face-to-sticker 免費 AI 工具，讓你的照片變成美式漫畫貼紙
「 face-to-sticker」是一款免費工具，操作非常簡單，只需要上傳一張圖片，透過分析照片中的臉部特徵和表情，就可以將您的照片轉換為美式風格的貼紙。
face-to-sticker
https://replicate.com/fofr/face-to-sticker
在左邊image的地方，你可以上傳一張圖片或是拍一張照片，並輸入提示詞，這邊的提示詞輸入上傳圖片的角色「wonder woman」
這裡可調整圖片的寬高及steps，steps是控制細緻度，預設為20，steps越大越貼近原始照片，設定完成後點擊下方「Run」按鈕，等待幾秒鐘的時間就會生成圖片，不滿意的話可以點擊「Reset」按鈕重新生成
一次會生成兩張圖片，一張是有背景色，另一張去背的圖
你可以透過下方按鈕「調整」、「分享」、「下載」、「報告」進行其他操作
再來是我針對不同設定做生成
使用鋼鐵人圖像來生成，人物的臉部五官、輪廓和髮型都能準確的描繪出來，雖然動作與表情與原圖有些微不同，但整體效果還算滿意
使用美國隊長圖像，背景複雜，有其他配件，在steps預設為20，是無法生成盾牌
將step調整到27，細節度更清楚，與原圖更符合
上傳的浩克圖像，搭配美國隊長的提示詞，就生成出有穿美國隊長衣服的浩克創意貼紙
使用卡通風格的圖像，也能生成貼紙
只能使用人物角色來生成，如果使用動物是無法生成
face-to-sticker 是一款圖像生成貼紙，操作非常簡單，只需要上傳圖片，輸入簡單提示詞，就能生成有趣的美式風格卡通貼紙
留言0
查看全部
你可能也想看
Google News 追蹤
*合作聲明與警語：
本文係由國泰世華銀行邀稿。
證券服務係由國泰世華銀行辦理共同行銷證券經紀開戶業務，定期定額(股)服務由國泰綜合證券提供。
剛出社會的時候，很常在各種 Podcast 或 YouTube 甚至是在朋友間聊天，都會聽到各種市場動態、理財話題，像是：聯準會降息或是近期哪些科
這首歌為「模範計程車2」電視劇的原聲帶裡其中的一首，於3月24日公布，由「WINNER」的隊長姜昇潤參與演唱，是一首熱血搖滾又令人印象深刻的歌曲
前面幾個篇章已經大致上介紹了Hugging Face這個平台的一些基本概念了，既然我們都能夠在平台上找到各式各樣的模型，而且也能夠照著教學一步步的來下載並使用，但有沒有更簡單的方式呢？
比如說，我們專注在應用端上的開發，AI的推理就藉由平台進行呢？ 答案肯定是有的，近期越來越多開源的平台也都開放這
我們過往介紹了幾個關於文字AI應用的篇章：
【Hugging Face】Ep.5 文字世界中的超能力語言英雄(Named Entity Recognition)
【Hugging Face】Ep.6 解決問題的專業級破關知識家(Question Answering)
但單獨的文字應用似乎不太能
今天我們將探討一個現代社會中普遍存在的問題──外貌焦慮。你是否曾經對自己的外貌感到不滿？是否因此而感到焦慮和困擾？別擔心，因為我們為你帶來了一個特殊的自我檢測工具，它將幫助你了解自己的外貌焦慮指數以及與情緒的連結。現在就讓我們一起來了解FACE自我檢測吧！
QA問答是自然語言處理NLP中蠻困難的一項任務， 必須從一段文本中識別出使用者的提問，像搜尋引擎就是一種QA的應用， 從眾多的問題中找答案， 那就讓我們親手來打造一下自己專屬的QA系統吧！
找看看有哪些可用模型
在「【Hugging Face】Ep.3 前往Dataset掏金趣」我們有介紹過Hu
.jpg)
這次來介紹一下NLP自然語言處理中重要的一個任務「命名實體識別(Named Entity Recognition)」， 這個任務主要識別出「人名」、「地名」、「公司」…等實體， 透過這些實體辨識結果， 可以近一步的理解意圖， 甚至判斷出該文章主要在講什麼重點…等。
關於更多NER的細節歡迎閱讀: 「
前面我們介紹了「【Hugging Face】Ep.1 平凡人也能玩的起的AI平台」， 我們都知道「詞」是NLP世界中的最小單元， 關於詞的知識歡迎參考:
