Bidili Generator实操手册生成图EXIF元数据写入与版权标识嵌入你是不是也遇到过这样的烦恼用AI工具辛辛苦苦生成了一张特别满意的图片想分享出去结果别人问起“这是什么模型生成的”、“用了什么参数”你只能凭记忆大概描述时间一长自己都忘了。或者作为内容创作者你希望自己生成的每一张图片都带上自己的“数字签名”明确标识版权防止被随意盗用。今天我就来手把手教你如何在使用Bidili Generator生成图片的同时自动为图片写入详细的EXIF元数据并嵌入你的专属版权标识。这就像给你的每张AI作品办一张“数字身份证”所有信息一目了然版权归属清晰明确。1. 为什么需要关注图片元数据在开始操作之前我们先花几分钟搞清楚为什么这件事值得做。EXIFExchangeable Image File Format是嵌入在图片文件中的一组信息标准。你用手机拍张照片EXIF里会自动记录拍摄时间、相机型号、光圈、快门速度甚至GPS位置。对于AI生成的图片我们同样可以利用EXIF来记录它的“出生证明”。为AI生成图写入EXIF主要有三大好处信息溯源与管理你可以准确记录生成这张图所用的模型如SDXL 1.0 Bidili LoRA、提示词、负面提示、采样步数、CFG Scale等所有关键参数。这对于后续的复盘、风格调整或批量生成同类图片至关重要。版权声明与保护在EXIF的“艺术家”Artist或“版权”Copyright字段写入你的名字或品牌信息这为图片提供了基础的版权标识。虽然不能完全防止盗图但表明了版权所有者的态度在发生争议时是一份电子证据。提升专业性与协作效率当你将图片交付给客户或与团队协作时附带了完整生成参数的图片显得更加专业和可靠。对方可以直接查看元数据来理解创作意图无需额外的文档说明。Bidili Generator本身是一个功能强大的本地化SDXL图片生成工具但它默认生成的图片是不包含这些定制化元数据的。接下来我们就来给它加上这个实用的功能。2. 理解Bidili Generator的工作流程要给工具添加新功能最好先了解它是怎么工作的。根据项目描述Bidili Generator的核心流程可以简化为以下几步加载模型基于Stable Diffusion XL 1.0底座以BF16精度加载优化显存。注入LoRA加载Bidili自定义的LoRA权重并通过界面上的滑块调整强度0.0-1.5控制风格化程度。接收参数通过Streamlit界面接收你输入的提示词、负面提示、步数、CFG Scale等参数。推理生成SDXL模型根据以上所有设置进行迭代去噪最终生成一张图片。输出图片将生成的图片张量保存为PNG或JPEG文件并在界面上展示给你。我们要做的就是在第5步“输出图片”这个环节进行拦截和加工。在图片被保存到磁盘之前把生成参数和版权信息作为EXIF元数据写进去。3. 动手实现EXIF元数据写入功能这里我提供两种实现思路一种是直接修改Bidili Generator的源代码一劳永逸另一种是编写一个独立的后期处理脚本更为灵活。我们先讲第一种核心方法。3.1 核心方法修改生成代码推荐你需要找到Bidili Generator项目中负责最终保存图片的那个函数。通常在Streamlit应用中会有一个类似于generate_image()或save_image()的函数。我们假设找到了一个保存图片的函数我们需要用Python的PIL(Pillow) 库和piexif库来操作EXIF。首先确保安装了必要的库pip install Pillow piexif然后修改你的图片保存逻辑。以下是修改后的代码示例import piexif from PIL import Image import io def save_image_with_exif(image_tensor, prompt, negative_prompt, steps, cfg_scale, lora_strength, save_path, artistYour Name, copyright_infoAll rights reserved.): 将生成的图片张量保存为文件并写入自定义EXIF元数据。 参数: image_tensor: 模型生成的图片张量 (通常为[C, H, W])。 prompt: 正面提示词。 negative_prompt: 负面提示词。 steps: 采样步数。 cfg_scale: CFG引导系数。 lora_strength: LoRA权重强度。 save_path: 图片保存路径。 artist: 艺术家/创作者姓名写入EXIF。 copyright_info: 版权信息写入EXIF。 # 1. 将张量转换为PIL Image对象 (假设张量值在[0,1]范围) # 注意这里需要根据你框架中张量的具体格式进行调整如PyTorch的CHW转HWC import torch if isinstance(image_tensor, torch.Tensor): image image_tensor.squeeze(0).cpu() # 移除batch维度并转到CPU image image.permute(1, 2, 0).numpy() # CHW - HWC image (image * 255).clip(0, 255).astype(uint8) pil_image Image.fromarray(image) # 2. 准备要写入的EXIF数据 # 首先加载可能已存在的EXIF如果是从其他图片转换而来否则创建新的 try: exif_dict piexif.load(pil_image.info[exif]) except: exif_dict {0th: {}, Exif: {}, GPS: {}, 1st: {}, thumbnail: None} # 3. 