney 和 Stable Diffusion 绘画功能，SUNO音乐创作，功能非常强大。主要特性完整的开源系统，前端应用和后台管...

2024-08-14 07:01:22 999

原创一款高质量开源TTS

大家好，我是小书童。本篇给大家介绍一款开源的高质量 TTS (Text To Speech) 模型的推理和训练库，parler-tts。parler-tts 是一种轻量级文本转语音 (TTS) 模型，它可以按照给定说话者的风格（性别、音调、说话风格等）生成高质量、听起来自然的语音。它是 Stability AI 和爱丁堡大学的 Dan Lyth 和 Simon King 论文 Natural la...

2024-08-13 10:38:16 345

原创适用于验证码的OCR，识别快速，使用简单！

环境windows 11python 3.9前言Muggle OCR 是一个高效本地 OCR 模块，旨在通过简单的几步设置提供强大的文本识别功能，无论是在处理印刷文本还是解析验证码，都能让用户在工作中畅通无阻。Muggle OCR 易于安装和使用，支持双模型，识别快速准确。实操首先下载源码# 克隆代买git clone https://github.com/litongjava/muggle_o...

2024-08-07 14:12:30 561

原创 Midjourney发布V6.1版本！

今天，Midjourney发布了V6.1版本，标志着图像创造领域的一次重大飞跃！本次更新显著增强了图像质量，重新定义了创意视觉的标准。目前V6.1已经成为了默认模型，部分V6.1未能实现的功能，如修补/扩展，需要用户手动切换回V6.0版本，使用参数 -v 6即可。V6.1版本的亮点如下：无缝连接的图像构造：无论是人体的细微部分、自然界的动植物，新版都能确保图像间的平滑过渡，告别突兀的断层感，每一寸...

2024-07-31 13:37:11 330

原创手把手AI实战(七)制作搞笑动画视频

成果展示步骤拆解本篇实战使用的 AI 工具是 Adobe express，网站地址是：https://new.express.adobe.com，登录之后，点击 Video，然后点击 Animate from audio，进入编辑界面Character 选择自己想要的形象，可以是人物、动物、动画等，这里就选个 StickyBackground 选项卡提供了很多的背景，我们选个窗户的背景Size ...

2024-07-15 21:26:07 339

原创手把手AI实战(六)老照片动起来

成果展示步骤拆解老照片动起来其实就是利用 AI 大模型的图生视频功能，这个项目用到的工具是快手的可灵大模型，它有 web 版本和手机 App，这里使用手机 App 来操作。到应用商店下载快影 App。打开快影后，点开 AI 创作然后点开 AI 生视频接着选择第2项的图生视频我们选择一张手机图片进行上传，这里从网络上找了一张老照片下方的提示栏，是我们需要输入的提示词，这个你可以不输。如果说有特殊要求...

2024-07-11 23:01:25 508

原创做自媒体的有福了！推荐几款AI变声软件

大家好，我是小书童，今天给大家介绍几款好用的 AI 变声软件工具，有专业商业版，也有开源免费版。变声软件是一种能够改变用户声音的软件工具，它们通常提供多种变声效果和声音调整选项，使用户能够在不同场合下使用不同的声音，相信对于做自媒体的朋友会非常有用。MorphVOX Pro这是一款功能比较齐全的变声软件，支持男声变女声、女声变男声等多种变声效果。使用上没有什么问题，相对比其他变声器，它的延迟效果比...

2024-07-08 12:02:02 358

原创 3个免费AI提效工具

大家好，我是小书童，今天给大家介绍3款好用的 AI 工具。remove.bgremove.bg 是一款强大的自动去除图片背景的在线工具，快速利用 AI 技术进行抠图。图片背景5秒就被消除，而且还是完全免费的。除此之外，它还提供了加背景、背景模糊化、调整透明度等功能。工具地址：https://www.remove.bg/VideoFusionVideoFusion 是一款一站式短视频合成工具，它的主...

2024-07-06 08:08:39 425

原创今日AI资讯-20240705

1. 法国版开源GPT-4o由法国8人团队打造的原生多模态Moshi，已经实现了接近GPT-4o的水平，现场演示几乎0延迟。团队仅用了半年的时间，从头完成了模型的训练。目前Moshi还处在实验原型阶段，设计初衷是为了理解和表达情感，能够支持听、说、看，可以用70种不同情绪和风格说话，甚至随时被打断，可以实现最低160ms端到端延迟。不仅如此，最小版本的Moshi还可以在笔记本电脑，或者消费级GPU...

