【腾讯云 HAI域探秘】基于ChatGLM和StableDiffusion的小红书热门文章创作实践与经验分享
原创【腾讯云 HAI域探秘】基于ChatGLM和StableDiffusion的小红书热门文章创作实践与经验分享
原创
前言
背景介绍： 腾讯云HAI为开发者量身打造的澎湃算力平台。无需复杂配置，便可享受即开即用的GPU云服务体验。在 HAI 中，根据应用智能匹配并推选出最适合的GPU算力资源，以确保您在数据科学、LLM、AI作画等高性能应用中获得最佳性价比。 HAI 服务优势：
智能选型 一键部署 可视化界面
需求介绍
本文将通过对小红书博文的图文制作在详细介绍如何使用腾讯云HAI的ChatGLM和StableDiffusion这两个模型。首先是通过ChatGLM模型生成关于北京秋季旅游攻略的博文内容与标题，然后生成对应的相关提示词和相关的反向提示词，再通过StableDiffusion模型进行生成相应的博文图片。最后去小红书进行发表即可。
准备工作
- 等待审核通过后，进入 高性能应用服务 HAI
ChatGLM2 6B 创建与使用，博文的生成
ChatGLM2 6B创建与配置
- 点击新建，选择HAI下的AI模型
- 选择AI模型下的ChatGLM2 6B
- 选择地域，选择广州。（也可根据自己的地域要求选择）
- 算力方案，选择基础方案。
- 示例名称，根据自己的应用创建即可，我这里使用了writingDemo
- 硬盘：选择80gb就够了。
- 点击立即购买
相关参数如下图：
等待创建与创建完成
等待创建完成，这里大约需要等待8~10分钟左右。
下图是创建成功的图，可以在上面看到相关的状态。
启动模型，算力连接
点击算力连接，这里有两种连接方式chatlm2_gradio和jupyter_lab，在这里我们选择chatlm2_gradio这种方式连接。
博文生成
具体需求如下：
一、请按照下面内容帮我写一个比较吸引人的小红书的标题 1、秋天北京的旅游攻略，包含景点：天安门、故宫、天坛、颐和园、长城、香山 2、出行方案 3、景点介绍
请按照下面内容帮我写一个比较吸引人的小红书的博文内容
1、秋天北京的旅游攻略，包含景点：天安门、故宫、天坛、颐和园、长城、香山 2、出行方案 3、景点介绍
模型给出的标题与内容如下：
标题：秋天北京5A级景点旅游攻略，地铁出行必备！ 秋天是北京最美的季节之一，如果您想来北京旅行并避开人群，那么我们的秋天北京5A级景点旅游攻略是您不可错过的。 我们的行程包括了天安门、故宫、天坛、颐和园、长城和香山这六个最著名的景点，这些景点都是北京的代表性建筑和旅游景点。 我们的出行方案包含了地铁线路，您可以在地铁系统中轻松到达每个景点。 我们的景点介绍包括了每个景点的详细介绍，您可以根据自己的兴趣和时间进行调整。 第一天，我们将会去天安门广场。这里是中国的象征之一，也是世界上最大的城市广场之一。在这里，您可以欣赏到美丽的景色和感受到中国的历史和文化。 第二天，我们将会去故宫。这里是世界上保存最完整的宫殿之一，也是中国最著名的旅游景点之一。您可以在這裡欣赏到美丽的景色和感受到中国历史文化的博大精深。 第三天，我们将会去天坛公园。这里是世界上保存最完整的皇家园林之一，也是中国最著名的旅游景点之一。您可以在這裡欣赏到美丽的景色和感受到中国皇家园林的韵味。 第四天，我们将会去颐和园。这里是世界上保存最完整的皇家园林之一，也是中国最著名的旅游景点之一。您可以在這裡欣赏到美丽的景色和感受到中国皇家园林的韵味。 第五天，我们将会去长城。这里是世界上最长的城墙，也是中国最著名的旅游景点之一。您可以在這裡欣赏到美丽的景色和感受到中国历史的博大精深。 第六天，我们将会去香山。这里是世界上著名的皇家园林，也是中国最著名的旅游景点之一。您可以在這裡欣赏到美丽的景色和感受到中国历史文化的博大精深。
生成提示词
根据模型给出的博文内容，让模型逐步生成后续需要使用的提示词和相关的反向提示词。
例：我们将会去天安门广场。这里是中国的象征之一，也是世界上最大的城市广场之一。在这里，您可以欣赏到美丽的景色和感受到中国的历史和文化。 对这段话生成6个相关的提示词 和6个相关的反向提示词
销毁
