tensorflow_poems
tensorflow_poems 是一款基于 TensorFlow 框架开发的开源项目,旨在让机器自动创作中文古诗。它通过学习《全唐诗》等近四万首经典诗词数据,掌握了古体诗的格律与意境,能够生成风格逼真的五言或七言诗句,甚至支持用户指定首字的“藏头诗”创作。此外,该项目还尝试扩展至现代歌词领域,具备模仿特定歌手(如周杰伦)风格填词的潜力。
这一工具主要解决了传统诗歌创作门槛高、灵感枯竭的痛点,为文化爱好者提供了一种全新的互动体验,同时也为自然语言处理(NLP)研究者提供了宝贵的练手案例和数据预处理参考。其技术亮点在于简化了数据预处理流程,修复了早期版本中容易陷入死循环的问题,并实现了模型的快速训练与即时生成。
tensorflow_poems 非常适合对人工智能感兴趣的开发者、希望探索 NLP 技术应用的研究人员,以及喜爱传统文化想体验"AI 作诗”乐趣的普通用户。只需简单的命令行操作,用户即可在本地完成模型训练并获取专属诗词。作为一个持续维护的开源社区项目,它不仅展示了深度学习在文本生成领域的魅力,也邀请更多人共同参与语料整理与功能迭代,推动 AI 技术在人文领域的创新应用。
使用场景
某文化科技公司正在开发一款“国风智能助手”APP,旨在为用户提供个性化的古诗创作和歌词生成服务,以增强用户的互动体验。
没有 tensorflow_poems 时
- 创作效率低下:内容团队需人工查阅《全唐诗》等典籍寻找灵感,耗时数小时才能凑出一首意境尚可的诗歌,难以应对海量用户需求。
- 定制能力缺失:无法实现用户指定的“藏头诗”功能(如以用户名字或特定节日开头),只能提供通用的固定诗句,互动性差。
- 风格单一僵化:除了古诗,若想模仿流行歌手(如周杰伦)风格创作歌词,需重新收集语料并从头搭建复杂的深度学习模型,技术门槛极高。
- 维护成本高昂:自行训练的模型常出现死循环或输出乱码,调试 TensorFlow API 兼容性问题耗费了开发人员大量精力。
使用 tensorflow_poems 后
- 秒级自动生成:直接调用训练好的模型,输入指令即可在几秒钟内生成多首高质量七言或五言唐诗,极大提升了内容产出效率。
- 灵活指定主题:利用其成熟的藏头诗功能,轻松实现“以用户姓名作诗”或“以特定意象开篇”,显著增强了 APP 的趣味性和用户粘性。
- 跨界风格迁移:基于项目已有的歌词训练思路,快速导入新的歌手语料库,低成本扩展出“仿写流行歌词”功能,丰富了产品玩法。
- 开箱即用稳定:直接使用作者预处理好的近 4 万首唐诗数据集和修复过死循环 bug 的脚本,避免了底层 API 适配坑,让团队专注于业务逻辑开发。
tensorflow_poems 将原本需要数周建模调优的古诗词生成任务,转化为简单的脚本调用,让开发者能低成本、高效率地为应用注入深厚的文化底蕴与创意生成能力。
运行环境要求
- 未说明
未说明
未说明

快速开始
欢迎来到李白AI作诗机 👋
一款由人工智能驱动、能够自动生成中文诗歌的工具。
长久以来,我们一直梦想让机器自主创作诗歌。当无数作家和编辑尚未动笔时,AI早已完成了数千篇文章。如今,这便是迈出的第一步……
🏠 主页
👍 成果
经过对近四万首唐诗的学习,生成了以下诗句:
龙舆迎池里,控列守龙猱。
几岁芳篁落,来和晚月中。
殊乘暮心处,麦光属激羁。
铁门通眼峡,高桂露沙连。
倘子门中望,何妨嶮锦楼。
择闻洛臣识,椒苑根觞吼。
柳翰天河酒,光方入胶明。
这首诗写得颇有韵味,正是辛勤学习的结果。可以说,几乎把整个《全唐诗》的精华都学透了,才练就了如此强大的能力,这可不是一般人能做到的吧?
