当前位置: 首页 > article >正文

Bidili Generator完整指南:从SDXL底座加载到LoRA风格迁移全流程

Bidili Generator完整指南从SDXL底座加载到LoRA风格迁移全流程1. 开篇为什么你需要这个工具如果你玩过AI绘画肯定遇到过这样的烦恼想用最新的SDXL模型但显卡内存不够好不容易找到了喜欢的LoRA风格模型却不知道怎么加载和调整每次生成图片都要在代码里改参数麻烦得要命。今天要介绍的这个工具就是来解决这些问题的。Bidili Generator是一个基于Stable Diffusion XLSDXL1.0的图片生成工具它最大的特点就是简单——简单到打开网页就能用简单到滑动滑块就能调整风格强度简单到不需要懂任何代码就能生成高质量的定制化图片。这个工具的核心价值可以用一句话概括让SDXLLoRA的组合变得像用手机APP一样简单。无论你是AI绘画的新手还是想要快速验证某个LoRA风格效果的开发者这个工具都能帮你省去大量的配置时间。2. 工具核心特性不只是又一个AI绘画工具2.1 SDXL架构的原生适配很多基于SDXL的工具都会遇到兼容性问题要么模型加载失败要么生成效果和官方版本有差异。Bidili Generator在这方面做了深度优化严格遵循SDXL 1.0规范工具直接使用Hugging Face上的官方SDXL 1.0底座模型确保生成质量与官方版本一致自动精度选择支持variantfp16精度变体在保证质量的前提下大幅减少显存占用显存优化策略针对SDXL显存占用高的问题内置了显存碎片治理机制让8GB显存的显卡也能流畅运行2.2 LoRA权重的灵活控制这是工具最实用的功能之一。LoRALow-Rank Adaptation是一种轻量级的模型微调技术可以在不改变基础模型的情况下为模型添加特定的风格或特征。Bidili Generator对LoRA的支持做到了极致一键加载不需要复杂的命令行参数在界面上选择LoRA文件即可加载实时调整通过滑块实时调整LoRA强度0.0-1.5生成过程中就能看到风格变化多LoRA支持理论上可以同时加载多个LoRA实现风格的混合需要手动配置2.3 性能与质量的平衡在AI绘画中质量和速度往往是一对矛盾。Bidili Generator通过几个关键技术找到了平衡点BF16高精度计算使用torch.bfloat16数据类型在4090/4090D等支持BF16的显卡上既能保证生成质量又能提升计算速度智能缓存机制模型加载后会自动缓存第二次使用时几乎瞬间启动批量生成优化虽然界面是单张生成但底层支持批量处理适合需要大量生成相同风格的场景3. 环境准备与快速部署3.1 硬件要求在开始之前先确认你的设备是否满足要求显卡NVIDIA显卡显存≥8GB推荐12GB以上8GB显存可以运行但生成速度较慢分辨率受限12GB显存流畅运行支持1024×1024分辨率16GB以上最佳体验支持更高分辨率和复杂提示词内存≥16GB系统内存存储≥20GB可用空间用于存放模型文件系统Windows 10/11LinuxmacOSM系列芯片需注意兼容性3.2 软件环境安装如果你已经配置好了Python环境可以跳过这一步。如果没有按照下面的步骤操作# 1. 安装Python 3.10推荐版本 # 可以从Python官网下载安装包记得勾选Add Python to PATH # 2. 创建虚拟环境可选但推荐 python -m venv bidili_env # Windows激活 bidili_env\Scripts\activate # Linux/macOS激活 source bidili_env/bin/activate # 3. 安装PyTorch根据你的CUDA版本选择 # 如果你不确定CUDA版本可以先安装CPU版本 pip install torch torchvision torchaudio # 4. 安装其他依赖 pip install streamlit diffusers transformers accelerate safetensors3.3 获取工具代码Bidili Generator通常以Docker镜像或源代码的形式提供。这里以源代码方式为例# 克隆项目假设项目在GitHub上 git clone https://github.com/username/bidili-generator.git cd bidili-generator # 安装项目特定依赖 pip install -r requirements.txt3.4 下载模型文件工具需要两个核心文件SDXL基础模型和Bidili LoRA权重。