当完成了自己的需求的时候，一定要记得去销毁实例
Stable Diffusion 创建与使用，博文图片的生成
Stable Diffusion 创建与配置
- 点击新建，选择HAI下的AI模型
- 选择AI模型下的Stable Diffusion
- 选择地域，选择广州。
- 算力方案，选择基础方案。
- 示例名称，根据自己的应用创建即可。
- 硬盘：选择80gb就够了。
- 点击立即购买
配置图如下：
等待创建与创建完成
实例创建和上一步实例创建一样，同样需要等待8~10分钟左右。
启动模型，算力连接
点击算力连接，这里有两种连接方式stable_diffusion_webui和jupyter_lab，在这里我们选择stable_diffusion_webui这种的webUI方式连接。
中文配置（英语好的，可以忽略）
初始的控制台
中文配置：
- 点击 Extension 选项卡
- 选择选择 Avaliable 子选项卡
- 取消勾选 localization ，再把其他勾上,然后点击 Load form。这里可能需要几分钟的等待加载。
- 加载完成，在输入框中查找插件关键字： zh_CN 点击install 安装
- 插件安装完成后，重启服务，选择Settings中的Reload UI。
- 重启后，选择 Settings 中 User Interface 选项，下拉选择语言 zh_CN ，点击 Apply settings 保存设置 ，并 Reload UI 重启服务。
由于做这个需求时候我的网络不是很好，就暂时没有配置中文插件。大家可以根据以上步骤进行操作。
博文图片生成
注意：提示词（Prompt）越多，AI 绘图结果会更加精准。另外，目前中文提示词的效果不好，还得使用英文提示词。
相关参数解释：
提示词：主要描述图像，包括内容风格等信息，原始的webui会对这个地方有字数的限制，可以安装一些插件突破字数的限制 反向提示词：为了提供给模型，我们不需要的风格 提示词相关性（CFG scale）：分类器自由引导尺度——图像与提示符的一致程度——越低的值产生的结果越有创意，数值越大成图越贴近描述文本。一般设置为7 采样方法（Sampling method）：采样模式，即扩散算法的去噪声采样模式会影响其效果，不同的采样模式的结果会有很大差异，一般是默认选择euler，具体效果我也在逐步尝试中。 采样迭代步数（Sampling steps）：在使用扩散模型生成图片时所进行的迭代步骤。每经过一次迭代，AI就有更多的机会去比对prompt和当前结果，并作出相应的调整。需要注意的是，更高的迭代步数会消耗更多的计算时间和成本，但并不意味着一定会得到更好的结果。然而，如果迭代步数过少，一般不少于50，则图像质量肯定会下降 随机种子（Seed）：随机数种子，生成每张图片时的随机种子，这个种子是用来作为确定扩散初始状态的基础。不懂的话，用随机的即可
这里根据我们ChatGLM2 6B那里生成的提示词和反向提示词进行生成对应的图片
最后生成的图片如下：
销毁
与第一个实例一样，不要忘记销毁实例。
总结
到此为止我们的小红书博文与博文图片都生成了，可以去小红书去发表了。
谈一下腾讯云HAI的StableDiffusion和ChatGLM模型使用的几点小问题：
- ChatGLM虽然互动还是挺流畅的，但是有时候对你的需求反馈出来的答案不算太准确。
- StableDiffusion的即开即用，生成的图片也很nice，但是有时也会出现生成图片与关键字不符的情况。
- 实例创建了只能销毁而不能暂停。
总体来说，腾讯云HAI的StableDiffusion和ChatGLM模型的体验还是非常不错的，购买费用也不是很高，希望腾讯云HAI能进一步的优化。
原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。
如有侵权，请联系 cloudcommunity@tencent.com 删除。
原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。
如有侵权，请联系 cloudcommunity@tencent.com 删除。