将生成参数写入EXIF的“用户注释”字段通常容量较大适合存文本 # 也可以写入“图像描述”字段但“用户注释”更通用。 comment fBidili Generator SDXL Creation Parameters: Prompt: {prompt} Negative Prompt: {negative_prompt} Steps: {steps} CFG Scale: {cfg_scale} LoRA Strength: {lora_strength} Model: Stable Diffusion XL 1.0 Bidili LoRA # 将注释写入到Exif IFD exif_dict[Exif][piexif.ExifIFD.UserComment] comment.encode(utf-8) # 4. 写入艺术家和版权信息到0th IFD (主图像文件目录) exif_dict[0th][piexif.ImageIFD.Artist] artist.encode(utf-8) exif_dict[0th][piexif.ImageIFD.Copyright] copyright_info.encode(utf-8) # 5. 还可以写入软件信息 exif_dict[0th][piexif.ImageIFD.Software] bBidili Generator (SDXL 1.0) # 6. 将EXIF字典转换为字节并插入到图片中 exif_bytes piexif.dump(exif_dict) pil_image.save(save_path, exifexif_bytes, formatJPEG if save_path.lower().endswith(.jpg) else PNG) print(f图片已保存至: {save_path}EXIF元数据已嵌入。) return pil_image如何整合到Bidili Generator中在你的Streamlit应用生成图片的主函数里找到原来保存图片的那行代码可能是image.save(...)或torchvision.utils.save_image将其替换为对我们这个新函数的调用。例如原来的代码可能是# ... 生成图片的代码 ... generated_image pipeline(...).images[0] generated_image.save(output_path)修改为# ... 生成图片的代码 ... generated_image_tensor pipeline(...).images[0] # 假设这里拿到的是张量 save_image_with_exif( image_tensorgenerated_image_tensor, promptprompt, negative_promptnegative_prompt, stepssteps, cfg_scalecfg_scale, lora_strengthlora_strength, save_pathoutput_path, artist你的工作室名称, # 可以在这里写死或者从Streamlit界面获取 copyright_infoCopyright © 2024 Your Name. All rights reserved. )3.2 备用方案独立后期处理脚本如果你不想改动主项目代码或者想对一批已生成的图片批量添加元数据可以写一个单独的脚本。import piexif from PIL import Image import os def add_exif_to_existing_image(image_path, prompt, negative_prompt, steps, cfg_scale, lora_strength, artist, copyright_info): 为已存在的图片文件添加EXIF信息。 try: img Image.open(image_path) exif_dict piexif.load(img.info.get(exif, b)) comment fBidili Generator SDXL Creation Parameters: Prompt: {prompt} Negative Prompt: {negative_prompt} Steps: {steps} CFG Scale: {cfg_scale} LoRA Strength: {lora_strength} Model: Stable Diffusion XL 1.0 Bidili LoRA exif_dict[Exif][piexif.ExifIFD.UserComment] comment.encode(utf-8) exif_dict[0th][piexif.ImageIFD.Artist] artist.encode(utf-8) exif_dict[0th][piexif.ImageIFD.Copyright] copyright_info.encode(utf-8) exif_dict[0th][piexif.ImageIFD.Software] bBidili Generator (SDXL 1.0) exif_bytes piexif.dump(exif_dict) # 保存时需要注意PNG格式对EXIF的支持不如JPEG广泛建议用JPEG new_path image_path.rsplit(., 1)[0] _with_exif.jpg img.save(new_path, exifexif_bytes, formatJPEG) print(f已处理: {image_path} - {new_path}) return new_path except Exception as e: print(f处理 {image_path} 时出错: {e}) return None # 示例批量处理一个文件夹内的图片 if __name__ __main__: image_folder ./generated_images for filename in os.listdir(image_folder): if filename.lower().endswith((.png, .jpg, .jpeg)): img_path os.path.join(image_folder, filename) # 这里你需要从其他地方获取每张图片对应的生成参数可以搭配一个记录参数的JSON文件使用 add_exif_to_existing_image( img_path, prompta beautiful landscape, # 替换为实际参数 negative_promptugly, blurry, steps25, cfg_scale7.0, lora_strength1.0, artistAI Artist, copyright_infoCreated with Bidili Generator. )4. 在Streamlit界面中集成元数据输入为了让工具更易用我们可以在Bidili Generator的Streamlit界面上添加两个输入框让用户自定义“艺术家”和“版权信息”。在你的Streamlit应用脚本通常是app.py或main.py中找到参数设置的侧边栏部分添加如下代码import streamlit as st # ... 原有的参数设置代码比如 # prompt st.sidebar.text_area(提示词 (Prompt), valuea beautiful portrait...) # steps st.sidebar.slider(步数 (Steps), min_value10, max_value50, value25) # 新增元数据输入 st.sidebar.markdown(---) st.sidebar.subheader( 版权与元数据) artist_name st.sidebar.text_input(艺术家/创作者 (Artist), valueYour Name) copyright_text st.sidebar.text_input(版权信息 (Copyright), valueCopyright © 2024. All rights reserved.)然后在调用图片生成和保存函数时将这两个新变量传递进去# 在生成图片并保存的函数调用中 save_image_with_exif( ... # 其他参数 artistartist_name, copyright_infocopyright_text )5. 如何查看写入的EXIF信息图片保存好后怎么确认元数据已经成功写入了呢有几种简单的方法Windows系统右键点击图片文件 - “属性” - 切换到“详细信息”选项卡。你应该能看到“艺术家”、“版权”以及“备注”里我们写入的长文本参数。macOS系统右键点击图片文件 - “显示简介” - 展开“更多信息”。EXIF信息会显示在下方。在线工具将图片上传到如 exifinfo.org 或 metapicz.com 等在线EXIF查看器。Python代码查看import piexif from PIL import Image img Image.open(你的图片.jpg) exif_data piexif.load(img.info[exif]) # 查看艺术家 if piexif.ImageIFD.Artist in exif_data[0th]: print(艺术家:, exif_data[0th][piexif.ImageIFD.Artist].decode()) # 查看用户评论我们的生成参数 if piexif.ExifIFD.UserComment in exif_data[Exif]: print(生成参数:, exif_data[Exif][piexif.ExifIFD.UserComment].decode(utf-8))6. 总结与进阶建议通过以上步骤你已经成功为Bidili Generator加上了EXIF元数据写入和版权标识嵌入的功能。这虽然是一个小改动但却能极大提升你AI创作流程的规范性和专业性。简单回顾一下核心步骤理解需求明确写入EXIF对于信息管理和版权保护的价值。定位代码在Bidili Generator项目中找到图片保存的关键函数。实现函数使用PIL和piexif库编写一个能写入自定义EXIF的保存函数。集成界面在Streamlit侧边栏添加元数据输入项提升易用性。验证结果使用系统属性或代码查看写入的EXIF信息。一些进阶的思考和建议参数自动化记录除了手动输入可以尝试自动捕获生成时的所有环境信息如随机种子Seed、采样器Sampler名称等一并写入EXIF。支持PNG的元数据PNG格式使用不同的元数据块如tEXt, iTXt。如果需要更广泛地支持PNG可以研究使用PIL.PngImagePlugin来写入tEXt块。批量处理与工作流如果你有一套固定的生成参数和版权信息可以考虑将其保存为配置文件让脚本自动读取并应用实现批量图片的元数据嵌入。水印与EXIF结合对于更强的版权声明可以考虑在写入EXIF的同时在图片的角落添加一个半透明的文字水印如“© 2024 Your Name”实现“显性”和“隐性”的双重保护。希望这篇实操手册能帮助你更好地管理和保护你的AI创作成果。现在就去给你的Bidili Generator升级这个实用功能吧获取更多AI镜像想探索更多AI镜像和应用场景访问 CSDN星图镜像广场提供丰富的预置镜像覆盖大模型推理、图像生成、视频生成、模型微调等多个领域支持一键部署。
Bidili Generator实操手册：生成图EXIF元数据写入与版权标识嵌入
