Author: demensdeum

如今，您不必依赖云服务：您可以完全在自己的硬件上生成高质量的图像。在这篇文章中，我将描述如何使用 ComfyUI 在计算机上本地运行现代 FLUX 模型。

ComfyUI 采用基于节点的架构。这使您能够：
– 完全控制生成的每个阶段。
– 轻松共享现成的“工作流程”

FLUX是大型模型，因此硬件要求比SD 1.5或SDXL更高：
– 显卡 (GPU)： Nvidia RTX，具有 12 GB VRAM 或更高（为了舒适工作）。如果您有 8 GB 或更少，则必须使用量化版本（GGUF 或 NF4）。
– 随机存取存储器 (RAM)： 至少 16 GB（最好 32 GB 及以上）。
– 磁盘空间： 模型和组件大约需要 20–50 GB。

启动 FLUX 最简单的方法是使用现成的模板。只需在工作流程窗口中搜索 Flux Text to Image 并安装即可。

在“Text to Image (Flux.1 Dev)”节点中用英文编写提示，选择分辨率（FLUX 适用于 1024×1024 甚至更高），然后按 RUN。

第一代可能需要一些时间，因为模型将加载到显卡内存中。

https://github.com/comfyanonymous/ComfyUI

如果您希望使用神经网络来帮助编写代码（所谓的 Vibe 编码），并且您有一台相当强大的计算机，例如配备 Nvidia RTX 显卡，那么您可以在您的计算机上完全免费地部署整个环境。这解决了付费订阅的问题，并允许您安全地处理 NDA 下的项目，因为您的代码不会发送到任何地方。在这篇文章中，我将描述如何组装 LM Studio、VS Code 和 Continue 扩展的本地包。

本地 Vibe 编码工具

为了舒适的工作，我们需要三个主要组件：
– LM ​​Studio： 用于下载和运行本地 LLM 的便捷应用程序。它承担了使用 GGUF 模型的所有复杂性，并建立了一个与 OpenAI API 兼容的本地服务器。
– VS Code： 流行且熟悉的代码编辑器。
– 继续： VS Code 扩展，将神经网络直接集成到工作环境中。允许您聊天、突出显示代码以进行重构，并支持自动完成。

硬件要求

本地语言模型是内存密集型的：
– 显卡 (GPU)： Nvidia，配备 8 GB VRAM 或更高（可轻松处理具有 7-80 亿个参数的模型）。较重的型号将需要 16 GB 的 VRAM。
– 磁盘空间：约500 GB用于存储各种下载的模型。

配置链接

设置过程非常简单，不需要在终端中进行复杂的操作：
1.下载并安装LM Studio。使用内置搜索查找轻量级模型，例如 Qwen Coder 或 gemma3:12b。
2. 在 LM Studio 中，转到“本地服务器”选项卡并单击“启动服务器”。默认情况下，它将从“http://localhost:1234/v1”启动。
3. 打开 VS Code 并从插件商店安装 Continue 扩展。
4. 打开“继续”配置文件并添加新模型，指定“openai”提供程序以及 LM Studio 中的本地服务器地址。

然后，您可以直接在“继续”侧栏中与当地的法学硕士进行交流，询问有关您的代码的问题，并生成新的组件。

为什么会这样？

正如我之前所写，法学硕士在扁平结构和 WET（将所有内容写入两次）代码方面做得更好。在设计复杂的架构时，局部参数模型可能不如 GPT-4 这样的巨头，但它们完全能够生成样板代码、重构简单功能和快速原型设计。

此外，通过本地 Vibe 编码，您的代码永远不会离开机器。这使得这种组合非常适合企业发展和处理敏感数据。

输出

局部神经网络无法完全取代程序员或设计复杂的系统。然而，LM Studio + VS Code +Continue 的组合提供了独立于云服务的能力并维护了隐私。如果您愿意忍受小模型的限制并独立控制项目架构，那么这是一个用于日常任务的完全可用的辅助工具。