在这篇博客中,我将详细讲解其中的技术细节。如果还有未尽之处,大家可以通过微信找到我——那个头像很特别的人。话不多说,先奉上GitHub链接。这个作诗机器人我会持续维护下去。如果大家时间紧张,来不及细读,不妨给项目点个星或者直接Fork一下,这样每次有更新我推送时,你都能第一时间看到。毕竟TensorFlow虽然已经进入1.0时代,但API仍会不断变化。
让我们一起为这个项目加满星星,让更多人了解并使用我们的作诗机器人。未来我们还将加入更多酷炫的功能,比如押韵等。
📥 安装
git clone https://github.com/jinfagang/tensorflow_poems.git
🛠 使用
# 训练模型
python3 train.py
# 生成诗歌
python3 compose_poem.py
训练过程中,你可能会看到类似这样的输出:

📈 更新
2018年8月16日
我们正式宣布启动一项新计划:StrangeAI学院——一个专注于人工智能学习与前沿算法交流的平台!我们坚信,人工智能应当服务于人类生活,而非被大型公司所掌控。
在这里,你可以提前了解我们的项目:http://ai.loliloli.pro(strangeai.pro即将上线)。
2018年3月12日
tensorflow_poems又“复活”了!虽然许久未更新,但不知不觉间已收获上千颗星,看来大家对它依然很感兴趣。非常感谢各位的关注,不过我们绝不能就此止步,这也是我重新回归的原因。接下来,我想向大家分享一些最新的进展。首先,强烈推荐大家关注我精心打造的知乎专栏——《人工智能从入门到逆天杀神》以及每周一期的黑科技专栏《TrackTech》。我们不仅关注人工智能,也致力于探索区块链等前沿技术:
- 《人工智能从入门到逆天杀神》(知乎专栏):https://zhuanlan.zhihu.com/ai-man
- 《每周一项目黑科技—TrackTech》(知乎专栏):https://zhuanlan.zhihu.com/tracktech
如果你想讨论人工智能,可以访问我们的网站(目前暂用):http://ai.loliloli.pro(strangeai.pro即将上线),同时请订阅我们的微信公众号:奇异人工智能学院。
2017年11月8日
似乎距离上次更新这个仓库已经很久了。这段时间有不少朋友通过微信联系我,甚至还有一些行业大佬。其实当初这个项目只是个练手的小玩意儿,当时我的技术还不太成熟,给大家带来了一些困扰。现在,“李白”强势回归!本次更新带来了以下改进:
- 对数据预处理脚本进行了前所未有的简化,即便是小学生也能轻松理解。
- 训练只需运行
train.py即可,数据和预训练模型均已准备妥当。 - 可以直接使用
compose_poem.py生成诗歌,这次不会再出现死循环问题了。
2017年6月1日 可能是最后一次更新
我决定在有空的时候重构这个项目。古诗承载着我骨子里的文艺情怀,最近手头的事情有些杂乱,因此特此召集大家,有兴趣的朋友欢迎加入QQ群:
292889553
2017年3月22日 重磅更新:新增藏头诗功能
这次的小更新解决了以下几个问题:
- 训练完成后无法生成诗歌的问题——原来是陷入了无限循环,现已修复。
- 新增了美化打印功能,生成的古诗格式规范,可以直接接入第三方应用或其他平台。
- 终端禁用了TensorFlow默认的调试信息。
最重要的是:我们的作诗机器人(暂称“李白”)现在可以根据你指定的字来创作藏头诗啦!!
欢迎大家继续支持,还没点星的快点星吧!保持更新,永远开源!
