开源项目最佳实践:Character Select Stand Alone App
1. 项目介绍
Character Select Stand Alone App(简称 SAA)是一个独立的角色选择应用程序,支持 AI 提示、半自动标签完成以及 ComfyUI/WebUI API 支持。该项目目前支持 5177 个角色(包括多种装扮),并提供多种功能,如 ComfyUI、WebUI、Forge、LoRA 等。SAA 是一个开源项目,旨在为用户提供一个简单易用的角色选择工具。
2. 项目快速启动
克隆项目到本地
首先,需要将项目克隆到本地文件夹:
git clone https://github.com/mirabarukaso/character_select_stand_alone_app.git
cd character_select_stand_alone_app
安装依赖
接下来,安装项目所需的依赖:
npm install
启动项目
最后,启动项目:
npm start
3. 应用案例和最佳实践
区域条件设置(ComfyUI)
SAA 支持区域条件设置,用户可以通过勾选“区域条件”复选框、选择角色或原创角色,并开始通用提示,如“duo, masterpiece, best quality, amazing quality”等,以获得更好的生成效果。
LoRA 插槽使用
SAA 支持 LoRA 插槽,用户可以通过点击“i”按钮查看 LoRA 信息,并在 ComfyUI 中使用更详细的 LoRA 配置。在使用 ComfyUI API 时,需要将 ComfyUI_Mira 节点更新到 0.4.9.2 或以上版本。
半自动标签完成
在输入标签时,SAA 会自动搜索匹配的标签。用户可以使用鼠标选择提示词,也可以使用键盘上下键配合 Enter 或 Tab 键选择,按 Esc 键关闭提示框。
图像信息
用户可以将图像拖动到 SAA 窗口,支持 PNG 格式。对于 WebUI 和 ComfyUI(带图像保存节点)都适用。双击图像可以关闭。
实时角色预览和搜索
角色列表支持中英文关键词搜索。
右键菜单
SAA 的电子应用程序支持右键菜单,用户可以通过右键菜单进行更多操作。
AI 提示生成测试
右键单击“AI 提示”可获得不生成图像的 AI 提示。
复制图像/元数据
在图库中右键单击可以复制当前图像或复制元数据到剪贴板。
发送 LoRA 到插槽
右键单击“通用”和“正面”可以将文本形式的 LoRA 发送到 LoRA 插槽。
4. 典型生态项目
SAA 可以与多种开源项目配合使用,以下是一些典型的生态项目:
- ComfyUI:一个易于使用的图像生成界面,支持自定义节点和插件。
- WebUI:一个基于 Web 的图像生成界面,支持多种模型和 API。
- Forge:一个开源的角色创作工具,支持自定义角色和装扮。
- LoRA:一种基于文本的角色描述语言,用于生成图像。
通过结合这些生态项目,用户可以更好地利用 SAA 实现角色选择和图像生成。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00