链接

https://code.visualstudio.com/
https://lmstudio.ai/
https://continue.dev/

来源

https://youtu.be/IqqCwhG46jY
https://www.youtube.com/watch?v=7AImkA96mE8

以前，使用神经网络创建视频是 Runway 或 Luma 等云服务的特权。如今，如果您拥有现代 Nvidia 显卡，您就可以直接在计算机上生成高质量视频。在这篇文章中，我将告诉您如何使用 ComfyUI 和有效的 LTX-2.3 模型设置本地视频生成。

视频生成工具

对于工作，我们需要：
– ComfyUI：强大的界面，采用基于节点的架构，允许您灵活地自定义生成过程。
– LTX-2.3： Lightricks 的现代型号，经过优化，可以以相对适中的视频内存要求创建流畅且详细的视频。

硬件要求

生成视频是一个比处理图像更加消耗资源的过程：
– 显卡 (GPU)： 具有 8 GB VRAM 的 Nvidia RTX 是 768×512 分辨率的最低要求。为了舒适的操作和更高的分辨率，非常需要 16-24 GB 的 VRAM。
– 随机存取存储器 (RAM)： 至少 32 GB。下载时视频模型和 VAE 会占用大量空间。
– 磁盘空间： 模型本身和相关组件约 500 GB。

设置和启动

ComfyUI中启动LTX-2.3的流程如下：
1. 更新ComfyUI：该模型相对较新，因此请确保您安装了最新版本的界面。
2. 安装工作流程：最简单的方法是找到现成的 LTX Video JSON 模板。该模型需要特定的节点来处理视频潜在空间。
3. 提示和参数：用英文输入场景描述。请注意，LTX-2.3 能够很好地理解运动（例如“摄像机绕轨道运行”、“快速运动”）。

为什么选择LTX-2.3？

LTX-2.3 之所以引人注目，是因为它提供的结果与专有云服务相当，但在本地运行。这给你：
– 完全隐私：您的提示和生成的视频不会发送到其他人的服务器。
– 控制：您可以尝试帧速率 (FPS)、分辨率和提示强度，而无需为每次尝试付费。

本地视频生成仍在积极开发中，LTX-2.3 是进入“家庭好莱坞”世界的绝佳入口。

链接

https://github.com/comfyanonymous/ComfyUI
https://huggingface.co/Lightricks/LTX-Video

如今，您不必依赖云服务来创建内容：您可以完全在自己的硬件上生成高质量的音乐。在这篇文章中，我将描述如何使用 ComfyUI 在计算机上本地运行现代 ACE-Step-1.5 模型。

ComfyUI 采用基于节点的架构。这使您能够：
– 完全控制音频生成的每个阶段。
– 轻松共享现成的“工作流程”。

ACE-Step-1.5 是一种高级音乐生成模型，需要大量计算资源。其硬件要求比许多简单的合成器要高：
– 显卡 (GPU)： Nvidia RTX，具有 8 GB VRAM 或更高（建议 12 GB+），可实现舒适的高品质工作。
– 随机存取存储器 (RAM)： 至少 16 GB（最好 32 GB 及以上）。
– 处理器（CPU）：现代多核处理器，对 AVX/CUDA 计算有良好的支持。
– 磁盘空间： 模型和组件大约需要 20–50 GB。

运行 ACE-Step-1.5 最简单的方法是使用现成的音频生成模板。只需在工作流程窗口中搜索音乐文本到音频并安装即可。

在“提示输入”节点中编写描述流派和情绪的提示（例如，“带有重低音的令人振奋的合成波曲目”）。指定所需的持续时间并按运行。
第一代可能需要一些时间，因为模型将被加载到显卡内存中并处理复杂的声学模式。

https://github.com/comfyanonymous/ComfyUI
https://www.youtube.com/watch?v=UAlLD5fS7-c

