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
AIGC 领域的最新工具、开源项目以及行业大事件
#182体育封神榜
以小博大直接爆15000倍 点击查看
实力盘总4000一拉直接爆2304000 点击查看
【182体育｜新人专享首存福利】
单笔首存1千 赠送彩金108
单笔首存3千 赠送彩金238
单笔首存5千 赠送彩金358
单笔首存1万 赠送彩金528
单笔首存3万 赠送彩金788
单笔首存5万 赠送彩金1088
单笔首存8万 赠送彩金1488
单笔首存12万 赠送彩金2088
单笔首存20万 赠送彩金3488
单笔首存50万 赠送彩金5288
注册升级领18888， 每周送福利5888
每日存款彩金每日送，每笔存款加赠
🌐 官网注册网址 : 1820036.com
💖专属VIP客服： @vipkf_182ty8
💖吃瓜搞笑：@chiguagaoxiaoxinwen
第一，速度至上。在 AI 时代学习最快的团队获胜，就是这样。几天交付不是几周，有疑问就发布实验，进展的势头比完美更重要，迟缓是唯一不可原谅的罪过。速度不仅仅关乎执行力，更关乎心态。如果你把"正确"放在第一位，那就走得太慢了。不要害怕出错，要怕的是学习得太慢。
第二，拥抱技术浪潮。别再追求技术稳定性，那并不存在。AI 基础每两个月就会变化，要把产品设计成在模型改进时能自动提升，构建预期会变化的抽象层，让产品体验随着 AI 进步而前进。
第三，表达异议并承诺执行。现在是战争时期不是和平时期，每个人都贡献想法和反馈，但决策必须迅速。一旦做出决定就全力以赴，即便曾经不同意。由于缺乏承诺导致的战略缺陷，比能迅速修正的不完美决策更糟。
第四，通过创新实现用户价值。用户喜欢能解决问题的产品而不是漂亮界面。他们在用 AI 改变人们制作视频的方式，打造以前不可能实现的神奇体验。但不解决真实问题的创新毫无价值。AI 产品的能力因用户技能而有巨大差异，他们的责任是教授用例而不仅仅是功能，衡量视频质量而不仅仅是视频创建。
第五，自建还是购买的规则很简单：无论哪种方式能提供最佳用户体验就做哪种。比如头像视频模型内部构建，因为没有外部供应商达到他们的质量标准。语音用外部提供商，因为质量足够且资源受限。没有自我，只要结果。
所有团队遵循相同核心结构：产品经理 + 工程 + 设计 + 数据科学。
产品经理是决策和优先级设定的主要推动者，与领导层直接合作制定战略，负责每个功能背后的"为什么"，在工程、数据科学、设计之间协调。在 AI 时代，产品经理要构建可用原型跳过传统规格书，将 Figma 设计或 UX 原型作为文档，为尚不存在的能力进行规划，非常熟悉市场上所有 AI 工具并每天使用。
工程师以最快速度制定并执行决策，提供产品经理可能忽视的技术见解，为灵活性和快速迭代进行架构设计。要使用 AI 助手编写代码以提升速度，每个人至少比两年前高效 3 倍。构建可演化为生产系统的原型，专注于构建而不是文档。
设计师的使命是定义简单却卓越的体验。作为面向视频的创意工具，设计需要达到世界级水平。设计的首要原则是简洁，让功能在 AI 中可行不难，但在保持高质量的同时让它易于使用极为困难。设计师是"对所有人（包括奶奶）都极其简单"这一原则的主要守护者，如果奶奶都不会用，设计师要标记并修复它。
构建原型遵循"两人规则"：一名产品/设计人员加上一名工程师总共 2 人构建原型。不会为了保护每个人感受而追求共识，目标是加速流程尽快在市场上验证想法。流程是先做原型快速构建测试，然后证明其可行用真实用户验证概念，接着设计打磨将体验优化使其契合产品框架，最后所有升级到生产的功能都必须经过精心设计。
## 核心产品 vs 增长产品
核心产品团队专注基础产品体验，构建定义 HeyGen 是什么以及能做什么的功能，以用户体验质量、功能完整性和长期产品愿景为优化目标。标准很简单：在每一个体验上都要绝对做到最好，低于这个标准就是不够好。怎么做到？速度极快地推进，比竞争对手多迭代 5 倍。他们的目标是零缺陷，作为创意工具可靠性是用户信任和工作流程连续性的基石。
增长团队是实验引擎，以速度、学习和影响力为核心构建。他们不仅仅交付代码，而是交付结果。在 AI 时代代码廉价影响有价值，要优化以快速实现影响。安全的实验不是真正的实验，目标是通过承担明智风险、更大胆假设来更快学习，愿意快速承认错误这样下次才能更快做对。
## 沟通与反模式
沟通原则是首选异步，在分布式办公环境中尽可能利用异步沟通。如果任何团队成员与超过 5 人的群体有超过 3 次同步会议就要提出警示，时间应花在构建上而不是开会。决策通过 Slack 立即沟通，明确单人负责与执行时点，团队之间完全透明。反馈要直截了当，好工作就是好差工作就是差，关注工作而非个人。
