首页 文章 精选 留言 我的

精选列表

搜索[skill],共2935篇文章
优秀的个人博客,低调大师

专门生成海报的神级skill开源了,夯爆了

AI 能出图,但一让它写海报上的字就露馅 **PosterCraft 把这个老毛病当成头等大事来修** 我平时用 AI 画图,最怕做海报。图能出,但标题、活动名、时间地点这些字,要么糊成一团,要么拼写错、排版崩。试过一堆提示词咒语,效果都不稳。 直到看到 PosterCraft,一个港科大(广州)、美团等团队发的 ICLR 2026 论文配套框架。这套框架不跟你玩「提示词玄学」,而是把「文字渲染、美术排版、风格统一」三件事放进同一个训练框架,从底层一块块磨出来。 01 PART 它到底在解决什么 WHAT & WHY 多数 AI 生图工具把「出图」和「写字」当成一回事,结果图好看、字翻车。海报偏偏是字和图高度绑定的东西:活动名、主视觉、排版节奏,哪一样错了都不行。 PosterCraft 这套框架给自己定的目标很直接:文字要渲染准,抽象美术要融得进,版面要漂亮,整体风格还得协调。它的基座是 FLUX.1-dev,再叠一层自训的 transformer(PosterCraft-v1_RL / v1_Reflect),并用 Qwen3-8B 做提示词增强(Recap)。 说白了,它是一套完整的训练框架,附带 HuggingFace 上的模型权重、数据集,还有能直接打开的 **Gradio 网页界面**。「调个提示词」可凑不出这些。 02 PART 四阶段是怎么炼出来的 HOW IT WORKS PosterCraft 和「随手扔提示词」最大的区别在训练流程。作者把海报质量拆成四个逐步递进的优化阶段,每一阶段只盯一件事: 1 文字渲染优化:先把字写对、写在干净的背景上,把底子打牢 2 高质量海报微调:用区域感知校准,让字和背景在风格上和谐 3 审美-文字 RL:用偏好优化去抠更高阶的美术权衡,顺手修掉字体瑕疵 4 视觉-语言反馈:图文联合条件,多轮迭代打磨内容与背景的协调 下面这张官方架构图,把四个阶段串成了一条流水线: ![](https://developer.qcloudimg.com/http-save/yehe-12670711/8d66cd87f54211c6c826374bc6340b3c.jpg) — 四阶段训练流程,从文字渲染一路打磨到图文协调 03 PART 效果与怎么用 RESULTS & USE 论文里给了一组 benchmark:文字准确率 0.735,追平 Gemini2.0-Flash(0.746),明显超过 Flux1.dev(0.667)。对一个开源框架来说,这已经很能打。 光看数字没感觉,直接看官方样张。下面三张分别是旅行探险、科幻剧集和电影海报: ![](https://developer.qcloudimg.com/http-save/yehe-12670711/33a8993490b7be4f3e6d30cb4fd720b3.jpg) ![](https://developer.qcloudimg.com/http-save/yehe-12670711/717427d63d7e18e5e934a983de6b6fda.jpg) ![](https://developer.qcloudimg.com/http-save/yehe-12670711/c059217d477b80bfe1d29346f8a182dc.jpg) — 官方 Gallery 样张:旅行 / 科幻 / 电影海报 想自己跑也很简单。先把仓库拉下来、建个 conda 环境装上依赖,然后一句话出图;想点界面的话,python demo_gradio.py 起个网页就行。显存吃紧还有 inference_offload.py,把部分计算挪到 CPU。 ...bash python inference.py \ --prompt "Urban Canvas Street Art Expo poster, bold graffiti lettering" \ --enable_recap --num_inference_steps 28 --guidance_scale 3.5 --seed 42 \ --pipeline_path "black-forest-labs/FLUX.1-dev" \ --custom_transformer_path "PosterCraft/PosterCraft-v1_RL" \ --qwen_model_path "Qwen/Qwen3-8B" !两个现实前提 🕳 **第一,FLUX.1-dev 权重要自己去 HuggingFace 申请,PosterCraft 不是开箱即用的 SaaS;第二,整套流程吃 GPU,是学术论文的配套代码,不是打包好的商业产品。社区已经有人把它接进了 ComfyUI,不想写代码也能玩。** /// LAST 写在最后 WRAP-UP 如果你正好需要能写清字的 AI 海报,又不想被「提示词玄学」折磨,PosterCraft 值得一试。这套框架把最难的文字渲染当成正经事来训练,这点挺难得。 开源地址在这: ...url https://github.com/MeiGen-AI/PosterCraft

资源下载

更多资源
腾讯云软件源

腾讯云软件源

为解决软件依赖安装时官方源访问速度慢的问题,腾讯云为一些软件搭建了缓存服务。您可以通过使用腾讯云软件源站来提升依赖包的安装速度。为了方便用户自由搭建服务架构,目前腾讯云软件源站支持公网访问和内网访问。

Nacos

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称,一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集,帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

Spring

Spring

Spring框架(Spring Framework)是由Rod Johnson于2002年提出的开源Java企业级应用框架,旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念,提供核心容器、应用上下文、数据访问集成等模块,支持整合Hibernate、Struts等第三方框架,其适用范围不仅限于服务器端开发,绝大多数Java应用均可从中受益。

Rocky Linux

Rocky Linux

Rocky Linux(中文名:洛基)是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版,作为CentOS稳定版停止维护后与RHEL(Red Hat Enterprise Linux)完全兼容的开源替代方案,由社区拥有并管理,支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性,采用模块化包装和SELinux安全架构,默认包含GNOME桌面环境及XFS文件系统,支持十年生命周期更新。

用户登录
用户注册