AI工具网站汇总——学习的好帮手

一、聊天AI

图片

1.ChatGPT

地表最强AI聊天机器人

网址:https://chat.openai.com

2.Anthropic

Anthropic发布的与ChatGPT竞争的聊天机器人

网址:https://www.anthropic.com

3.文心一言

百度全新知识增强大语言模型!国产聊天机器人

网址:https://yiyan.baidu.com/

4.OpenCat

在苹果手表上用ChatGPT

网址:https://apps.apple.com

5.Perplexity

智能总结并展示信息源

网址:https://www.perplexity.ai/

6.YOU

人工智能搜索聊天机器人

网址:https://www.perplexity.ai/

二、绘画AI

1.Midjourney

目前最强的AI绘画工具

网址:https://www.midjourney.com

2.Stable Diffusion

最强开源AI绘画工具

网址:https://stability.ai/

3.文心一格

百度出品的AI绘画工具

网址:https://yige.baidu.com/

4.Civitai

AI艺术共享平台!海量SD开源模型

网址:https://civitai.com/

5.NijiJourney

MJ出品!面向二次元风格,内容细致拿捏专业到位

网址:https://nijijourney.com/zh/

6.Dreamlike.art

效果惊人!内置5种模型的AI图像生成器

网址:https://dreamlike.art/create

7.NightCafe

用AI生成惊艳的艺术品

网址:

https://creator.nightcafe.studio

8.Tiamat微博

国内自研的AI作画系统!内测中

网址:

https://weibo.com/u/7749217820

9.HuggingFace

下载开源的SD模型

网址:https://huggingface.co

10.DALL·E2

OpenAI出品的绘画工具

网址:

https://openai.com/product/dall-e-2

11.Dreamup

知名站点Deviantart发布的AI绘画工具

网址:https://www.dreamup.com/

12.Lexica

AI图像生成+SD提示词

网址:https://lexica.art/

13.Scribble Diffusion

有趣!将鼠绘草图变成精美照片

网址:https://scribblediffusion.com/

14.DreamStudio

SD兄弟产品!AI 图像生成器

网址:

https://beta.dreamstudio.ai/dream

15.Artbreeder

在线AI图像合成创意工具

网址:https://www.artbreeder.com

16.Leonardo

AI绘图社区!训练自己的游戏资产模型

网址:https://leonardo.ai/

17.AISEO ART

AISEO Art 的AI算法按照分类进行过细致的训练

网址:https://art.aiseo.ai/

三、AI提示词

1.PromptHero

推荐!最受欢迎的AI提示词网站

网址:https://prompthero.com/

2.Learning Prompt

ChatGPT提示词中文指南

网址:https://learningprompt.wiki/

3.Talktotransformer

OpenAI开发的网站,它可以生成非常有趣和有用的提示词

网址:https://Talktotransformer.com

4.Ordinary Prompts

有趣ChatGPT提示词

网址:

https://www.ordinarypeopleprompts.com/

5.PromptBase

AI技术生成高质量提示词

网址:https://promptbase.com/

6.MJ Prompt Tool

MJ提示词创造助手

网址:https://prompt.noonshot.com/

7.Prompt Hunt

按主题分类的SD提示词

网址:

https://www.prompthunt.com/explore

8.PromptoMania

MJ和SD提示词生成器

网址:https://promptomania.com/

9.PublicPrompts

AI绘画模型+风格参考

网址:https://publicprompts.art/

10.CLIP Interrogator

反向学习!从图片反推AI关键词

网址:

https://replicate.com/pharmapsychotic/clip-interrogator

四、图像处理

1.Booltool

多合一AI图像处理网站,快速进行编辑修整

网址:

https://booltool.boolv.tech/home

2.Arc Lab

腾讯出品的图片处理工具

网址:

