该应用程序没有使用单独的界面进行图像生成、视频生成、音频生成和一般文本自然语言处理，而是将所有这些界面组合到一个提示中。
目前支持的API：
文字转图像
文字转视频
文字转音频
通用自然语言处理
虽然LLaMA模型在通用领域通过指令参数已经提升了展示令人印象深刻的性能，但对于自媒体创作、直播和运营等领域，由于缺乏专业的训练数据，其能力增幅待提高。为了解决这个问题，我们提出了Media LLaMA，一个针对自媒体领域进行特殊训练的模型。
Media LLaMA 首先在大规模自媒体语料上进行连续预训练，系统地学习自媒体的知识体系。然后，我们借助 ChatGPT 收集了有关抖音运营、短视频创作、巨量千川投放、直播运营和直播话术技巧等领域知识问题的分析和解答，并利用这些数据对模型进行指令调整，使模型习得如何将自媒体知识应用到实际场景中。
模型具有以下能力：
掌握自媒体知识：能够理解抖音运营、短视频创作、巨量千川投放、直播运营等领域的核心概念和策略。
适用于实际操作：能够以通俗易懂的语言解释自媒体概念，并进行基础的自媒体运营咨询，主题内容创作、平台运营、广告投放等领域。
技术栈：nestjs+vue3+uni；
数据库：mongoDB（主从+事务）、redis；
消息队列（可选）：rabbitMQ（延时任务）；
细粒度权限控制（菜单/按钮/接口）；
微信生态（微信登录、小程序码生成、微信支付）；
常用功能集成（JWT登录验证、菜单管理、角色权限、用户管理、字典管理、行政区划数据集及接口）；
api生成（基于swagger生成前端直接调用接口，后台使用ts+axios，uni端使用二次封装uni.request）
ByteByteGo总结了常见的限速算法，见上图。
1. 固定窗口计数器，将时间划分为固定的窗口大小，每来一个请求就对计数器加1，当计数器达到设定的时间限制之后，则抛弃超出的请求。简单粗暴，缺点是临界问题
2. 滑动窗口日志算法。假设用户限制 n 秒内 m 次调用时候，搞一个m大小的集合。每当有新的请求过来时，就从集合中删除掉 n 秒前的请求数据，然后集合不满就加入，满了就抛弃。
3. 滑动窗口计数器算法。把固定窗口计数器再细分的一种算法。
4. 令牌桶算法。以一个恒定的速度往桶里放令牌，桶填满了则丢弃多余令牌。
5. 漏桶算法。任意速率接收请求；固定速率处理请求
