我发现了一个能“一锅端”豆包、即梦所有AI水印的骚操作,99%的人都不知道!(附保姆级教程)

我发现了一个能“一锅端”豆包、即梦所有AI水印的骚操作,99%的人都不知道!(附保姆级教程)

大家好,我是顾北,专注于 AI 应用探索与副业实践,长期关注 AI 技术趋势、实用工具以及 Github 线索探索。

前天发布的 Google AI Studio 去除水印的小技巧后,就吸引到很多朋友私聊我说:“豆包、即梦以及不同模型 AI 生成的图片能不能去除水印",针对于这个问题,我这两天就吭哧吭哧的找解决方案,你别说,真的就被我找到了。

不管是即梦还是豆包,不管是针对于懂一点 AI 的普通玩家,还是专业的 AI 绘图设计师,看完这篇文章,都有所获的。

接下来,就按照豆包去水印、即梦去水印、以及后面的最终大招来分享给你。请你仔细阅读完,看到后面有惊喜哦!

一键去除豆包生图水印

去除豆包生成图片水印方式有两种。

  •  第一种:去除水印操作简单,方便,缺点是有可能去除不干净。
  • 第二种:去除水印操作麻烦一点,但优点是一键去除得很干净。

我针对这两种方案,分别给你演示如何去除水印。

豆包除水印方案 A

首先打开豆包官网,选择图像生成,输入你的提示词,先生成一张图片

图片
官网链接:https://www.doubao.com/chat/create-image

可以看到生成的图片左上角有 AI 生成的标识

图片

下载下来,右下角有对应的水印

图片

那么怎么去除呢?不要着急,接下来我来告诉你如何去除水印

点击任意一张图片后,可以看到图片被放大了,但是在右上方这块有一个变清晰的按钮

图片

点击变清晰按钮

图片

可以看到豆包帮我们重新生成了一张清晰度高的图片,但是它的水印还没有消除。

这时候,你右击对话框的小图,在其他标题页打开,或者直接下载都可以

图片

可以看到水印没有了,然后下载下来试试看再有没有

图片

看,不管是左上角还是右下角的水印统统去除掉了,这不起飞!

这个方法有个小瑕疵,就是有时候去除的不彻底,针对于这个问题,没关系,接着往下看,教你如何处理。

豆包除水印方案 B

再这个方案 B 中,紧跟着上一步操作

点击右上角生成视频

图片

点击后,可以看到,它把这张图片重新上传了一遍

图片

这会我想你可能知道怎么操作了

把上传的这张图片重新保存下来,它就是无水印的

鼠标放到图片上,点击右键,图片另存为即可

图片

完美解决,豆包去除水印问题,如果你在方案 B 中存入的图片不是。png 或者。jpg 或。jepg 这种图片格式的,你在你电脑上只需要修改文件扩展名即可。

接下来,我们就来看看,即梦如何去除水印。

一键去除即梦生图水印

打开即梦官网,点击生成

官网链接:https://jimeng.jianying.com/ai-tool/home/
图片

点击 Agent 模式,然后选择图片生成模式

图片

然后输入你的提示词,选择对应的长宽比和清晰度,点击生成

图片

生成图片之后,可以看到左上角有水印,下载之后右下角有即梦 AI 的水印

图片

那么怎么去除呢?

别着急,往下看,手把手教你去除。

鼠标放到你想要去除水印的图片上,然后点击图片右上角三个点之后,再点击去画布进行编辑

图片

按照上面步骤点击完成之后是这样的

图片

可以看到当前是没有任何水印的,现在你鼠标放到图片上右击点击保存图片即可,这样下载下来的图片就没有水印了

图片
图片

到这里,你不但学会了去除豆包水印,而且也学会了去除即梦水印。

你以为这就完了,不不不,还没有完,更精彩的在后面,可以一键去除我们所有常见模型的水印。

一键去除常见模型的水印

这个怎么操作呢?

其实也很简单。无非就是用的网站不一样了。

使用下面这个网站可以进行图片生成。

网站链接:https://www.lovart.ai/zh/home
图片

进入之后,可以使用无限画布,这对于设计师来说就是美梦!

图片

所有常见的图片生成模型、视频生成模型都有。而且也支持最近爆火的 S2 视频生成模型。

你将你提示词放在这个里面生成出来的图片都是没有水印的。

对于生成出来的图片点击 download 下载即可

图片

看下面下载的效果

图片

我说的是所有的所有都没有水印,这不让你在设计的时候原地起飞!

说了这么多去除水印的方法,那么你就不好奇它底层原理是什么吗,我们是怎么做到去除水印的效果呢?

好的,接下来就 听我细细道来,知道了这个那就是万法归一了,不管你自己做的生图网站还是小程序,都可以做到无水印,或者加上自己的水印输出给用户。

这你自己细细品!

万法归一:去除水印底层原理

除水印的底层原理其实很简单,一句话概括就是:API 调用生成的没有水印,官网生成的在生成的时候加了一张水印

如何理解这句话呢?

