前情提要在之前尝试使用Diffusers库来进行stable-diffusion的接口调用以及各种插件功能实现，但发现diffusers库中各复杂功能的添加较为麻烦，而且难以实现对采样器的添加，safetensors格式模型的读取。在官网上找到了webui有专门的api接口，能够极大方便我们进行类似webui界面的api调用。diffusers文档webui项目官网webuiAPI说明webui项目部署这种调用webui自带的api的方法需要先将webui运行起来，无论是自己从官网配置的webui，还是各类启动器一键启动的都是可以的。（我使用的为一键启动包，较为简单）一键启动包教程如果是自己配
官网StableDiffusion在线Github上的StableDiffusionWebUI提醒一下：下面实例讲解是在Mac系统演示的；一、环境所需资源PythonPycharmAnacondastable-diffusion-webui项目代码注意事项python版本一定要3.10+，最好是3.10.6版本的。StableDiffusionWebUI在Github中README文档里建议如下图：Installation-on-Intel-Silicon文档如果选择Anaconda创建Python环境，则不需要单独下载Python安装二、环境搭建教程Python安装PyCharm安装Anac
20240202在WIN10下使用whisper.cpp2024/2/214:15【结论：在Windows10下，确认large模式识别7分钟中文视频，需要83.7284seconds，需要大概1.5分钟！效率太差！】83.7284/420=0.19935333333333333333333333333333前提条件，可以通过技术手段上外网！^_首先你要有一张NVIDIA的显卡，比如我用的PDD拼多多的二手GTX1080显卡。【并且极其可能是矿卡！】800￥2、请正确安装好NVIDIA最新的545版本的驱动程序和CUDA、cuDNN。2、安装Torch3、配置whisper识别得到的字幕chs
20240203在WIN10下使用GTX1080配置stable-diffusion-webui.git不支持float16精度出错的处理2024/2/321:23缘起：最近学习stable-diffusion-webui.git，在Ubuntu20.04.6下配置SD成功。不搞精简版本：Miniconda了。直接上Anacoda！打开stable-diffusion-webui.git的时候报错：webui.batwebui-user.bat双击打开升级软件/包之后都会报错！NansException:AtensorwithallNaNswasproducedinUnet.Thiscould
君不言语音识别技术则已，言则必称Whisper，没错，OpenAi开源的Whisper确实是世界主流语音识别技术的魁首，但在中文领域，有一个足以和Whisper相颉顽的项目，那就是阿里达摩院自研的FunAsr。FunAsr主要依托达摩院发布的Paraformer非自回归端到端语音识别模型，它具有高精度、高效率、便捷部署的优点，支持快速构建语音识别服务，最重要的是，FunASR支持标点符号识别、低语音识别、音频-视觉语音识别等功能，也就是说，它不仅可以实现语音转写，还能在转写后进行标注，一石二鸟。FunAsr和Whisper对比Mediumvsspeech_paraformer首先配置好Pyth
sdv1.5v1-inference.yamlmodel:base_learning_rate:1.0e-04target:ldm.models.diffusion.ddpm.LatentDiffusionparams:linear_start:0.00085linear_end:0.0120num_timesteps_cond:1log_every_t:200timesteps:1000first_stage_key:"jpg"cond_stage_key:"txt"image_size:64channels:4cond_stage_trainable:false#Note:differen
常见错误1.错误：TorchisnotabletouseGPU;add--skip-torch-cuda-testtoCOMMANDLINE_ARGSvariabletodisablethischeck修改代码：launch_utils.py删除三个地方：
目录一.前言二.本机环境三.安装步骤：步骤1：下载Git并添加环境变量步骤2：下载ffmpeg并添加环境变量步骤3：安装pytorch步骤4：安装whisper四.whisper的应用应用1：识别mp3歌曲中的歌词应用2：识别mp4视频文件，以MV歌曲和英文TED演讲为例进行测试①whisper识别MV歌曲②whisper识别TED英文演讲应用3：whisper识别生成文件.srt字幕的使用五.结语一.前言Whisper是OpenAI开源的语音识别网络，支持98中语言，用于语音识别和翻译等任务。我们可以将歌曲的歌词进行识别，将无字幕的视频资源自动生成字母，极大方便了用户。同时，whisper可
个人网站：https://tianfeng.space/文章目录一、前言二、个人方案1.扼杀在萌芽中A.解压后点击启动器运行依赖，然后点击A启动器B.更新本体和扩展（全部到最新版本）C.把controlnet1.1放入stablediffusion中D.插件转移E.模型转移F.额外的东西（视情况而定）2.防患于未然base模型和refiner模型下载：SDXL-controlnet下载安装python库额外扩展一、前言最近随着webui增加到1.6版本，很多问题也随之出现，其实最多就是插件问题，这多是由于插件太久没有更新维护导致，我更新之后主要是TemporalKit和wd1.4tag反推插件
一、whisper简介whisper是一款用于语音识别的开源库，支持多种语言，其中包括中文。在本篇文章中，我们将介绍如何安装whisper以及如何使用它来识别中文字幕。二、安装whisper首先，我们需要安装whisper。根据操作系统，可以按照以下步骤进行安装：对于Windows用户，可以从whisper的GitHub页面(https://github.com/qingzhao/whisper)下载适用的Python版本的whisper安装包，然后运行安装程序。对于macOS用户，可以使用Homebrew(https://brew.sh/)进行安装。在终端中运行以下命令：brewinstal