发布时间：2026/5/20 1:08:02
Bidili Generator实操手册生成图EXIF元数据写入与版权标识嵌入你是不是也遇到过这样的烦恼用AI工具辛辛苦苦生成了一张特别满意的图片想分享出去结果别人问起“这是什么模型生成的”、“用了什么参数”你只能凭记忆大概描述时间一长自己都忘了。或者作为内容创作者你希望自己生成的每一张图片都带上自己的“数字签名”明确标识版权防止被随意盗用。今天我就来手把手教你如何在使用Bidili Generator生成图片的同时自动为图片写入详细的EXIF元数据并嵌入你的专属版权标识。这就像给你的每张AI作品办一张“数字身份证”所有信息一目了然版权归属清晰明确。1. 为什么需要关注图片元数据在开始操作之前我们先花几分钟搞清楚为什么这件事值得做。EXIFExchangeable Image File Format是嵌入在图片文件中的一组信息标准。你用手机拍张照片EXIF里会自动记录拍摄时间、相机型号、光圈、快门速度甚至GPS位置。对于AI生成的图片我们同样可以利用EXIF来记录它的“出生证明”。为AI生成图写入EXIF主要有三大好处信息溯源与管理你可以准确记录生成这张图所用的模型如SDXL 1.0 Bidili LoRA、提示词、负面提示、采样步数、CFG Scale等所有关键参数。这对于后续的复盘、风格调整或批量生成同类图片至关重要。版权声明与保护在EXIF的“艺术家”Artist或“版权”Copyright字段写入你的名字或品牌信息这为图片提供了基础的版权标识。虽然不能完全防止盗图但表明了版权所有者的态度在发生争议时是一份电子证据。提升专业性与协作效率当你将图片交付给客户或与团队协作时附带了完整生成参数的图片显得更加专业和可靠。对方可以直接查看元数据来理解创作意图无需额外的文档说明。Bidili Generator本身是一个功能强大的本地化SDXL图片生成工具但它默认生成的图片是不包含这些定制化元数据的。接下来我们就来给它加上这个实用的功能。2. 理解Bidili Generator的工作流程要给工具添加新功能最好先了解它是怎么工作的。根据项目描述Bidili Generator的核心流程可以简化为以下几步加载模型基于Stable Diffusion XL 1.0底座以BF16精度加载优化显存。注入LoRA加载Bidili自定义的LoRA权重并通过界面上的滑块调整强度0.0-1.5控制风格化程度。接收参数通过Streamlit界面接收你输入的提示词、负面提示、步数、CFG Scale等参数。推理生成SDXL模型根据以上所有设置进行迭代去噪最终生成一张图片。输出图片将生成的图片张量保存为PNG或JPEG文件并在界面上展示给你。我们要做的就是在第5步“输出图片”这个环节进行拦截和加工。在图片被保存到磁盘之前把生成参数和版权信息作为EXIF元数据写进去。3. 动手实现EXIF元数据写入功能这里我提供两种实现思路一种是直接修改Bidili Generator的源代码一劳永逸另一种是编写一个独立的后期处理脚本更为灵活。我们先讲第一种核心方法。3.1 核心方法修改生成代码推荐你需要找到Bidili Generator项目中负责最终保存图片的那个函数。通常在Streamlit应用中会有一个类似于generate_image()或save_image()的函数。我们假设找到了一个保存图片的函数我们需要用Python的PIL(Pillow) 库和piexif库来操作EXIF。首先确保安装了必要的库pip install Pillow piexif然后修改你的图片保存逻辑。以下是修改后的代码示例import piexif from PIL import Image import io def save_image_with_exif(image_tensor, prompt, negative_prompt, steps, cfg_scale, lora_strength, save_path, artistYour Name, copyright_infoAll rights reserved.): 将生成的图片张量保存为文件并写入自定义EXIF元数据。 参数: image_tensor: 模型生成的图片张量 (通常为[C, H, W])。 prompt: 正面提示词。 negative_prompt: 负面提示词。 steps: 采样步数。 cfg_scale: CFG引导系数。 lora_strength: LoRA权重强度。 save_path: 图片保存路径。 artist: 艺术家/创作者姓名写入EXIF。 copyright_info: 版权信息写入EXIF。 # 1. 将张量转换为PIL Image对象 (假设张量值在[0,1]范围) # 注意这里需要根据你框架中张量的具体格式进行调整如PyTorch的CHW转HWC import torch if isinstance(image_tensor, torch.Tensor): image image_tensor.squeeze(0).cpu() # 移除batch维度并转到CPU image image.permute(1, 2, 0).numpy() # CHW - HWC image (image * 255).clip(0, 255).astype(uint8) pil_image Image.fromarray(image) # 2. 准备要写入的EXIF数据 # 首先加载可能已存在的EXIF如果是从其他图片转换而来否则创建新的 try: exif_dict piexif.load(pil_image.info[exif]) except: exif_dict {0th: {}, Exif: {}, GPS: {}, 1st: {}, thumbnail: None} # 3. 