# 如果你熟悉Python可以用代码自动下载 from huggingface_hub import snapshot_download # 下载SDXL 1.0基础模型 snapshot_download( repo_idstabilityai/stable-diffusion-xl-base-1.0, local_dir./models/sdxl-base, ignore_patterns[*.safetensors, *.ckpt] # 只下载必要的文件 ) # 下载Bidili LoRA权重假设在Hugging Face上 snapshot_download( repo_idbidili/lora-weights, local_dir./models/bidili-lora )如果不想用代码也可以手动下载SDXL 1.0基础模型从Hugging Face的stabilityai/stable-diffusion-xl-base-1.0下载Bidili LoRA权重从提供的链接下载通常是一个.safetensors文件3.5 快速启动一切准备就绪后启动非常简单# 进入项目目录 cd bidili-generator # 启动Streamlit应用 streamlit run app.py启动成功后控制台会显示类似下面的信息You can now view your Streamlit app in your browser. Local URL: http://localhost:8501 Network URL: http://192.168.1.100:8501用浏览器打开http://localhost:8501就能看到工具的界面了。4. 界面操作详解像用美图秀秀一样简单4.1 主界面布局打开工具后你会看到一个简洁的界面主要分为三个区域左侧控制面板所有参数设置都在这里中间预览区域显示生成的图片右侧历史记录保存之前生成的结果4.2 核心参数配置虽然参数看起来很多但真正需要关注的只有几个关键项配置项说明推荐值小技巧提示词 (Prompt)描述你想生成的图片内容具体、详细使用英文加入质量词如8k, masterpiece, best quality负面提示 (Negative Prompt)告诉模型不要生成什么通用负面词可以固定一套负面词每次复制粘贴生成步数 (Steps)迭代次数影响细节25-30步不是越高越好25步通常足够引导系数 (CFG Scale)提示词的影响力7.0SDXL对高CFG兼容性好可以大胆调高LoRA强度Bidili风格的明显程度0.8-1.2从1.0开始尝试根据效果微调4.3 实际操作演示让我们通过一个具体例子看看怎么用这个工具生成一张图片。第一步写提示词a beautiful Chinese girl in traditional hanfu, standing in a ancient garden with cherry blossoms, soft sunlight, detailed eyes, 8k resolution, photorealistic 一个穿着汉服的美丽中国女孩站在有樱花的古风庭院中柔和阳光细节丰富的眼睛8k分辨率照片级真实第二步设置负面提示词ugly, blurry, low quality, bad anatomy, extra fingers, missing limbs, disfigured, deformed 丑陋模糊低质量解剖结构错误多余的手指缺失的肢体畸形变形第三步调整参数步数25CFG Scale7.0LoRA强度1.0使用Bidili风格种子随机先不固定第四步点击生成等待20-30秒取决于你的显卡就能看到结果了。4.4 LoRA强度调整技巧LoRA强度滑块是这个工具的灵魂它控制着Bidili风格在生成图片中的明显程度0.0-0.3几乎看不到Bidili风格接近原始SDXL效果0.4-0.7轻微的风格影响适合想要一点特色但不希望太夸张的场景0.8-1.2最佳范围风格明显但不突兀推荐起始值1.3-1.5风格非常强烈可能覆盖原始提示词的部分内容实用建议先固定其他参数用同一组提示词分别用0.5、1.0、1.5的LoRA强度生成三张图对比效果后再决定最终值。5. 高级技巧让生成效果更上一层楼5.1 提示词工程优化好的提示词是成功的一半。对于SDXLBidili的组合有一些特别的技巧结构优化[主题描述], [风格关键词], [质量词], [Bidili触发词]例如a warrior in armor, fantasy style, highly detailed, 8k, bidili styleBidili风格触发词 不同的LoRA有不同的触发词。Bidili LoRA的触发词可能是bidili或bidili style你可以在LoRA的说明文档中找到准确信息。在提示词中加入触发词能让风格更加明显。负面提示词库 建立一个自己的负面词库每次生成时直接使用(worst quality, low quality:1.4), (bad anatomy), (inaccurate limb:1.2), bad composition, inaccurate eyes, extra digit, fewer digits, (extra arms:1.2)5.2 种子控制与迭代种子Seed决定了生成的随机性。