Для тех кто пишет расширения на PyQt/PySide для CG-софтов.
Когда я только начинал писать тулзы под Maya (тогда еще версия 2010-2011) мне приходилось ручками ставить PyQt4 под Maya. Даже написал мануалы по установке на своём сайте. Но потом стал доступен из коробки PySide и позже он обновится до PySide2. Для некоторых систем была поддержка PyQt5.
И как простому разработчику поддерживать этот зоопарк? Ведь хочется чтобы тул работал на любой версии (вы тоже делали модуль что-то типа import_qt.py?😁)
На помощь приходит проект Qt.py который поставил себе цель унифицировать использование Qt-биндингов вне зависимости от среды где запускается код. Те, кто давно пишут на Qt, скорее всего знают этот проект.
Он стал стандартом для CG-индустрии и используется в топовых студиях и проектах.
Qt․py помогает запускать один и тот же код на разных платформах с разными вариантами Qt-библиотек. Это может быть как интеграция в CG-софт, так и переносимость стендалонов между разными платформами с разными версиями Python.
Я решил рассказать о некоторых особенностях работы с этой библиотекой.
Сегодня о том, как установить и использовать Qt․py и что это вам даёт.
Установка
pip install Qt.py
Чтобы начать использовать Qt․py в коде достаточно заменить импорт вашего варианта Qt-биндинга на Qt․py
from [PySide|PyQt4|PySide2|PyQt5] import QtWidgets
=>
from Qt import QtWidgets
Теперь ваш код будет поддерживать любой вариант биндинга Qt в Python.
При этом не потребуется использовать if-else конструкции под разные версии. Все вызовы теперь одинаковы.
Всё что нужно сделать, это написать его по правилам PySide2. Именно эта версия была взята за основу.
Приоритет импорта такой:
1. PySide2
2. PyQt5
3. PySide
4. PyQt4
Что именно загрузилось можно посмотреть в переменной __binding__
>>> import Qt
>>> Qt.__binding__
'PySide2'
Приоритет имопрта можно изменить через переменные QT_PREFERRED_BINDING и QT_PREFERRED_BINDING_JSON. Причем под каждый проект оверрайды можно настраивать индивидеально.
#qt#libs
Вы наверняка слышали про Instruct pix2pix. Это модель, которая позволяет менять картинку на основе текстового запроса типа "make his hair blue" или "turn it into a wood carving".
Так вот, изначальный вариант pix2pix, который был реализован в Автоматике, уже устарел. Теперь гораздо удобнее пользоваться pix2pix моделью КонтролНета. Она позволяет работать с хайрезными изображениями и в ней не нужно париться с двойной настройкой Denoising strength.
Работает прямо в text2image. Добавьте исходную картинку в ControlNet, оставьте препроцессор в "none", выберите модель "Control_v11e_sd15_ip2p", поставьте правильное разрешение картинки, наберите вашу инструкцию в поле промпта и жмите Generate.
Например я взял исходную картинку с древним городом, превратил ее в схематичный рисунок, в зимнюю сцену и в ночную с огнём.
#совет#A1111#stablehoudini
Всем привет!
Добро пожаловать в 👾 Нейро-Софт!
Для навигации по каналу используйте карту тегов
⤵️:
#txt2img - Нейросети для генерации изображений по текстовому описанию.
#img2img - Нейросети для изменения или стилизации изображений на основе других изображений.
#txt2video - Нейросети для генерации видео по текстовому описанию.
#img2video - Нейросети для создания видео на основе изображений.
#deepfake - Нейросети для создания дипфейков и замены лиц в видео.
#music - Нейросети для генерации музыки.
#voicecloning - Нейросети для клонирования голоса.
#tts - Нейросети для синтеза речи из текста.
#stt - Нейросети для распознавания речи и перевода её в текст.
#txt2txt - Нейросети для генерации текста, анализа текста и перевода.
#multimodal - Нейросети, комбинирующие текст с изображениями или видео.
#style - Нейросети для стилизации и переноса стиля.
#creative - Инструменты для создания визуальных эффектов и художественного творчества.
#stablediffusion - Нейросети для генерации изображений на базе модели Stable Diffusion.
#controlnet - Нейросети использующие принципы или модели ControlNet, например Instant ID.
#fooocus - Репаки и форки Fooocus.
#forge - Репаки и форки Forge.
#a1111 - Репаки и форки Automatic 1111.
#llm - Большие языковые модели для генерации и анализа текста.
💬Обсудить в чате | ⭐️Поддержать канал
👾НЕЙРО-СОФТ — Делаем нейросети доступнее.