簡單來說，主要的目的是將文本轉換為模型可以處理的數據， But…， 他主要的任務並不是像jieba…等斷詞器一樣， 而是很單純的扮演文字與模型的橋
.jpg)
我們已經介紹過關於Transformer模型的平台「【Hugging Face】Ep.1 平凡人也能玩的起的AI平台」，而這次就來實際動手進行開發，讓我們自己的AI自己做。
由於AI模型的訓練往往都會比較耗時， 因此建議需要有GPU環境會比較有效率一些， 否則訓練模行動輒好幾個小時才能看到結果， 一
它到底是什麼？
簡單說Hugging Face是人工智慧開源平台，開發者發表和共享預訓練模型、資料庫和示範檔案等。Hugging Face共享超過10萬個預訓練模型，上萬資料庫，包括微軟、Google、彭博、英特爾等各行業上萬機構都有使用Hugging Face。
理念與目標
我們都知道最近火紅的O
*合作聲明與警語：
本文係由國泰世華銀行邀稿。
證券服務係由國泰世華銀行辦理共同行銷證券經紀開戶業務，定期定額(股)服務由國泰綜合證券提供。
剛出社會的時候，很常在各種 Podcast 或 YouTube 甚至是在朋友間聊天，都會聽到各種市場動態、理財話題，像是：聯準會降息或是近期哪些科
這首歌為「模範計程車2」電視劇的原聲帶裡其中的一首，於3月24日公布，由「WINNER」的隊長姜昇潤參與演唱，是一首熱血搖滾又令人印象深刻的歌曲
前面幾個篇章已經大致上介紹了Hugging Face這個平台的一些基本概念了，既然我們都能夠在平台上找到各式各樣的模型，而且也能夠照著教學一步步的來下載並使用，但有沒有更簡單的方式呢？
比如說，我們專注在應用端上的開發，AI的推理就藉由平台進行呢？ 答案肯定是有的，近期越來越多開源的平台也都開放這
我們過往介紹了幾個關於文字AI應用的篇章：
【Hugging Face】Ep.5 文字世界中的超能力語言英雄(Named Entity Recognition)
【Hugging Face】Ep.6 解決問題的專業級破關知識家(Question Answering)
但單獨的文字應用似乎不太能
今天我們將探討一個現代社會中普遍存在的問題──外貌焦慮。你是否曾經對自己的外貌感到不滿？是否因此而感到焦慮和困擾？別擔心，因為我們為你帶來了一個特殊的自我檢測工具，它將幫助你了解自己的外貌焦慮指數以及與情緒的連結。現在就讓我們一起來了解FACE自我檢測吧！
QA問答是自然語言處理NLP中蠻困難的一項任務， 必須從一段文本中識別出使用者的提問，像搜尋引擎就是一種QA的應用， 從眾多的問題中找答案， 那就讓我們親手來打造一下自己專屬的QA系統吧！
找看看有哪些可用模型
在「【Hugging Face】Ep.3 前往Dataset掏金趣」我們有介紹過Hu
這次來介紹一下NLP自然語言處理中重要的一個任務「命名實體識別(Named Entity Recognition)」， 這個任務主要識別出「人名」、「地名」、「公司」…等實體， 透過這些實體辨識結果， 可以近一步的理解意圖， 甚至判斷出該文章主要在講什麼重點…等。
關於更多NER的細節歡迎閱讀: 「
前面我們介紹了「【Hugging Face】Ep.1 平凡人也能玩的起的AI平台」， 我們都知道「詞」是NLP世界中的最小單元， 關於詞的知識歡迎參考:
簡單來說，主要的目的是將文本轉換為模型可以處理的數據， But…， 他主要的任務並不是像jieba…等斷詞器一樣， 而是很單純的扮演文字與模型的橋
我們已經介紹過關於Transformer模型的平台「【Hugging Face】Ep.1 平凡人也能玩的起的AI平台」，而這次就來實際動手進行開發，讓我們自己的AI自己做。
由於AI模型的訓練往往都會比較耗時， 因此建議需要有GPU環境會比較有效率一些， 否則訓練模行動輒好幾個小時才能看到結果， 一
它到底是什麼？
簡單說Hugging Face是人工智慧開源平台，開發者發表和共享預訓練模型、資料庫和示範檔案等。Hugging Face共享超過10萬個預訓練模型，上萬資料庫，包括微軟、Google、彭博、英特爾等各行業上萬機構都有使用Hugging Face。
理念與目標
我們都知道最近火紅的O