固定种子可以复现相同的结果随机种子每次生成都不同适合探索创意固定种子相同参数下生成相同图片适合微调种子迭代固定其他参数只改变种子生成一系列相似但不同的图片# 如果你通过代码调用可以这样控制种子 import torch generator torch.Generator(devicecuda).manual_seed(12345) # 然后用这个generator进行生成5.3 分辨率与长宽比SDXL原生支持多种分辨率但有些比例效果更好1:1正方形1024×1024最稳定的比例3:4竖图896×1152适合人像4:3横图1152×896适合风景16:9宽屏1216×832适合场景注意分辨率越高显存占用越大生成时间越长。如果显存不足可以先从768×768开始尝试。5.4 批量生成与工作流虽然界面上是单张生成但你可以通过一些技巧实现批量处理使用脚本如果有编程基础可以写一个Python脚本批量生成参数网格搜索同时尝试多组参数找到最佳组合风格混合加载多个LoRA调整各自的强度创造独特风格6. 常见问题与解决方案6.1 显存不足怎么办这是最常见的问题尤其是使用SDXL这样的大模型解决方案降低分辨率从1024×1024降到768×768或512×512减少生成步数从30步降到20步或15步使用CPU卸载如果工具支持可以开启CPU卸载功能关闭其他程序特别是浏览器和其他占用显存的软件使用--medvram参数如果通过命令行启动可以添加内存优化参数6.2 生成速度太慢生成速度受多个因素影响优化建议确认使用了BF16精度在支持BF16的显卡上速度更快减少生成步数质量会轻微下降但速度提升明显使用更小的分辨率确保没有其他程序占用GPU资源6.3 图片质量不理想如果生成的图片模糊、扭曲或不符合预期排查步骤检查提示词是否足够具体是否使用了负面提示词调整CFG Scale尝试6.0-9.0之间的不同值增加生成步数从25步增加到35步或40步调整LoRA强度太高或太低都可能影响质量尝试不同种子有时候只是种子不合适6.4 LoRA效果不明显如果感觉Bidili风格没有体现出来解决方法确认LoRA已加载检查界面上的LoRA选项是否已启用增加LoRA强度尝试1.2或1.5在提示词中加入触发词如bidili style检查LoRA文件确保下载的LoRA文件完整且兼容SDXL6.5 工具启动失败如果启动时遇到错误常见原因和解决依赖缺失运行pip install -r requirements.txt重新安装依赖模型文件缺失检查models目录下是否有SDXL和LoRA文件显存不足尝试用更小的批次大小启动Python版本不兼容确保使用Python 3.8-3.107. 实际应用场景7.1 个人创作与娱乐对于个人用户Bidili Generator可以用于角色设计快速生成游戏角色、动漫人物概念图场景创作为小说或剧本生成场景插图艺术探索尝试不同的风格组合激发创作灵感头像生成创建独特的社交媒体头像或虚拟形象7.2 商业与专业用途对于商业用户这个工具也有广泛的应用概念设计快速验证设计想法减少前期草图时间营销素材生成产品展示图、广告背景等内容创作为博客、视频、社交媒体生成配图教育培训作为AI绘画教学工具直观展示参数影响7.3 开发者与研究者如果你是开发者或研究者这个工具可以作为LoRA测试平台快速测试自定义LoRA的效果参数研究工具研究不同参数对生成结果的影响教学演示工具向学生或团队成员展示SDXLLoRA的工作流程原型验证在开发更复杂系统前快速验证想法8. 总结你的AI绘画新伙伴Bidili Generator最大的价值在于它的易用性和专业性的平衡。它既不需要你懂复杂的命令行参数也不需要在多个软件间来回切换。一个浏览器界面几个滑块就能让你充分利用SDXL的强大能力和Bidili LoRA的独特风格。关键要点回顾简单部署准备好Python环境下载模型一行命令就能启动直观操作所有参数都在网页界面上实时调整实时生效强大能力基于SDXL 1.0支持高质量图片生成灵活控制LoRA强度可调精准控制风格融合程度本地运行数据完全在本地隐私有保障不依赖网络给新手的建议先从默认参数开始生成几张图感受一下重点学习怎么写好提示词这是影响效果最大的因素不要害怕尝试极端的参数设置有时候会有意外惊喜保存你喜欢的参数组合建立自己的配方库下一步探索 当你熟悉了基本操作后可以尝试加载其他LoRA模型混合不同风格通过API接口将工具集成到自己的应用中修改界面添加自定义功能训练属于自己的LoRA模型AI绘画的世界很大Bidili Generator是你探索这个世界的一个好起点。它降低了技术门槛让你能更专注于创意本身。现在打开浏览器开始你的创作吧。获取更多AI镜像想探索更多AI镜像和应用场景访问 CSDN星图镜像广场提供丰富的预置镜像覆盖大模型推理、图像生成、视频生成、模型微调等多个领域支持一键部署。