如果您希望推出像 ChatGPT 这样的东西，并且您有一台相当强大的计算机，例如配备 Nvidia RTX 显卡，那么您可以运行 ollama 项目，该项目将允许您在本地计算机上使用现成的 LLM 模型之一，而且完全免费。 ollama 提供了与 LLM 模型进行通信的能力，以 ChatGPT 的方式进行；同样在最新版本中，还宣布了读取图像并将输出数据格式化为 json 格式的功能。

我还在配备 Apple M2 处理器的 MacBook 上运行了该项目，并且我知道 AMD 最新型号的显卡受到支持。

要在 macOS 上安装，请访问 ollama 网站：
https://ollama.com/download/mac

单击“下载 macOS”，您将下载 ollama-darwin.zip 形式的存档，存档内有 Ollama.app，需要将其复制到“应用程序”。之后，启动 Ollama.app，安装过程很可能会在第一次启动时发生。之后，在托盘中您可以看到 ollama 图标，该托盘位于时钟旁边的右上角。

之后，启动常规 macOS 终端，然后键入命令来下载、安装并运行任何 ollama 模型。可用模型、描述及其特征的列表可以在 ollama 网站上查看：
https://ollama.com/search

如果启动时不适合您的显卡，请选择参数最少的型号。

例如，启动 llama3.1:latest 模型的命令：

ollama run llama3.1:latest

Windows 和 Linux 的安装通常是相似的，在一种情况下，会有一个 ollama 安装程序，并通过 Powershell 进一步使用它。
对于 Linux，安装是使用脚本完成的，但我建议使用特定包管理器的版本。在 Linux 上，还可以通过常规 bash 终端启动 ollama。

来源
https://www.youtube.com/watch?v=Wjrdr0NU4Sk
https://ollama.com

如果您想稳定视频并消除相机抖动，“ffmpeg”工具提供了强大的解决方案。借助内置过滤器“vidstabdetect”和“vidstabtransform”，您无需使用复杂的视频编辑器即可获得专业的效果。

准备工作

在开始之前，请确保您的“ffmpeg”支持“vidstab”库。在 Linux 上，您可以使用以下命令进行检查：

bash  
ffmpeg -filters | grep vidstab  

如果未安装该库，您可以添加它：

sudo apt install ffmpeg libvidstab-dev  

通过brew安装macOS：

brew install libvidstab
brew install ffmpeg

现在让我们继续该过程。

第 1 步：运动分析

首先，您需要分析视频的运动并创建带有稳定参数的文件。

ffmpeg -i input.mp4 -vf vidstabdetect=shakiness=10:accuracy=15 transfile=transforms.trf -f null -  

参数：

抖动：视频抖动级别（默认为 5，对于更复杂的情况可以增加到 10）。
精度：分析精度（默认15）。
transfile：保存运动参数的文件名。

第 2 步：应用稳定化

现在您可以使用转换文件应用稳定性：

ffmpeg -i input.mp4 -vf vidstabtransform=input=transforms.trf:zoom=5 output.mp4

参数：

input：指向带有转换参数的文件（在第一步中创建）。
缩放：用于消除黑边的缩放系数（例如 5 – 自动缩放直至消除伪像）。

我向您展示 1936 年艾伦·图灵 (Alan Turing) 文章《关于解决问题的可计算数》第一页的翻译。第一章包含对计算机的描述，后来成为现代计算的基础。

这篇文章的完整翻译和解释可以在美国普及者 Charles Petzold 所著的《阅读图灵：图灵关于可计算性和图灵机的历史文章的旅程》一书中阅读（ISBN 978-5-97060-231-7, 978-0-470-22905-7）

原文：
https://www.astro.puc.cl/~rparra/tools/PAPERS/turing_1936.pdf

论可计算数及其在解决问题中的应用

图灵

[1936 年 5 月 28 日收稿 – 1936 年 11 月 12 日阅读]

