扣子工作流,一键生成名人名言卡片,无需二次修改,文字生成准确率98%!保姆级教程

大模型图像处理机器学习

大家好,我是陈工。

最近用扣子做了一个超实用的小项目,比如,我们输入名人的名字,和图片的比例,借助豆包 4.0 强大的生图能力,直接对应生成名人名言宣传图。

并且,陈工经过测试,其文字生成的准确率高达 98%,实际体验下来,效果还是很不错的。

这样做,主要是非常的省事,固定了一个模板,防止每次生成图的效果都是不一样的。那么,下面跟着陈工的步伐,一起去看看这样的扣子工作流是怎么做的吧!

扣子生成的效果图:

picture.image

picture.image

picture.image

扣子搭建步骤

1、开始节点

mr:该节点对应的是名人人物名字。

bili:输入图片的比例,包括 21:9,16:9,3:2,3:4,2:3,9:16。

2、添加大模型

该大模型,主要是用来进行生成名人名言人物文案的。

大模型,选用的是深度思考大模型,综合体验下来,效果会比较的好一些。

picture.image

在关于生成名人名言的时候,我们整个图片会涉及到 4 部分的内容,包括:名人名字、具体名言内容、作品名字、围绕该名人的相关特点、事迹等生成的提示词。

整个名人相框,文字内容,是包含上述部分的。

picture.image

关于输出的部分,大家可以看下图:

picture.image

3、意图识别

因为我们生成的图片比例,是多种类型的,所以这里需要加一个意图识别,比如我们输入的是 1:1 的比例,就会针对性的对其 1:1 进行出图。

picture.image

4、图像生成

根据图片比例,选择哪一个图像进行生成,比如,我们选择的是 1:1 比例,那么就会进入到设定图像生成是 1:1 的里面去。

picture.image

关于大模型的设置,选择豆包 4.0,这里可以设定图片的比例。

picture.image

5、变量聚合

对多个分支的输出进行聚合处理。

picture.image

6、结束

picture.image

综上所述,本篇文章就给大家介绍到这里了,对于很多新手小白而言,是不是感觉非常的简单,那么,就赶快动手实践一下吧!

如果大家想要学习扣子智能体工作流,欢迎添加我的微信!

0
0
0
0
关于作者
关于作者

文章

0

获赞

0

收藏

0

相关资源
TRAE 的思考:AI 时代程序员的认知进化
在 AI 浪潮下,传统的古法编程模式正在被颠覆和变革,对开发者的认知和协作模式提出了新的挑战。本次分享将深入探讨 AI Coding 的演进趋势,从 AI 辅助编程到 AI 主导的全新协作模式,以及它如何重塑人与 AI 之间的关系,同时也将分享下 TRAE 的核心理念、技术实现,演进实践中的踩坑心得、以及我们对未来的展望。
相关产品
评论
未登录
看完啦,登录分享一下感受吧~
暂无评论