共计 868 个字符，预计需要花费 3 分钟才能阅读完成。
JARVIS，一个将 LLMs(大模型们)与 ML(机器学习)社区连接起来的零碎。
随着 ChatGPT 的诞生，泛滥大模型也如雨后春笋般涌现，包含斯坦福的 Alpaca，Meta 的 LLAMA，OpenAI 的 whisper 以及 stable-diffusion，还有清华大学开源的中文大语言模型 ChatGLM。这些大模型专一于各自的畛域，并具备杰出的工作实现能力。目前你只能用 alpaca 去生成文本，用 whisper 解决语音，stable-diffusion 生成图像。
应用 midjourney 或者 stable-diffusion 时，为了生成适合的图像，须要输出失当的 prompt（提醒词），不同的 prompt 生成进去的图像可能有微小的差别，因而许多人会先应用 chatGPT，依据形容生成 prompt，再将其输出到 midjourney 中生成图像。
而 ChatGPT 本就是作为生产力工具呈现的，如此简单的步骤在工程师眼中是不可容忍的。因而 JARVIS 应运而生。通过将各种不相干的大模型（LLM）串联在一起，去实现繁多大模型无奈实现的工作。在下图的例子中能够很分明的看到大模型能力的晋升。
如图，给 JARVIS 提出的需要是：生成一张小女孩看书的图片，并且她的姿态和提供的图片里小男孩的姿态一样。而后用语音形容这张新的图片。
这个需要因为波及到几个大模型协同工作，因而目前繁多的大模型无奈解决。而 JARVIS 会将这个需要分解成几个需要，每一个需要找到适合的大模型去解决，最终胜利实现工作。
零碎要求
- Ubuntu 16.04 LTS
- NVIDIA GeForce RTX 3090 * 1
- RAM > 24GB
筹备工作
JARVIS 通过 ChatGPT 串联各个大模型，因而须要筹备 openai.key，JARVIS 会须要从huggingface 下载大模型，因而还须要筹备huggingface.cookie。
我的项目形容
我的项目地址：https://github.com/microsoft/JARVIS
当有了以上资源后，就能够疾速开始你的 JARVIS 之旅了。
发问：这些图片里有几只斑马？
答复：
