過去兩年涌現(xiàn)了非常多的AI繪圖工具，不過就功能的完整性和出圖質(zhì)感來看，全球范圍內(nèi)除了midjourney外應(yīng)該就是Stable Diffusion（下文簡稱SD）最強大了，并且SD還是開源免費的，可部署到本地使用。
AI繪圖相當考驗顯卡的性能，估計也有不少人都聽過“A卡玩游戲，N卡生產(chǎn)力”的說法，那么，到底能不能用A卡來玩AI繪圖呢？
答案是肯定的，這篇文章就分享一下借助A卡在本地部署SD繪圖的過程，另外也一并分享一下如何在本地使用AI文字轉(zhuǎn)音頻工具ChatTTS生成極度接近真人的語音。
藍寶石7800XT極地版顯卡簡介
我使用的這款A(yù)MD顯卡是藍寶石的RX 7800XT 16G 極地版，采用AMD新一代架構(gòu)RDNA3，顯卡流處理器為3840個，核心頻率在2169到2475MHz之間，顯存采用256bit GDDR6，容量也有16GB，整體來看能耗更低性能更強。
此外，藍寶石作為A卡一線品牌，在制造工藝和架構(gòu)設(shè)計上比普通品牌也更有實力，像這款7800XT就搭載了高性能飛翼軸流扇、五熱管散熱系統(tǒng)及全尺寸金屬背板，除了提供出色的散熱性能保障高負載運行下的穩(wěn)定性，也可以更好地防護物理碰撞帶來的損害。
在實際游戲場景中，這款顯卡的溫度一直控制在70℃以內(nèi)，并且沒有明顯的噪聲和嘯叫干擾，作為入門級4K顯卡，在4K分辨率下玩《黑神話·悟空》，開啟FSR和幀生成后平均FPS也能達到80左右。
從游戲體驗來看， 藍寶石7800XT極地版的性能是毋庸置疑的，而通過專業(yè)的生產(chǎn)力性能軟件PCMARK10測試，最終整機綜合得分為10118，照片編輯分數(shù)為25086，渲染與視覺變化分數(shù)為27148，視頻編輯分數(shù)為9516，可見這款顯卡在剪輯、修圖、渲染等專業(yè)場景中也同樣有用武之地。
這里順便提一句，藍寶石7800XT本身配置就比較高，沒有什么需要挑剔的地方，本地部署AI大模型不管是繪圖還是生成視頻、音頻，都非常吃顯存，所以還是建議選擇顯存16GB的顯卡。
A卡部署Stable Diffusion本地繪圖
DirectML是一個用于機器學習的DirectX12庫，它能夠支持AMD顯卡加速。在A卡平臺上部署，需要用到DirectML版本的SD，主要步驟如下：
①在電腦上準備DirectML SD環(huán)境。這個過程稍微有些復(fù)雜，不過DirectML是微軟聯(lián)合AMD專門推出的A卡本地部署AI大模型解決方案，所以在微軟官網(wǎng)可以查找相關(guān)教程，至于SD的安裝包，則需要在軟件項目托管平臺下載，不方便放鏈接，可以自己搜。
②安裝必備工具Python和Git，需要注意的是Python得是支持torch的Python 3.10.6版本，這兩個工具都有對應(yīng)的官方網(wǎng)站可以下載。
③安裝AMD HIP SDK程序，可以在AMD官網(wǎng)下載，沒有安裝的話在運行的時候也會提示，可直接跳轉(zhuǎn)下載。
④做好前面的準備工作，就可以進入正式部署環(huán)節(jié)了，建議單獨建一個文件夾比如“AMD Stable Diffusion”用來存放SD本地文件，注意不要用英文。
⑤在新建的文件夾中運行Windows命令提示符，方法有幾種
⑥輸入Direct ML Stable Diffusion webUI的安裝命令，點擊回車鍵安裝，安裝完成后在“AMD Stable Diffusion”文件夾找到webuser.dat雙擊，進入主程序和模型文件安裝，這里是自動運行。
⑦完成之后在瀏覽器輸入local URL即可進入界面，local URL可直接復(fù)制。
前面這些步驟是完全自己部署，其實還挺復(fù)雜的，即便是對照操作也不一定能理解，門檻比較高，所以個人還是推薦一步到位的方法，直接使用秋葉大佬的安裝包。
網(wǎng)上有很多資源分享，各種工具組件都集成了，解壓之后找到“A繪世啟動器”雙擊就能進入控制界面，繼續(xù)點擊右下角的一鍵啟動就能打開WebUI繪圖界面。
SD WebUI界面就是下面這個樣子，控制參數(shù)還蠻多，新手需要耗費一些精力嘗試熟悉，不過相對comfyUI來說已經(jīng)簡單許多了。
借助SD本地模型，可以繪制自己喜歡的壁紙、首飾服裝穿戴效果圖、裝修風格參考圖、建筑效果圖等，對于降低成本、提高效率來說幫助還挺大，不過需要搭配合適的模型才行，個人覺得難度比部署時大得多，這就得自己不斷琢磨研究了。
附文字轉(zhuǎn)語音模型推薦
其實A卡不僅支持SD本地模型，很多其他實用大模型也是可以本地部署的，部署成功之后可以持續(xù)免費使用，只要電腦不出問題那就是一勞永逸了，這里再推薦一個可本地使用的文字轉(zhuǎn)語音大模型。
ChatTTS文字轉(zhuǎn)語音
這是一個專門為對話場景設(shè)計的文本轉(zhuǎn)語音模型，支持英文和中文兩種語言，具備中英混讀和多人說話的能力，能夠預(yù)測和控制細粒度的韻律特征，包括笑聲、停頓和插入詞等，生成自然流暢的語音，被很多人認為是目前最強的語音模型。
本地部署需要顯存大于4GB的顯卡，同時要用到ffmpeg（一套可以用來記錄、轉(zhuǎn)換數(shù)字音頻、視頻，并能將其轉(zhuǎn)化為流的開源計算機程序），過程還是有些復(fù)雜，不過網(wǎng)上有098版本的懶人整合包，提供了ffmpeg程序包和安裝教程，難度降低很多。
一鍵文字轉(zhuǎn)語音的工具早就有了，而且輸出速度很快，只不過很多都是費用高，語氣呆板。ChatTTS語音模型的優(yōu)勢不僅在于它開源、免費，相對于一般的文字轉(zhuǎn)語音工具，它的音色、語氣更加真實，調(diào)節(jié)的參數(shù)空間更大，可用于各種短視頻、宣傳片、紀錄片的配音，甚至可以為虛擬人物定制音色，缺點就是生成速度慢，調(diào)節(jié)參數(shù)費時間，需要較多的精力不斷嘗試。
翻譯
搜索
復(fù)制
热门评论
最新评论