将生成参数写入EXIF的“用户注释”字段通常容量较大适合存文本 # 也可以写入“图像描述”字段但“用户注释”更通用。 comment fBidili Generator SDXL Creation Parameters: Prompt: {prompt} Negative Prompt: {negative_prompt} Steps: {steps} CFG Scale: {cfg_scale} LoRA Strength: {lora_strength} Model: Stable Diffusion XL 1.0 Bidili LoRA # 将注释写入到Exif IFD exif_dict[Exif][piexif.ExifIFD.UserComment] comment.encode(utf-8) # 4. 写入艺术家和版权信息到0th IFD (主图像文件目录) exif_dict[0th][piexif.ImageIFD.Artist] artist.encode(utf-8) exif_dict[0th][piexif.ImageIFD.Copyright] copyright_info.encode(utf-8) # 5. 还可以写入软件信息 exif_dict[0th][piexif.ImageIFD.Software] bBidili Generator (SDXL 1.0) # 6. 将EXIF字典转换为字节并插入到图片中 exif_bytes piexif.dump(exif_dict) pil_image.save(save_path, exifexif_bytes, formatJPEG if save_path.lower().endswith(.jpg) else PNG) print(f图片已保存至: {save_path}EXIF元数据已嵌入。) return pil_image如何整合到Bidili Generator中在你的Streamlit应用生成图片的主函数里找到原来保存图片的那行代码可能是image.save(...)或torchvision.utils.save_image将其替换为对我们这个新函数的调用。例如原来的代码可能是# ... 生成图片的代码 ... generated_image pipeline(...).images[0] generated_image.save(output_path)修改为# ... 生成图片的代码 ... generated_image_tensor pipeline(...).images[0] # 假设这里拿到的是张量 save_image_with_exif( image_tensorgenerated_image_tensor, promptprompt, negative_promptnegative_prompt, stepssteps, cfg_scalecfg_scale, lora_strengthlora_strength, save_pathoutput_path, artist你的工作室名称, # 可以在这里写死或者从Streamlit界面获取 copyright_infoCopyright © 2024 Your Name. All rights reserved. )3.2 备用方案独立后期处理脚本如果你不想改动主项目代码或者想对一批已生成的图片批量添加元数据可以写一个单独的脚本。import piexif from PIL import Image import os def add_exif_to_existing_image(image_path, prompt, negative_prompt, steps, cfg_scale, lora_strength, artist, copyright_info): 为已存在的图片文件添加EXIF信息。 try: img Image.open(image_path) exif_dict piexif.load(img.info.get(exif, b)) comment fBidili Generator SDXL Creation Parameters: Prompt: {prompt} Negative Prompt: {negative_prompt} Steps: {steps} CFG Scale: {cfg_scale} LoRA Strength: {lora_strength} Model: Stable Diffusion XL 1.0 Bidili LoRA exif_dict[Exif][piexif.ExifIFD.UserComment] comment.encode(utf-8) exif_dict[0th][piexif.ImageIFD.Artist] artist.encode(utf-8) exif_dict[0th][piexif.ImageIFD.Copyright] copyright_info.encode(utf-8) exif_dict[0th][piexif.ImageIFD.Software] bBidili Generator (SDXL 1.0) exif_bytes piexif.dump(exif_dict) # 保存时需要注意PNG格式对EXIF的支持不如JPEG广泛建议用JPEG new_path image_path.rsplit(., 1)[0] _with_exif.jpg img.save(new_path, exifexif_bytes, formatJPEG) print(f已处理: {image_path} - {new_path}) return new_path except Exception as