模型的训练、文生图API的确定方法、装置、设备及介质与流程

本发明实施例涉及人工智能，尤其涉及一种模型的训练、文生图api的确定方法、装置、设备及介质。

背景技术：

1、文生图(text-to-image，t2i)生成技术近年来在研究领域内外取得广泛关注。目前开源社区存在大量文生图模型，这使得根据特定文本提示选择合适的文生图应用程序编程接口(application programming interface，api)(包文生图模型和对应参数)时需要进行多次尝试和调整选择。现有技术中，通过人工的方式在大量的文生图api中选择合适的文生图api时，需要耗费大量的时间。而对于自动调用文生图api的方式，仅会调用固定的文生图api或者基于通用文生图api领域进行改进，使得确定出的文生图api不够准确，无法满足用户的需求。

技术实现思路

1、本发明实施例提供一种模型的训练、文生图api的确定方法、装置、设备及介质，可以实现快速和精准的确定文生图api。

2、第一方面，本发明实施例提供了一种模型的训练方法，包括：基于可用性过滤器、质量过滤器以及第一设定语言模型确定设定文生图api模型的训练集；其中，所述训练集包括第一目标训练集以及第二目标训练集；基于所述第一目标训练集对所述设定文生图api模型进行微调；基于所述第二目标训练集对所述微调后的设定文生图api模型进行对齐训练，获得目标设定文生图api模型。

3、第二方面，本发明实施例还提供了一种文生图api的确定方法，包括：获取目标文本提示；将所述目标文本提示输入至目标设定文生图api模型中，输出目标文生图api；其中，所述目标设定文生图api模型通过任一项所述的模型的训练方法得到。

4、第三方面，本发明实施例还提供了一种模型的训练装置，包括：训练集确定模块，用于基于可用性过滤器、质量过滤器以及第一设定语言模型确定设定文生图api模型的训练集；其中，所述训练集包括第一目标训练集以及第二目标训练集；微调模块，用于基于所述第一目标训练集对所述设定文生图api模型进行微调；对齐训练模块，用于基于所述第二目标训练集对所述微调后的设定文生图api模型进行对齐训练，获得目标设定文生图api模型。

5、第四方面，本发明实施例还提供了一种文生图api的确定装置，包括：目标文本提示获取模块，用于获取目标文本提示；目标文生图api输出模块，用于将所述目标文本提示输入至目标设定文生图api模型中，输出目标文生图api；其中，所述目标设定文生图api模型通过任一项所述的模型的训练方法得到。

6、第五方面，本发明实施例还提供了一种电子设备，所述电子设备包括：

7、至少一个处理器；以及

8、与所述至少一个处理器通信连接的存储器；其中，

9、所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明实施例任一项所述的模型的训练或文生图api的确定方法。

10、第六方面，本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明实施例中任一项所述模型的训练或文生图api的确定方法。

11、本实施例的技术方案，基于可用性过滤器、质量过滤器以及第一设定语言模型确定设定文生图api模型的训练集；其中，所述训练集包括第一目标训练集以及第二目标训练集；基于所述第一目标训练集对所述设定文生图api模型进行微调；基于所述第二目标训练集对所述微调后的设定文生图api模型进行对齐训练，获得目标设定文生图api模型。本发明实施例，基于可用性过滤器、质量过滤器以及第一设定语言模型确定设定文生图api模型的训练集，并基于训练集对设定文生图api模型进行微调以及对齐训练的方式，使得训练得到的目标设定文生图api模型可以实现快速和精准的确定文生图api。

技术特征：

1.一种模型的训练方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，基于可用性过滤器、质量过滤器以及第一设定语言模型确定设定文生图api模型的训练集，包括：

3.根据权利要求2所述的方法，其特征在于，基于所述可用性过滤器对所述第一训练集进行过滤，获得第二训练集，包括：

4.根据权利要求2所述的方法，其特征在于，基于所述质量过滤器对所述第二训练集进行过滤，获得第三训练集，包括：

5.根据权利要求2所述的方法，其特征在于，基于第一设定语言模型对所述第三训练集进行重建，获得设定文生图api模型的训练集，包括：

6.根据权利要求1所述的方法，其特征在于，其中，所述设定文生图api模型为第二设定语言模型；基于所述第一目标训练集对所述设定文生图api模型进行微调，包括：

7.根据权利要求1所述的方法，其特征在于，基于所述第二目标训练集对所述微调后的设定文生图api模型进行对齐训练，获得目标设定文生图api模型，包括：

8.根据权利要求7所述的方法，其特征在于，基于所述文生图对应的设定评分函数对所述微调后的设定文生图api模型进行对齐训练，获得目标设定文生图api模型，包括：

9.一种文生图api的确定方法，其特征在于，包括：

10.一种模型的训练装置，其特征在于，包括：

11.一种文生图api的确定装置，其特征在于，包括：

12.一种电子设备，其特征在于，所述电子设备包括：

13.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-8中任一项所述的模型的训练方法或权利要求9所述的文生图api的确定方法。

技术总结
本发明公开了一种模型的训练、文生图API的确定方法、装置、设备及介质。该方法包括：基于可用性过滤器、质量过滤器以及第一设定语言模型确定设定文生图API模型的训练集；其中，所述训练集包括第一目标训练集以及第二目标训练集；基于所述第一目标训练集对所述设定文生图API模型进行微调；基于所述第二目标训练集对所述微调后的设定文生图API模型进行对齐训练，获得目标设定文生图API模型。本发明实施例，基于可用性过滤器、质量过滤器以及第一设定语言模型确定设定文生图API模型的训练集，并基于训练集对设定文生图API模型进行微调以及对齐训练的方式，使得训练得到的目标设定文生图API模型可以实现快速和精准的确定文生图API。

技术研发人员：张凯鹏,邵文琪,赵力锐,杨悦,乔宇,罗平
受保护的技术使用者：上海人工智能创新中心
技术研发日：
技术公布日：2024/5/19