“可计算”数可以简单地描述为实数，其小数形式的表达可以通过有限多种方式计算。尽管乍一看本文将数字视为可计算的，但定义和探索整数变量、实数变量、可计算变量、可计算谓词等的可计算函数几乎同样容易。然而，与这些可计算对象相关的基本问题在每种情况下都是相同的。为了详细考虑，我选择可计算数字作为可计算对象，因为考虑它们的方法是最不麻烦的。我希望尽快描述可计算数与可计算函数的关系等等。同时，将在以可计算数表示的实变量函数理论领域进行研究。根据我的定义，如果一个实数的十进制表示可以由机器编写，那么它就是可计算的。

在第 9 段和第 10 段中，我给出了一些论据来表明可计算数包括所有自然被认为是可计算的数。特别是，我证明了一些大类数字是可计算的。例如，它们包括所有代数数的实部、贝塞尔函数零点的实部、数字 π、e 等。但是，可计算数并不包括所有可定义数，如以下不可计算的可定义数示例所示。

尽管可计算数的类别非常大并且在许多方面与实数的类别相似，但它仍然是可枚举的。在第 8 节中，我考虑了某些看似相反的论点。当其中一个论证得到正确应用时，乍一看，得出的结论与哥德尔*的结论相似。这些结果具有极其重要的应用。特别是，如下所示（§11），解析问题无法有解。

在最近的一篇文章中，Alonzo Church 介绍了“有效可计算性”的想法，这与我的“可计算性”的想法相当，但定义完全不同。关于解决问题，丘奇也得出了类似的结论。本文附录中给出了“可计算性”和“有效可计算”等价性的证明。

1. 电脑

我们已经说过，可计算数是那些小数位可以用有限方法计算的数。这里需要一个更清晰的定义。在我们到达第 9 节之前，本文不会真正尝试证明此处给出的定义的合理性。现在，我只想指出，（逻辑）基本原理是人类的记忆必然是有限的。

让我们将计算实数的人与只能满足有限数量的条件 q1, q2, …, qR 的机器进行比较；我们将这些条件称为“m 配置”。这台（即如此定义的）机器配备有“胶带”（类似于纸）。穿过机器的皮带被分成几段。我们称它们为“正方形”。每个这样的方块都可以包含某种“符号”。在任何时刻，只有一个这样的正方形，比如第 r 个，包含“在这台机器中”的符号。我们将这样的正方形称为“扫描符号”。可以说，“扫描字符”是机器“直接感知”的唯一字符。然而，通过改变它的 m 配置，机器可以有效地记住它之前“看到”（扫描过）的一些字符。机器在任何时刻可能的行为由 m 配置 qn 和扫描的符号***决定。我们称这对符号 qn 为“配置”。这样指定的配置决定了给定机器的可能行为。在其中所扫描的方块是空白的（即，不包含字符）的一些配置中，机器在所扫描的方块上写入新字符，而在这些配置中的其他配置中，机器擦除所扫描的字符。这台机器也能够移动来扫描另一个方格，但这样它只能移动到右侧或左侧的相邻方格。除了这些操作之外，还可以更改机器的 m 配置。在这种情况下，一些写入的字符将形成一个数字序列，这是正在计算的实数的小数部分。其余的无非是为了“帮助记忆”而做的不准确的标记。在这种情况下，只能擦除上述不准确的标记。

我声称这里考虑的操作包括计算中使用的所有操作。对于了解机器理论的读者来说，这种说法的基本原理更容易理解。因此，在下一节中，我将在理解“机器”、“磁带”、“扫描”等术语的基础上继续发展相关理论。

*哥德尔“论数学原理中形式上不可判定的句子（由怀特海德和罗素于 1910 年、1912 年和 1913 年出版）和相关系统，第一部分”，《数学杂志》。物理学，德国月刊第 38 期（1931 年，第 173-198 页。
** Alonzo Church，“初等数论中的一个不可判定问题”，American J. of Math.，第 58 期（1936 年），第 345-363 页。
*** Alonzo Church，“关于解决问题的注释”，J. of Symbolic Logic，第 1 期（1936 年），第 40-41 页