关于AIGC人工智能、思维方式、知识拓展,能力提升等。投稿/合作: @inside1024_bot
AIGC 领域的最新工具、开源项目以及行业大事件
今天测了一组涂鸦+实物结合的广告海报提示词,很好玩,可以基于自己的想象和AI的帮忙实现各种概念设计。

提示词框架:

简洁而富有创意的广告,背景为干净的白色背景。
一个真实的[商品]被融入到手绘的黑色墨水涂鸦中,线条流畅,趣味十足。涂鸦描绘了[场景]。在顶部添加粗体黑色“[文案]”字样。将[品牌]的标志清晰地放置在底部。视觉效果应简洁、有趣、对比度高,且概念巧妙。

比如第一张的完整提示词就是:

简洁而富有创意的广告,背景为干净的白色背景。
一支真实的口红被融入到手绘的黑色墨水涂鸦中,线条流畅,趣味十足。涂鸦描绘了一个火箭发射平台,口红下方弥漫着烟雾,使其看起来像是火箭正在升空。在顶部添加粗体黑色“Launch Your Beauty”字样。将MAC的标志清晰地放置在底部。视觉效果应简洁、有趣、对比度高,且概念巧妙。

下课!🧐
真正的领导者探索未知,而非发号施令

在AI first团队中,真正的leader不会满足于开通付费工具、督促他人适应,而是亲自穿越未知的崎岖小径、发现独特风景,并将这些宝贵的发现和感悟无保留地分享给团队。

在剧变的时代,领导力的精髓不只是指挥,而在于示范;不在于命令,而在于树立榜样。

好的Leader以好奇心和同理心绘制「探索路书」,团队才会真正激发出10X的创造力。
基于OpenRouter的公开数据做了一个产品和模型的榜单,可以看到基于token使用量的产品排名和每个产品所使用的模型情况。如果你在选择模型或者研究对应产品,这个免费小工具应该会有帮助,网址是: https://yperf.com
启师傅AI客厅-良渚demo day第5期报名啦!

这次邀请了@少楠Plidezus @玉伯 、赵君三位嘉宾带来他们对AI产品的思考,还有@图拉鼎 Longyi Neko @henu王凯 @志鹏hustlzp @SUKIII 等优秀的开发者,来分享他们的最新产品!

🎫报名链接:
https://mp.weixin.qq.com/s/YTeKjqc9X5J300HdP6AO_A

📅 时间:2025年5月10日(周六)13:30 - 17:30
📍 地点:良渚文化村
🎧 主办:播客《启师傅AI客厅》

🎙️ 主题分享
💡 《YouMind 产品思考》
讲者:玉伯 @玉伯
语雀创始人,前飞书产品副总裁,现 YouMind 创始人

🔧 《从需求到成本:AI落地产品的务实之路》
讲者:少楠 @少楠Plidezus
flomo、小报童联合创始人

💰 《个人开发者怎么“捡”钱》
讲者:赵君
SimilarTube & NanoInfluencer 开发者,产品经理

🚀 产品分享
🎨 《Seede AI:人人都能用的 AI 设计工具》
讲者:Longyi
Seede.ai 创始人 & CEO,前 Dora AI 团队成员,前美团架构师

📺 《AIRI:如何从零实现外网爆火的AI主播》
讲者:奶扣 Neko
Literally Full-stack Developer,覆盖 AI Infra、模型开发、数据处理等全栈开源爱好者

📊 《AI在交易中的实际运用 & AGI视角的选择》
讲者:王凯 @henu王凯
AI 连续创业者,FastFacts 等 AI 应用、松鼠快看创始人

🗣️ 《Monspeak 的 What / Why / How》
讲者:Suki & 志鹏 hustlzp
SUKI:设计师&产品经理,正在边上班边做Monspeak @SUKIII
志鹏:iOS 独立开发者,《我的番茄》《LEMO FM》《西窗烛》等产品作者@志鹏hustlzp

🌍 《PopTranslate:为 macOS 打造的 AI 原生翻译工具》
讲者:图拉鼎 @图拉鼎
生活在良渚的开发者,专注 Apple 生态效率工具,正在打造新出海产品
FhGLCsxDSFrf6LAQ6saJus_trMZtv3.png
1.7 MB
对于想要大概了解 Flow Matching 的童鞋,推荐 MIT 的这门小课 https://diffusion.csail.mit.edu/,对于核心概念讲解清晰且符合物理直觉。flow matching 的原理我感觉比 diffusion 更易理解(而且还SOTA :D)。讲一下我从小白视角的理解:
文生图(无 condition)的过程,我们可以理解成是从一个纯随机的正态分布采样一个点,逐渐把它变成很“真”的一张图片。diffusion 是逐渐把采样到的这个“白噪音”点不断“去噪”,变成一张图片。而 flow matching,是让一个“磁场”去推着这个点不断移动,最终“移动”变成一张图片(想象图片 vector 各个维度的数值有加有减不断变化)。
稍微展开来说,flow matching 本质上是在学习一个 vector field/向量场(一个vector field定义一个ODE),可以把它想象成一个磁场。一开始我们只有一个符合正态分布的“沙堆”,我们的目标是逐渐”推移“这个沙堆,让它最终的分布符合我们要的分布(真实世界的图片)。对于每粒沙子在每个时间点、每个位置,磁场力的方向(往哪个方向推)就是我们要 neural network 学习的东西。一粒沙子从初始位置到目标位置”被磁场推着“经过的路,就是一个 flow(ODE 的一个解),不同沙子走出了多条 flow 形成多个训练数据不断调教 NN 去学习磁场里的方向,大量平均下来就是我们想要的磁场/模型。
细心的童鞋可能会问,那 NN 咋知道往哪推啊?给定了一张图片,对于”想要成为它的沙子“,在一个时间点和一个位置,我们磁场力的方向是提前设计好的(conditional vector field),这样 NN 对于一个样本往哪推是知道的。我们不知道的是大量这样的数据,最终让 NN 平均下来会学成个啥样,即 marginal vector field(就是我们想要的)。
最后附几张作业截图证明我不是瞎吹牛(btw 作业很简单)
爱死机第四季第五集
猫和机器人联合推翻人类统治了
原来头部机器人初创怕的是yj噢
有个奇思妙想

以后等机器人再成熟一些,是不是可以作为武术陪练?

能真的做到点到为止

如果这个技术成熟之后

我相信整个拳击手

各种格斗的运动员水平应该能再上升一个档次
我预测十年后钢琴家这个角色就没有了。家用机器人可以按每个主人的口味调整自己的弹奏风格。家家都有能帮你刷碗的钢琴大师
今天和同飞总聊了一小会,又刷新了不少对机器人行业的新认识。

其中最让我意外的是,他说小鹏是最有潜力的机器人公司,因为机器人的软硬件其实和新能源汽车是类似的,所以新能源汽车公司是机器人行业的最大玩家。而这之中,小鹏又是研发能力排在前列的。

所以我一直说,老板才是公司里最懂行的人。而每次合作,对我来说都是一次深入的学习。
Back to Top