下面来看看“李白”创作的藏头诗:
# 最近一直下雨,就作一首以“雨”字开头的吧
雨霁开门中,山听淮水流。
落花遍霜霰,金壶横河湟。
年年忽息世,径远谁论吟。
惊舟望秋月,应柳待晨围。
人处山霜月,萧萧广野虚。
# 李白人工智能作诗机器人的作者长得比较帅,以“帅”字开头做一首吧
帅主何幸化,自日兼春连。
命钱犯夕兴,职馀玄赏圣。
君有不知益,浮于但神衍。
(浓浓的怀才不遇之风...)
👊 它不仅能写古诗,还能模仿周杰伦创作歌词!!
这是2017年3月9日更新的功能——模仿周杰伦歌曲风格创作歌词。大家可以先感受一下它的作品:
我的你的她
蛾眉脚的泪花
乱飞从慌乱
笛卡尔的悲伤
迟早在是石板上
荒废了晚上
夜你的她不是她
....
不得不说,由于缺乏足够的训练文本,目前AI生成的歌词还略显生硬……嗯,倒是带点忧郁的风格,但这显然和周杰伦的曲风不太一样。不过没关系,毕竟我们现在只有112首歌作为训练素材。在此呼吁大家一起来整理中国歌手的语料文本!!!
如果你喜欢周杰伦的歌,可以把他的每一首歌按行保存,每句之间用空格分隔,然后统一发到我的邮箱[jinfagang19@163.com]。相信随着训练文本的不断增加,我们的歌词创作机器人一定会越来越厉害!当然,我也会及时将更新后的数据集上传到GitHub,大家可以点个星关注项目的进展。
👥 作者
👤 jinfagang
- 网站:http://jinfagang.github.io
- GitHub:@JinTian
👤 William Song
- 网站:http://williamzjc.gitee.io/morninglake/
- GitHub:@Freakwill
- Twitter:@WilliamPython
👤 Harvey Dam
- GitHub:@damtharvey
👤 KnowsCount
- 网站:http://docs.knowscount.cc/
- GitHub:@KnowsCount
🎉 表达支持
如果这个项目对你有所帮助,请点亮一颗🌟!
Give a 🌟 if this project helped you!
📝 许可协议
版权 © 2020
相似工具推荐
openclaw
OpenClaw 是一款专为个人打造的本地化 AI 助手,旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚,能够直接接入你日常使用的各类通讯渠道,包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息,OpenClaw 都能即时响应,甚至支持在 macOS、iOS 和 Android 设备上进行语音交互,并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地,用户无需依赖云端服务即可享受快速、私密的智能辅助,真正实现了“你的数据,你做主”。其独特的技术亮点在于强大的网关架构,将控制平面与核心助手分离,确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者,以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力(支持 macOS、Linux 及 Windows WSL2),即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。
markitdown
MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具,专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片(含 OCR)、音频(含语音转录)、HTML 乃至 YouTube 链接等多种格式的解析,能够精准提取文档中的标题、列表、表格和链接等关键结构信息。 在人工智能应用日益普及的今天,大语言模型(LLM)虽擅长处理文本,却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点,它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式,成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外,它还提供了 MCP(模型上下文协议)服务器,可无缝集成到 Claude Desktop 等 LLM 应用中。 这款工具特别适合开发者、数据科学家及 AI 研究人员使用,尤其是那些需要构建文档检索增强生成(RAG)系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性,但其核心优势在于为机器
LLMs-from-scratch
LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目,旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型(LLM)。它不仅是同名技术著作的官方代码库,更提供了一套完整的实践方案,涵盖模型开发、预训练及微调的全过程。 该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型,却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码,用户能够透彻掌握 Transformer 架构、注意力机制等关键原理,从而真正理解大模型是如何“思考”的。此外,项目还包含了加载大型预训练权重进行微调的代码,帮助用户将理论知识延伸至实际应用。 LLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API,而是渴望探究模型构建细节的技术人员而言,这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计:将复杂的系统工程拆解为清晰的步骤,配合详细的图表与示例,让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础,还是为未来研发更大规模的模型做准备