相关文章:

Bidili Generator完整指南:从SDXL底座加载到LoRA风格迁移全流程

Bidili Generator完整指南:从SDXL底座加载到LoRA风格迁移全流程 1. 开篇:为什么你需要这个工具? 如果你玩过AI绘画,肯定遇到过这样的烦恼:想用最新的SDXL模型,但显卡内存不够;好不容易找到了喜…...

CasRel关系抽取步骤详解:级联二元标记框架原理与代码映射

CasRel关系抽取步骤详解:级联二元标记框架原理与代码映射 1. 什么是CasRel关系抽取? CasRel(Cascade Binary Tagging Framework)是一个专门从文本中自动提取"谁-做了什么-对谁"这种三元组信息的关系抽取模型。想象一下…...

高效提取Ren‘Py游戏资源:unrpa全攻略

高效提取RenPy游戏资源:unrpa全攻略 【免费下载链接】unrpa A program to extract files from the RPA archive format. 项目地址: https://gitcode.com/gh_mirrors/un/unrpa unrpa是一款专业的Python工具,能够高效提取RenPy引擎打包的RPA格式档案…...

SteamDeck_rEFInd:多系统引导效率革命的技术突破

SteamDeck_rEFInd:多系统引导效率革命的技术突破 【免费下载链接】SteamDeck_rEFInd Simple rEFInd install script for the Steam Deck (with GUI customization) 项目地址: https://gitcode.com/gh_mirrors/st/SteamDeck_rEFInd 问题:Steam Dec…...

生产环境 SQL 卡死?金仓连接条件下推教你一招解决

告别SQL性能焦虑:金仓数据库“连接条件下推”的性能魔法你是否遇到过这样的场景:一个看似复杂的SQL,在测试环境运行飞快,一到生产环境就“卡死”,一查执行计划,发现子查询生成了一个巨大的中间结果集&#…...

复杂 SQL 过滤时机过晚?金仓基于代价的连接条件下推方案来了

复杂查询中基于代价的连接条件下推实践与思考在实际的业务系统中,SQL 往往并不像教科书示例那样简洁。随着业务复杂度的提升,CTE、多层子查询、窗口函数、聚集计算被大量用于组织逻辑。然而,这类 SQL 在带来可读性的同时,也给查询…...

n8n-nodes-puppeteer:零代码实现浏览器自动化的效率引擎

n8n-nodes-puppeteer:零代码实现浏览器自动化的效率引擎 【免费下载链接】n8n-nodes-puppeteer n8n node for requesting webpages using Puppeteer 项目地址: https://gitcode.com/gh_mirrors/n8/n8n-nodes-puppeteer 在数字化时代,重复的网页操…...

3分钟解决LED字模生成难题:这款开源工具如何重构嵌入式开发流程?

3分钟解决LED字模生成难题:这款开源工具如何重构嵌入式开发流程? 【免费下载链接】LEDFont 项目地址: https://gitcode.com/gh_mirrors/le/LEDFont 问题引入:被低估的LED数据生成痛点 嵌入式开发者小王的工作日志显示:上…...

Linux电阻触摸屏驱动开发实战:从硬件采样到软件滤波优化

1. 从零开始:理解电阻触摸屏与Linux驱动的“握手” 大家好,我是老张,在嵌入式触控这块摸爬滚打了十来年,从早期的电阻屏到现在的电容屏,驱动都写过不少。今天咱们不聊那些高大上的,就聊聊最经典、最皮实耐用…...

BGE-Large-Zh应用场景:政务政策文件语义比对与关键条款定位

BGE-Large-Zh应用场景:政务政策文件语义比对与关键条款定位 1. 项目简介 BGE-Large-Zh是基于FlagEmbedding库和BAAI/bge-large-zh-v1.5模型开发的本地语义向量化工具,专门针对中文语境优化设计。这个工具能够将中文文本转换为高维语义向量,…...

