ForgeFluencer vs mshumer/gpt-prompt-engineer - GitHub

ForgeFluencer cria influenciadores virtuais a partir de um retrato de referência e mantém o mesmo rosto em fotos, experimentações de guarda-roupa e vídeos curtos. Os controles da imagem abrangem enquadramento, proporção, localização, roupa e emoção, enquanto as trocas de rosto em vídeo opcionais e importações de roupas estendem as postagens além de imagens estáticas.

Ao contrário de lidar com bots do Discord e editores de imagem separados, o ForgeFluencer reúne criação de modelos, um catálogo de sessões fotográficas, um estúdio fotográfico e geração de vídeo em um fluxo de trabalho amigável para desktop. O modo sessão fotográfica gera cenas predefinidas em dois cliques, e o guarda-roupa virtual aplica roupas importadas a uma foto de modelo existente para postagens de roupas de marca.

Criadores que miram Instagram, TikTok, Fanvue ou Patreon usam para personas realistas de influenciadores ou personagens em estilo anime. Contas gratuitas incluem 5 créditos e dois slots de modelo, enquanto os planos pagos aumentam créditos mensais, limites de modelos e permissões premium de vídeo.

mshumer/gpt-prompt-engineer é um kit de ferramentas de engenharia de prompts de código aberto que gera, testa e classifica prompts candidatos para uma tarefa que você define. Você descreve o caso de uso, fornece casos de teste e os cadernos criam várias variantes de prompts, executam-nos em todos os casos de teste e classificam os resultados com um sistema de classificação ELO começando em 1200. Ele é distribuído como cadernos Jupyter que você pode executar no Google Colab ou localmente.

A maioria das ferramentas de prompts ajuda você a escrever um prompt de cada vez. O gpt-prompt-engineer trata a seleção de prompts como um torneio: dezenas de candidatos competem em seus casos de teste, e as pontuações ELO mais altas revelam os vencedores. Cadernos separados cobrem tarefas de classificação, o Claude 3 Opus com casos de teste gerados automaticamente e a conversão de Opus para Haiku para inferência mais barata. Opcionalmente, o Weights & Biases e o Portkey registram cada execução.

Engenheiros de ML, engenheiros de prompts e desenvolvedores de IA o utilizam quando precisam de ajuste de prompts reprodutível em vez de tentativa e erro manual. O repositório tem 9,7 mil estrelas no GitHub e funciona com suas próprias chaves de API da OpenAI ou Anthropic. É gratuito sob a licença MIT.