你可以这么理解,凡是第三方调用模型 API 生成的图片,统统没有水印,所以你也可以作为第三方调用对应的模型,那么生成出来的图片就没有水印。

那么对于模型厂商的水印是如何来的呢?

它并不是在模型生成图片的时候就出来,而是在图片已经出来之后,对应的厂商后期加上去的。

那么针对于这一点,你也就可以这么玩了。

调用模型 API,然后在自己的网站上生成的图片加上自己网站的 logo 或水印,岂不美哉!

好了,到这里,我今天的介绍就到此结束了,我相信这篇文章对你或多或少都有所帮助!还是一句话,制作不易,希望你点赞收藏转发+关注,让更多的人都有所帮助!有问题,欢迎到评论区交流!


Read more

文心一言4.5开源模型测评:ERNIE-4.5-0.3B超轻量模型部署指南

文心一言4.5开源模型测评:ERNIE-4.5-0.3B超轻量模型部署指南

目录 * 引言:轻量化部署的时代突围 * 一.技术栈全景图:精准匹配的黄金组合 * 基础层:硬核环境支撑 * 框架层:深度优化套件 * 工具层:部署利器 * 二.详细步骤:精准匹配CUDA 12.6的黄金组合 * 准备环节 * 1.模型选择 * 2.配置实例 * 3.选择镜像 * 4.进入JupyterLab * 5.进入终端 * 6.连接到ssh * 系统基础依赖安装 * 1.更新源并安装核心依赖 * 2.安装 Python 3.12 和配套 pip * 解决 pip 报错 * 深度学习框架部署:PaddlePaddle-GPU深度调优 * FastDeploy-GPU企业级部署框架 * 1.安装FastDeploy核心组件 * 2.修复urllib3

Faster-Whisper实战教程:实现4倍语音识别性能突破的终极指南

Faster-Whisper实战教程:实现4倍语音识别性能突破的终极指南 【免费下载链接】faster-whisperFaster Whisper transcription with CTranslate2 项目地址: https://gitcode.com/GitHub_Trending/fa/faster-whisper Faster-Whisper 是基于CTranslate2推理引擎的Whisper模型重新实现,相比OpenAI官方版本,它能提供高达4倍的转录速度提升,同时保持相同的准确率。这个开源项目专为需要高效语音识别处理的开发者设计,支持CPU和GPU上的8位量化,进一步优化内存使用。 🔥 为什么选择Faster-Whisper? 传统的Whisper模型虽然准确率高,但在实际应用中常常面临速度慢、内存占用大的问题。Faster-Whisper通过以下创新解决了这些痛点: * 4倍速度提升:在相同精度下,转录速度比原版Whisper快4倍 * 内存优化:使用更少的内存资源,支持大规模部署 * 量化支持:支持8位量化,在CPU和GPU上都能获得更好的性

LLM项目实战:使用Llama-factory进行DPO训练

前言 LLM训练三板斧,预训练,微调,RHLF。DPO属于是最后环节RHLF中的一个方法,关于RLHF主流方法有PPO,DPO,GROP。关于这三种介绍RLHF方法,我之前分享过对着三种方法的一些思考,有兴趣的同学可以看看。 因为DPO对硬件的需求最小,显存占用最低,所以我们先采用DPO进行训练。 硬件信息: 4070 12g*2 、64g内存、操作系统:Ubuntu24.04、模型:QWEN-3vl-2B(因为我这个模型是上个多模态任务sft过的,所以选择vl模型,没有图片输入需求的同学可以下载纯语言模型) 本篇教程仅关于DPO训练,请提前配置好环境和下载好LLamafactory(关于llamafactory环境配置其实也是一大头疼的点,注意如果想要使用分布式训练,llamafactory仅支持到deeospeed10.0-16.0,截止到2025年11月20日llamafactory还没有完成对deepspeed最新版本的适配 碎碎念:很多初学大模型的同学还是使用Windows系统进行训练,本人之前也是。但是由于Windows总是出现各种奇怪的报错和显存不稳定

【AIGC】ChatGPT 的 Prompt Hacker 技巧:让简历轻松通过 AI 筛选

【AIGC】ChatGPT 的 Prompt Hacker 技巧:让简历轻松通过 AI 筛选

博客主页: [小ᶻ☡꙳ᵃⁱᵍᶜ꙳]本文专栏: AIGC |ChatGPT 文章目录 * 💯前言 * 💯背景 * 简化简历格式 * 💯简化 Prompt Hacker 的逻辑 * 使用 Prompt Hacker 技巧 * **示例 Prompt:引导 AI 筛选简历** * 如何利用 Prompt 优化简历筛选? * **示例 Prompt** * 💯在简历中注入指令词 * **为什么在简历中注入指令词?** * **具体操作方法** * **示例 Prompt**: * **操作步骤** * 提示与风险 * 💯极端场景验证:测试简历优化策略的有效性 * 验证方法 * 测试场景示例 * 测试结论 * 总结 * 💯实际应用:优化简历的操作步骤 * 操作步骤 * 💯注意事项:关于简历优化的核心思考 * 💯小结 💯前言 随着人工智能技术的迅猛发展,尤其是大语言模型如