https://arc.tencent.com/zh/ai-demos/faceRestoration

3.PicWish

推荐!专业的AI抠图修图,支持格式转化

网址:https://picwish.com/

4.WaifuLabs

一键生成动漫二次元头像

网址:https://waifulabs.com/

5.Change Style AI

人工智能多风格肖像生成器!能够AI生成30种照片

网址:https://changestyleai.com/

6.Bigjpg

AI图片在线无损放大

网址:https://bigjpg.com/

7.Palette

用AI为黑白照片着色

网址:https://palette.fm/

8.Restorephoto

用AI修复旧的人像照片

网址:https://www.restorephotos.io/

9.美图AI开放平台

美图推出的AI人脸图像处理平台

网址:https://ai.meitu.com/index/

10.MagicStudio

图片处理必备效率神器!为你的图片提供神奇魔法

网址:https://magicstudio.com/zh

11.CG Faces

免费的 AI 人像生成图片素材网站

网址:https://cgfaces.com/en

12.美图云修

商业级AI影像处理工具

网址:

https://yunxiu.meitu.com/home/

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/234371.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

so-vits-svc的使用

1. 启动工程 找到工程的路径,找到启动的bat文件,这里以 d:/so-vits-svc为例。 2. 启动过程 启动后会出现cmp的一个弹框,初始启动相对较慢,请耐心等待一会儿,启动完成后,会出现一个页面,如下…

JDK各个版本特性讲解-JDK14特性

JDK各个版本特性讲解-JDK14特性 一、Java14概述二、语法层面的变化1. instanceof2. switch表达式3. 文本块的改进4. Records记录类型 二、关于GC1.G1的NUMA内存分配优化2. 弃用SerialCMS,ParNewSerial Old3.删除CMS4.ZGC on macOS and Windows 三、其他变化1.友好的空指针异常提…

HAproxy做七层代理+keepalived高可用,实现动静分离,由nginx处理静态页面,tomcat处理动态页面

目录 一、三种软负载均衡器的区别 关于三种负载均衡器的性能对比: 关于三种负载均衡器的代理类型对比: 关于三种负载均衡器的健康检查对比: 二、haproxy的8中负载均衡调度算法 haproxy的会话保持的方式 haproxy的配置文件学习 三、实操…

(详解版)创建线程的四种方式

文章目录 Java中创建线程的四种方式1. 继承Thread类并重写 run 方法来创建线程2. 实现Runnable接口并实现 run 方法来创建线程。3. 使用Callable接口创建线程4. 使用Executor框架创建线程 Java中创建线程的四种方式 接下来我会详细解释这四种方式创建线程如何实现. 我们如果要…

【HarmonyOS开发】ArkTs关系型和非关系型数据库的存储封装

前面使用了首选项的存储方式,因此将其他的两种存储方式(键值型数据库和关系型数据库)也学习一下,简单记录一下,并进行封装,方便后续使用。 1、效果预览 2、使用条件 2.1 键值型数据库 键值型数据库实现数据…

RabbitMQ入门指南(三):Java入门示例

专栏导航 RabbitMQ入门指南 从零开始了解大数据 目录 专栏导航 前言 一、AMQP协议 1.AMQP 2.Spring AMQP 二、使用Spring AMQP实现对RabbitMQ的消息收发 1.案例准备阶段 2.入门案例(无交换机) 3.任务模型案例(Work Queues&#xff0…

九.数据处理之增删改

数据处理之增删改 1.插入数据1.1实际问题1.2方式1:VALUES的方式添加1.3方式2:将查询结果插入到表中 2.更新数据3.删除数据4.MySQL8新特性:计算列5.综合案例 1.插入数据 1.1实际问题 解决方式:使用INSERT语句向表中插入数据 1.2方…

文献速递:生成对抗网络医学影像中的应用——用于生成前列腺MR-only影像治疗剂量规划的合成CT的深度学习模型:多中心研究

文献速递:生成对抗网络医学影像中的应用——用于生成前列腺MR-only影像治疗剂量规划的合成CT的深度学习模型:多中心研究 本周给大家分享文献的主题是生成对抗网络(Generative adversarial networks, GANs)在医学影像中的应用。文…

电源模块测试方法 | 怎么测试电源负载瞬态响应?