代码随想录算法营第五十三天|107. 寻找存在的路线

KamaCoder 107. 寻找存在的路线 #include <iostream> #include <vector> using namespace std;int n; // 节点数量 vector<int> father vector<int> (101, 0); // 按照节点大小定义数组大小// 并查集初始化 void init() {for (int i 1; i < n; i…...

RPA解压工具全攻略:从零基础到高级应用的技术突破

RPA解压工具全攻略&#xff1a;从零基础到高级应用的技术突破 【免费下载链接】unrpa A program to extract files from the RPA archive format. 项目地址: https://gitcode.com/gh_mirrors/un/unrpa 当你尝试分析RenPy游戏资源时&#xff0c;是否曾被神秘的RPA格式挡在…...

Mamba模型:从SSM到S6的进化之路及其在长序列处理中的优势

1. 从RNN到Transformer&#xff1a;为什么我们需要Mamba&#xff1f; 如果你玩过序列模型&#xff0c;肯定绕不开RNN和Transformer这两座大山。我刚开始做NLP的时候&#xff0c;用RNN处理文本&#xff0c;感觉就像在玩一个“传话游戏”&#xff1a;第一个人说一句话&#xff0c…...

Qt文件与文件夹操作全指南:从存在性检查到智能创建

1. 为什么文件操作是Qt开发的必修课&#xff1f; 大家好&#xff0c;我是老张&#xff0c;一个在Qt和C领域摸爬滚打了十多年的老程序员。今天想和大家聊聊一个看似基础&#xff0c;但几乎每个项目都会踩坑的话题&#xff1a;Qt中的文件和文件夹操作。你可能觉得&#xff0c;不就…...

墨语灵犀效果深度评测:长文本理解、逻辑推理与代码生成能力

墨语灵犀效果深度评测&#xff1a;长文本理解、逻辑推理与代码生成能力 最近&#xff0c;一个名为“墨语灵犀”的模型在技术圈里讨论得挺多。大家聊得最多的&#xff0c;就是它处理长文章、做逻辑题和写代码的能力到底怎么样。光听别人说总觉得隔了一层&#xff0c;不如自己上…...

基于LabVIEW的2ASK、BPSK、QPSK调制解调系统设计与性能分析

1. 从零开始&#xff1a;为什么选择LabVIEW来玩转数字调制&#xff1f; 如果你对通信原理课上的那些调制方式&#xff0c;比如2ASK、BPSK、QPSK&#xff0c;感觉有点云里雾里&#xff0c;光是看公式和波形图就头大&#xff0c;那你可来对地方了。我当年学通信的时候也有同感&am…...

nlp_structbert_sentence-similarity_chinese-large部署教程:JetPack 5.1+Orin平台边缘部署方案

nlp_structbert_sentence-similarity_chinese-large部署教程&#xff1a;JetPack 5.1Orin平台边缘部署方案 你是不是也遇到过这样的问题&#xff1f;手里有一堆中文文本&#xff0c;想快速找出哪些内容意思相近&#xff0c;或者想搭建一个能理解句子含义的本地搜索工具&#x…...

【FineBI实战:从零构建企业级数据驾驶舱】

1. 为什么你需要一个数据驾驶舱&#xff1f;从业务痛点说起 大家好&#xff0c;我是书生。做了这么多年数据分析和智能硬件&#xff0c;我最大的感受就是&#xff1a;数据本身没有价值&#xff0c;能被看懂、能指导行动的数据才有价值。很多朋友&#xff0c;尤其是业务部门的同…...

医学影像分割与AI辅助诊断:TotalSegmentator全方位技术指南

医学影像分割与AI辅助诊断&#xff1a;TotalSegmentator全方位技术指南 【免费下载链接】TotalSegmentator Tool for robust segmentation of >100 important anatomical structures in CT images 项目地址: https://gitcode.com/gh_mirrors/to/TotalSegmentator 在现…...

Ollma部署LFM2.5-1.2B-Thinking:Docker镜像定制+模型嵌入一体化部署

Ollma部署LFM2.5-1.2B-Thinking&#xff1a;Docker镜像定制模型嵌入一体化部署 1. 为什么选择LFM2.5-1.2B-Thinking模型 如果你正在寻找一个既强大又轻量的文本生成模型&#xff0c;LFM2.5-1.2B-Thinking绝对值得关注。这个模型专门为设备端部署设计&#xff0c;在保持小巧体…...

