L’interface est localisée ; les présentations et documents des Skills sont traduits automatiquement par IA dans votre langue. Le code, les commandes, chemins et termes techniques restent en version originale, et le document de l’auteur fait foi.
Explorer les Skills
Productivité · SKILL.md

genai-vision

genai-vision

Integrating Stable Diffusion for vision generation and Whisper for audio/multimodal tasks.

Independent GitHub snapshot · Automated classification · Original documentation governs

Documentation de la Skill

GitHub

name: genai-vision description: Integrating Stable Diffusion for vision generation and Whisper for audio/multimodal tasks.

GenAI Vision & Multimodal

Integration Strategy

  • Stable Diffusion: Use Diffusers library for image generation. Optimize with xformers.
  • Whisper: Process audio locally or via API for high-accuracy transcription to complement visual tasks.

Multimodal Workflow

%%{init: {"theme": "default", "flowchart": {"useMaxWidth": true}}}%%
graph TD
    A[User Audio] --> B(Whisper)
    B -->|Text Prompt| C[Stable Diffusion]
    C --> D[Generated Image]

Stable Diffusion Snippet

import torch
from diffusers import StableDiffusionPipeline

def generate_image(prompt: str, output_path: str):
    pipe = StableDiffusionPipeline.from_pretrained(
        "runwayml/stable-diffusion-v1-5", 
        torch_dtype=torch.float16
    ).to("cuda")
    pipe.enable_xformers_memory_efficient_attention()
    
    image = pipe(prompt, num_inference_steps=30).images[0]
    image.save(output_path)
Skills enregistrées