2024-07-05 10:46:57 302

原创手把手AI实战(五)视频风格转换

一、成果展示二、步骤拆解本篇实战要完成2个目标用AI生成的人物替换原始视频中的人物，生成一个新的视频将原始视频进行风格转换，比如现在很火的黏土风格好，现在我们需要准备一个原始视频，这里从网络上下载了一个美女舞蹈视频，大家可以从抖音、B站或油管上去下载，推荐 you-get 这个工具，链接：https://github.com/soimort/you-get然后，介绍下本篇的AI主角，它就是 Dom...

2024-06-27 12:02:25 412

原创每日AI资讯-20240625

1. 小米大模型提效新框架小米大模型团队提出SUBLLM（Subsampling-Upsampling-Bypass Large Language Model），国际AI语音大牛、开源语音识别工具Kaldi之父Daniel Povey也参与指导。与Llama等模型相比，SUBLLM在训练和推理速度以及降低内存方面都有了显著提升。在大模型训练中，SUBLLM的速度提高了26%，每个GPU的内存减少了...

2024-06-25 13:01:12 240

原创手把手AI实战(四)让图片开口说话

一、成果展示1.1 原始图片1.2 合成的视频二、步骤拆解提供一张带完整人脸的图片，系统能够根据音频（或者根据输入文本生成音频）合成视频，也就是AI数字人。本篇实战使用的AI平台是hedra，网址是：https://www.hedra.com/。目前这个系统还是beta阶段，使用完全免费，而且对于已有的功能，也完全没有任何的使用限制。对于一般的AI数字人产品，它的整体效果还是非常不错的，不仅能够比...

2024-06-24 12:00:19 357

原创每日AI资讯-20240624

1. 华为发布盘古大模型5.0华为开发者大会2024在东莞召开。在大会现场，华为发布了 HarmonyOS Next、盘古大模型 5.0、仓颉编程语言等，也介绍了一系列 AI 先进技术的应用案例。大模型即服务平台 ModelArts Studio 目前可以提供百模千态的第三方大模型托管服务，支持对大模型定制开发，并提供相应的工具和行业集成套件，让客户可以方便的将大模型与业务系统结合。它具备三大特点...

2024-06-24 10:54:53 341

原创每日AI资讯-20240622

1. 可灵AI全新功能上线！可灵AI全新功能上线！图生视频和视频续写来啦！图生视频：上传任意图片，生成5秒精彩视频。支持添加提示词控制图像运动视频续写：对生成视频一键续写4～5秒，支持多次续写（最长3分钟），可通过微调提示词进行续写视频创作文生视频多比例选择：文生视频新增9:16和1:1视频尺寸选择，提供更多创作可能PS：由于版本正在逐渐放量，已有权限的用户如果看不到功能，可以更新APP，再次尝试...

2024-06-22 10:10:38 356

原创每日AI资讯-20240621

1. Anthropic发布Claude 3.5 SonnetAnthropic 推出了 Claude 3.5 Sonnet。Claude 3.5 Sonnet 在各种评测中都超越了竞争对手和 Claude 3 Opus，同时仍保持着 Claude 3 Sonnet 的速度和成本。Claude 3.5 Sonnet 在解决问题、理解幽默和复杂指令方面均有显著进步。同时它的视觉理解能力也超越了 Cl...

2024-06-21 13:16:50 305

原创每日AI资讯-20240620

1. 英伟达市值登顶全球技领域迎来了一个重要时刻，英伟达超越微软，成为了全球市值最高的公司。英伟达是一家芯片制造商，在最近一个交易日的股价上涨 3.5% 达到 135.58 美元，市值升至 3.334 万亿美元，正式超越苹果、微软等一众科技公司，成为全球最有价值的 AI 科技公司，也是 AI 浪潮成为这个新时代主旋律的一个里程碑。随着市值持续增长，现年 61 岁的CEO黄仁勋身价也水涨船高，已经超...

2024-06-20 11:45:39 188

原创每日AI资讯-20240619

1. 谷歌DeepMind利用AI为无声视频配音DeepMind近日公布了一项利用 AI 为无声视频生成背景音乐的video-to-audio技术。AI模型首先会将用户输入的视频进行拆解，此后结合用户的用户文字提示，利用扩散模型反复运算，最终以生成与视频画面协调的背景声音，例如输入一条“在黑暗中行走”的无声视频，再添加“电影、恐怖片、音乐、紧张、混凝土上的脚步声”等文字提示，相关模型就能生成恐怖风...

