XLionXxxx的博客

平台会自动选择合适的算力资源和镜像版本，这里使用的是英伟达 RTX 4090 的算力和 PyTorch 的镜像，根据需求选择「按量付费」或者「包日/周/月」，点击「审核并执行」。Parler-TTS 是一种轻量级的文本转语音 (TTS) 模型，可以生成具有给定说话者风格的高质量、自然语音，自由度及创新性非常高，并且可以通过 Prompt 控制说话者的性别、音色、语调以及所处的场景（室内、室外、马路上、音乐厅等）。平台在克隆过程中已自动为我们配置好了模型文件，点击「下一步：选择算力」。

进入模型后，我们可以在「Input Text」中输入我们想要转为语音的文字，比如在里面输入「走得最急的，都是最美的风景；平台会自动选择合适的算力资源和镜像版本，这里使用的是英伟达 RTX 4090 的算力和 PyTorch 的镜像，点击「审核并执行」。稍等片刻，待系统分配好资源，状态栏显示为「运行中」后，将鼠标悬停在 API 地址处，点击链接进入模型。如果选择「Reference Audic」，模型将会提供一个语音模板，用户上传一段音频，模型就会根据音频的音色来生成特定的语音。

平台会自动选择合适的算力资源和镜像版本，这里使用的是英伟达 RTX 4090 的算力和 PyTorch 的镜像，点击「审核并执行」。稍等片刻，待系统分配好资源，状态栏显示为「运行中」后，将鼠标悬停在 API 地址处，点击链接进入模型。进入之后，先在「Model」处选择模型，然后在「HTML」中输入一段文本，最后点击「Submit」生成。可以看到上方的一栏是由「Reader LM」生成的，下方一栏是由「Markdownify」生成的。平台在克隆过程中以自动为我们配置好了模型文件，点击「下一步：选择算力」。

该模型旨在解决化学图像理解与文本分析之间的不兼容问题，通过结合视觉 Transformer (ViT)、多层感知机 (MLP) 和大型语言模型 (LLM) 的优势，实现了对化学图像和文本的全面推理。可以看到模型针对图像准确描述了图像的内容是黄色的液氮罐，接着我们可以继续问它一个问题，比如我们输入「液氮的化学分子式是什么」。平台会自动选择合适的算力资源和镜像版本，这里使用的是英伟达 A100的算力和 PyTorch 的镜像，点击「审核并执行」。确认模型信息无误后，点击「继续执行」。

近期，PhotoMaker 出了 V2 版本，PhotoMaker V2 继承了 PhotoMaker V1 的良好特性，如高质量和多样化的生成能力，以及强大的文本控制，但在角色一致性和可控性上都有了大提升。平台会自动选择合适的算力资源和镜像版本，这里使用的是英伟达 RTX 4090 的算力和 PyTorch 的镜像，点击「审核并执行」。：选择希望生成的图片的特点。这里需要注意的是，需要加上 img 这三个字母，因为这是模型的 trigger word，如果模型没有识别到就无法进行输出。

通过代码演示量化 Vision Transformers一些优化策略，使模型更加紧凑，以便于部署。