负载瞬态响应测试是检测电源稳定性和质量的重要方法之一,而电源稳定性是设备正常运行的基础。通过负载瞬态响应测试来检测电源的响应速度和稳定性,从而优化电源设计,提升性能,确保电子设备可以稳定工作。 什么是负载瞬态响应测试?…

js知识点1:防抖节流

js知识点1:防抖节流 防抖节流 防抖节流,本质上是优化高频率执行代码的一种手段 定义: 防抖: n 秒后再执行该事件,若在 n 秒内被重复触发,则重新计时 节流: n 秒内只运行一次,若在 n 秒内重复触发&#xff0…

【C语言】SCU安全项目2-BufBomb

目录 关键代码解读: getxs() getbuf() test() 核心思路 具体操作1 具体操作2 前段时间忙于强网杯、英语4级和一些其他支线,有点摸不清头绪了,特别是qwb只有一个输出,太过坐牢,决定这个安全项目做完后就继续投身…

Spring MVC框架支持RESTful,设计URL时可以使用{自定义名称}的占位符@Get(“/{id:[0-9]+}/delete“)

背景:在开发实践中,如果没有明确的规定URL,可以参考: 传统接口 获取数据列表,固定接口路径:/数据类型的复数 例如:/albums/select RESTful接口 - 根据ID获取某条数据:/数据类型的复数/{id} - 例…

在Linux安装的Docker中开启IPv6

先在Linux中安装docker,然后在docker中开启IPv6。 安装docker 第一步,卸载旧版本docker。 若系统中已安装旧版本docker,则需要卸载旧版本docker以及与旧版本docker相关的依赖项。 命令:yum -y remove docker docker-client do…

CountDownLatch和Semaphore的区别?

CountDownLatch和Semaphore都是在Java中用于多线程协同的工具,但它们有一些重要的区别。 CountDownLatch: 用途: 主要用于等待一个或多个线程完成操作,它的计数器只能被减少,不能被增加。计数: 初始化时需…

栈-二叉树的中序遍历/easy

二叉树的中序遍历 1、题目2、解题思路3、复杂度最优解示例4、抽象与扩展 1、题目 给定一个二叉树的根节点 root ,返回 它的 中序 遍历 。 示例 1: 输入:root [1,null,2,3] 输出:[1,3,2]示例 2: 输入:roo…

科聪控制系统典型应用车型 —— 料箱机器人

料箱机器人即料箱AGV是一种智能化物流搬运设备,它可以代替人力完成出库入库和搬运工作,可根据出入库生产出货需求,将货物从起点运送到终点,自动柔性完成货到人货到点的操作。 提升仓储和物流效率的自动化利器 料箱机器人的投用能…

STM32_通过Ymodem协议进行蓝牙OTA升级固件教程

目录标题 前言1、OTA升级的重要性和应用场景2、理论基础2.1、单片机的启动流程2.2、什么是IAP?2.3、什么是OTA?2.4、什么是BootLoader?2.5、Ymodem协议是什么?2.6、IAP是如何实现的? 3、具体操作3.1、软硬件工具准备3.…

数据可视化---直方图

内容导航 类别内容导航机器学习机器学习算法应用场景与评价指标机器学习算法—分类机器学习算法—回归机器学习算法—聚类机器学习算法—异常检测机器学习算法—时间序列数据可视化数据可视化—折线图数据可视化—箱线图数据可视化—柱状图数据可视化—饼图、环形图、雷达图统…

短剧分销平台搭建,助力普通人进入短剧市场

当下短剧抢占了各大用户的碎片化时间,成为了当代年轻人的“电子榨菜”,目前我国的短剧用户已达到了10.12亿人,拥有庞大的用户体量。 以小程序为主的付费短剧,今年充值流水达到了180多亿元。以当前短剧市场规模计算,今年…

Kafka为什么能高效读写数据

1)Kafka 本身是分布式集群,可以采用分区技术,并行度高(生产消费方并行度高); 2)读数据采用稀疏索引,可以快速定位要消费的数据; 3)顺序写磁盘; …