2024-06-19 07:02:21 327

原创手把手AI实战(三)让图片中的人物舞动起来

一、成果展示二、步骤拆解本篇使用的AI工具是viggle，地址是：https://viggle.ai/viggle有2种使用方法，一个是在网页里，另一个是在discord里，看你自己的使用习惯，这里以web版为例，点击Join The Beta点击左侧的Character中的Upload files or drop an image，下方的Image Assets中可以找到历史文件选择一张本地的照...

2024-06-19 07:02:21 480

原创每日AI资讯-20240618

1. 3D 版 SORA 来了！DreamTech 官宣了其高质量 3D 生成大模型 Direct3D，并公开了相关学术论文 Direct3D: Scalable Image-to-3D Generation via 3D Latent Diffusion Transformer。链接：https://arxiv.org/abs/2405.14832这是首个公开发布的原生三维生成路线的 3D 大模...

2024-06-18 11:53:22 268

原创每日AI资讯-20240617

1. Meta AI的NLLB-200登上NatureMeta AI在社交媒体X上宣传自家的大模型NLLB，全称为No Language Left Behind，这个AI模型能够翻译200种语言，包括资源匮乏的语言，更难得的是，NLLB模型可以免费提供给非商业用途。这项研究刊登在了本周的Nature上，题为Scalling neural machine translations to 200 la...

2024-06-17 21:36:34 354

原创每日AI资讯-20240616

1. AI漫画角色一致性大突破由中山大学和联想团队联合提出AutoStudio，它是一个无需训练的多智能体协同框架。AutoStudio采用基于大语言模型的三个智能体来处理交互，并使用基于扩散模型的Drawer生成高质量图像。实验中，AutoStudio无论是在定量还是定性评估中都优于现有方法。AutoStudio包括三个基于LLM的智能体：主题管理器：解释对话，识别不同的主题，并为其分配适当的上...

2024-06-16 12:16:58 307

原创今日AI资讯-20240615

1. Follow Your Emoji一键让照片变表情包腾讯混元联合港科大、清华大学联合推出肖像动画生成框架Follow Your Emoji，可以通过人脸骨架信息生成任意风格的脸部动画，一键创建表情包。基于算法革新和数据积累，Follow Your Emoji可以支持对脸部进行精细化的控制，包括眉毛，眼珠，翻白眼等细节，动物表情包也可以轻松拿捏。首先，引入了表情感知骨架这一表情控制信号，能够...

2024-06-15 07:00:33 281

原创每日AI资讯-20240614

1. AI视频新霸主诞生！Dream Machine成立于2021年的Luma AI官宣了文生视频/图生视频模型Dream Machine，而且提供免费试用API，高质量的生成效果获得了很多网友的好评。有网友输入相同的提示词，对比Pika、Runway和Dream Machine三个模型，他认为最终还是Luma赢了。2. 吴恩达开源机器翻译智能体人工智能著名学者、斯坦福大学教授吴恩达一直非常推崇智...

2024-06-14 10:42:54 316

原创手把手教你打造一个AI智能体

什么是AI智能体？‍Agent AI智能体，也被称为人工智能代理（Artificial Intelligence Agent），是一种能够感知环境、进行自主理解、决策和执行动作的智能体。它具备独立思考和调用工具逐步完成给定目标的能力。Agent AI智能体不仅仅是一个大模型，它通过感知和适应环境，可以模拟人类的交互方式，并展现出上下文学习能力、思维链和推理能力等类似人类思考方式的能力。通俗的理解：...

2024-06-13 12:14:59 2666

原创每日AI资讯-20240613

1. GPT-4o更容易越狱？来自北航和南洋理工的研究人员，通过上万次的API查询，对GPT-4o各种模态的安全性进行了详细测试。结果发现，GPT-4o新引入的语音模态带来了新的攻击面，而且多模态整体安全性不敌GPT-4V。研究人员针对4个常用的基准测试，对GPT-4o支持的三种模态（文本、图像、音频）进行了测试。测试一共涉及到4000+初始文本查询的优化，8000+响应判断，16000+次Ope...

2024-06-13 12:14:59 366

原创敢叫印钞机加速器的AI，你确定不来试试？

大家好，我是小书童。今天给大家分享一款开源的文生视频的AI工具，叫 MoneyPrinterTurbo，印钞机加速器，就问你牛不牛逼？MoneyPrinterTurbo 已经在 GitHub 斩获了超过13k的星星，可见它的受欢迎程度。你只需要提供一个视频的主题或者关键词，有关的剧本、素材、字幕和背景音乐就能够自动生成，高清短视频生成只在一瞬间！无论您是营销人员、创作者还是个人用户，它都能帮你大大...

2024-06-12 16:52:42 461