3步实现B站动态抽奖自动化:BiliRaffle全方位操作指南

3步实现B站动态抽奖自动化&#xff1a;BiliRaffle全方位操作指南 【免费下载链接】BiliRaffle B站动态抽奖组件 项目地址: https://gitcode.com/gh_mirrors/bi/BiliRaffle 作为B站内容创作者&#xff0c;你是否曾为手动筛选抽奖参与者耗费数小时&#xff1f;面对成百上千…...

Python实战:单目三维重建从原理到实现

1. 单目三维重建&#xff1a;用一张照片“猜”出三维世界 你有没有想过&#xff0c;为什么我们看一张普通的照片&#xff0c;就能大概知道里面物体的远近和形状&#xff1f;比如一张桌子的照片&#xff0c;你一眼就能看出哪个杯子在前面&#xff0c;哪个花瓶在后面。我们的大脑…...

SourceGit:跨平台Git客户端如何实现技术民主化与效率倍增

SourceGit&#xff1a;跨平台Git客户端如何实现技术民主化与效率倍增 【免费下载链接】sourcegit Windows GUI client for GIT users 项目地址: https://gitcode.com/gh_mirrors/so/sourcegit 在软件开发的世界里&#xff0c;版本控制是每一位开发者的必备技能&#xff…...

直线型一阶倒立摆1---从理论到实践的桥梁

1. 从理论到实践&#xff0c;为什么一阶倒立摆是完美的“桥梁”&#xff1f; 很多朋友在学完《自动控制原理》或者《现代控制理论》后&#xff0c;都会有一个共同的困惑&#xff1a;课本上的传递函数、状态空间方程、根轨迹、频域分析&#xff0c;这些理论听起来头头是道&#…...

掌握UI-TARS-desktop:解锁自然语言控制电脑的智能交互体验

掌握UI-TARS-desktop&#xff1a;解锁自然语言控制电脑的智能交互体验 【免费下载链接】UI-TARS-desktop A GUI Agent application based on UI-TARS(Vision-Lanuage Model) that allows you to control your computer using natural language. 项目地址: https://gitcode.co…...

实战指南:如何高效部署与管理CosyVoice Docker镜像包

最近在项目中用到了CosyVoice&#xff0c;一个非常棒的语音合成工具。为了团队协作和部署方便&#xff0c;自然想到了把它打包成Docker镜像。但在实际操作中&#xff0c;发现直接打包的镜像体积巨大&#xff0c;启动慢&#xff0c;资源消耗也高&#xff0c;管理起来挺头疼的。经…...

4个维度玩转Univer:从入门到定制的全攻略

4个维度玩转Univer&#xff1a;从入门到定制的全攻略 【免费下载链接】univer Univer is a set of enterprise document and data collaboration solutions, including spreadsheets, documents, and slides. The highly extensible design allows developers to customize per…...

利用快马平台快速构建24点棋牌游戏的可交互操作原型

最近在琢磨一个24点棋牌游戏的原型&#xff0c;想验证一下操作流程是不是足够直观流畅。大家都知道&#xff0c;24点游戏的核心魅力就在于那种“心算组合”的即时反馈感&#xff0c;如果操作界面拖泥带水&#xff0c;体验就大打折扣了。传统的开发方式&#xff0c;光是搭个前端…...

Conda安装PyAudio避坑指南:解决依赖冲突与环境配置难题

最近在做一个语音识别的项目&#xff0c;需要用Python处理麦克风输入。第一步&#xff0c;自然是安装PyAudio这个经典的音频I/O库。本以为一句 pip install pyaudio 或者 conda install pyaudio 就能搞定&#xff0c;结果却掉进了各种依赖和编译错误的“坑”里&#xff0c;折腾…...

3个实用步骤:智能助手从入门到精通

3个实用步骤&#xff1a;智能助手从入门到精通 【免费下载链接】wechat-bot &#x1f916;一个基于 WeChaty 结合 DeepSeek / ChatGPT / Kimi / 讯飞等Ai服务实现的微信机器人 &#xff0c;可以用来帮助你自动回复微信消息&#xff0c;或者管理微信群/好友&#xff0c;检测僵尸…...