e: print(f处理 {image_path} 时出错: {e}) return None # 示例批量处理一个文件夹内的图片 if __name__ __main__: image_folder ./generated_images for filename in os.listdir(image_folder): if filename.lower().endswith((.png, .jpg, .jpeg)): img_path os.path.join(image_folder, filename) # 这里你需要从其他地方获取每张图片对应的生成参数可以搭配一个记录参数的JSON文件使用 add_exif_to_existing_image( img_path, prompta beautiful landscape, # 替换为实际参数 negative_promptugly, blurry, steps25, cfg_scale7.0, lora_strength1.0, artistAI Artist, copyright_infoCreated with Bidili Generator. )4. 在Streamlit界面中集成元数据输入为了让工具更易用我们可以在Bidili Generator的Streamlit界面上添加两个输入框让用户自定义“艺术家”和“版权信息”。在你的Streamlit应用脚本通常是app.py或main.py中找到参数设置的侧边栏部分添加如下代码import streamlit as st # ... 原有的参数设置代码比如 # prompt st.sidebar.text_area(提示词 (Prompt), valuea beautiful portrait...) # steps st.sidebar.slider(步数 (Steps), min_value10, max_value50, value25) # 新增元数据输入 st.sidebar.markdown(---) st.sidebar.subheader( 版权与元数据) artist_name st.sidebar.text_input(艺术家/创作者 (Artist), valueYour Name) copyright_text st.sidebar.text_input(版权信息 (Copyright), valueCopyright © 2024. All rights reserved.)然后在调用图片生成和保存函数时将这两个新变量传递进去# 在生成图片并保存的函数调用中 save_image_with_exif( ... # 其他参数 artistartist_name, copyright_infocopyright_text )5. 如何查看写入的EXIF信息图片保存好后怎么确认元数据已经成功写入了呢有几种简单的方法Windows系统右键点击图片文件 - “属性” - 切换到“详细信息”选项卡。你应该能看到“艺术家”、“版权”以及“备注”里我们写入的长文本参数。macOS系统右键点击图片文件 - “显示简介” - 展开“更多信息”。EXIF信息会显示在下方。在线工具将图片上传到如 exifinfo.org 或 metapicz.com 等在线EXIF查看器。Python代码查看import piexif from PIL import Image img Image.open(你的图片.jpg) exif_data piexif.load(img.info[exif]) # 查看艺术家 if piexif.ImageIFD.Artist in exif_data[0th]: print(艺术家:, exif_data[0th][piexif.ImageIFD.Artist].decode()) # 查看用户评论我们的生成参数 if piexif.ExifIFD.UserComment in exif_data[Exif]: print(生成参数:, exif_data[Exif][piexif.ExifIFD.UserComment].decode(utf-8))6. 总结与进阶建议通过以上步骤你已经成功为Bidili Generator加上了EXIF元数据写入和版权标识嵌入的功能。这虽然是一个小改动但却能极大提升你AI创作流程的规范性和专业性。简单回顾一下核心步骤理解需求明确写入EXIF对于信息管理和版权保护的价值。定位代码在Bidili Generator项目中找到图片保存的关键函数。实现函数使用PIL和piexif库编写一个能写入自定义EXIF的保存函数。集成界面在Streamlit侧边栏添加元数据输入项提升易用性。验证结果使用系统属性或代码查看写入的EXIF信息。一些进阶的思考和建议参数自动化记录除了手动输入可以尝试自动捕获生成时的所有环境信息如随机种子Seed、采样器Sampler名称等一并写入EXIF。支持PNG的元数据PNG格式使用不同的元数据块如tEXt, iTXt。如果需要更广泛地支持PNG可以研究使用PIL.PngImagePlugin来写入tEXt块。批量处理与工作流如果你有一套固定的生成参数和版权信息可以考虑将其保存为配置文件让脚本自动读取并应用实现批量图片的元数据嵌入。水印与EXIF结合对于更强的版权声明可以考虑在写入EXIF的同时在图片的角落添加一个半透明的文字水印如“© 2024 Your Name”实现“显性”和“隐性”的双重保护。希望这篇实操手册能帮助你更好地管理和保护你的AI创作成果。现在就去给你的Bidili Generator升级这个实用功能吧获取更多AI镜像想探索更多AI镜像和应用场景访问 CSDN星图镜像广场提供丰富的预置镜像覆盖大模型推理、图像生成、视频生成、模型微调等多个领域支持一键部署。