要避免的七宗罪包括：花几周为规模做设计的完美架构（实际问题是还没用户真正喜爱）、几个月面试没有交付的研究瘫痪、等待 AI 成熟的稳定基础幻想、人人都同意等于无人关心的共识陷阱、"还没准备好"的质量借口、6 个月秘密开发的大爆发发布、"我们已经投入了这么多"的沉没成本谬误。
第二，拥抱技术浪潮。别再追求技术稳定性，那并不存在。AI 基础每两个月就会变化，要把产品设计成在模型改进时能自动提升，构建预期会变化的抽象层，让产品体验随着 AI 进步而前进。
第三，表达异议并承诺执行。现在是战争时期不是和平时期，每个人都贡献想法和反馈，但决策必须迅速。一旦做出决定就全力以赴，即便曾经不同意。由于缺乏承诺导致的战略缺陷，比能迅速修正的不完美决策更糟。
第四，通过创新实现用户价值。用户喜欢能解决问题的产品而不是漂亮界面。他们在用 AI 改变人们制作视频的方式，打造以前不可能实现的神奇体验。但不解决真实问题的创新毫无价值。AI 产品的能力因用户技能而有巨大差异，他们的责任是教授用例而不仅仅是功能，衡量视频质量而不仅仅是视频创建。
第五，自建还是购买的规则很简单：无论哪种方式能提供最佳用户体验就做哪种。比如头像视频模型内部构建，因为没有外部供应商达到他们的质量标准。语音用外部提供商，因为质量足够且资源受限。没有自我，只要结果。
所有团队遵循相同核心结构：产品经理 + 工程 + 设计 + 数据科学。
产品经理是决策和优先级设定的主要推动者，与领导层直接合作制定战略，负责每个功能背后的"为什么"，在工程、数据科学、设计之间协调。在 AI 时代，产品经理要构建可用原型跳过传统规格书，将 Figma 设计或 UX 原型作为文档，为尚不存在的能力进行规划，非常熟悉市场上所有 AI 工具并每天使用。
工程师以最快速度制定并执行决策，提供产品经理可能忽视的技术见解，为灵活性和快速迭代进行架构设计。要使用 AI 助手编写代码以提升速度，每个人至少比两年前高效 3 倍。构建可演化为生产系统的原型，专注于构建而不是文档。
设计师的使命是定义简单却卓越的体验。作为面向视频的创意工具，设计需要达到世界级水平。设计的首要原则是简洁，让功能在 AI 中可行不难，但在保持高质量的同时让它易于使用极为困难。设计师是"对所有人（包括奶奶）都极其简单"这一原则的主要守护者，如果奶奶都不会用，设计师要标记并修复它。
构建原型遵循"两人规则"：一名产品/设计人员加上一名工程师总共 2 人构建原型。不会为了保护每个人感受而追求共识，目标是加速流程尽快在市场上验证想法。流程是先做原型快速构建测试，然后证明其可行用真实用户验证概念，接着设计打磨将体验优化使其契合产品框架，最后所有升级到生产的功能都必须经过精心设计。
## 核心产品 vs 增长产品
核心产品团队专注基础产品体验，构建定义 HeyGen 是什么以及能做什么的功能，以用户体验质量、功能完整性和长期产品愿景为优化目标。标准很简单：在每一个体验上都要绝对做到最好，低于这个标准就是不够好。怎么做到？速度极快地推进，比竞争对手多迭代 5 倍。他们的目标是零缺陷，作为创意工具可靠性是用户信任和工作流程连续性的基石。
增长团队是实验引擎，以速度、学习和影响力为核心构建。他们不仅仅交付代码，而是交付结果。在 AI 时代代码廉价影响有价值，要优化以快速实现影响。安全的实验不是真正的实验，目标是通过承担明智风险、更大胆假设来更快学习，愿意快速承认错误这样下次才能更快做对。
## 沟通与反模式
沟通原则是首选异步，在分布式办公环境中尽可能利用异步沟通。如果任何团队成员与超过 5 人的群体有超过 3 次同步会议就要提出警示，时间应花在构建上而不是开会。决策通过 Slack 立即沟通，明确单人负责与执行时点，团队之间完全透明。反馈要直截了当，好工作就是好差工作就是差，关注工作而非个人。
要避免的七宗罪包括：花几周为规模做设计的完美架构（实际问题是还没用户真正喜爱）、几个月面试没有交付的研究瘫痪、等待 AI 成熟的稳定基础幻想、人人都同意等于无人关心的共识陷阱、"还没准备好"的质量借口、6 个月秘密开发的大爆发发布、"我们已经投入了这么多"的沉没成本谬误。
他们 CEO 这次不只是分享里程碑数字，更重要的是他们把内部称为"圣经"的一套产品方法论公开出来了。
包含了团队内部无数次讨论、实验和踩坑之后总结出来的经验，总结一下做个笔记👇：
HeyGen 把视频分成了两类：沟通类视频和电影类视频。
沟通类视频包括业务更新、教程、采访、播客、解释性视频，目的是说明、告知或传达信息，最适合基于脚本的编辑。电影类视频是高制作广告、电影、音乐视频、预告片这种，目的是打动、激发或娱乐观众，最适合时间线编辑。
HeyGen 的重点是让沟通类视频对所有人都可用。他们说的"所有人"是真正的所有人，从初学者到专业人士的每一种技能水平。产品足够简单，任何人都能在几分钟内制作出高质量的视频。
整个方法论的核心就一句话：
快速行动，成为绝对最佳。乘着 AI 浪潮，接受研究中的不确定性，押注未来六个月，构建随着模型改进而自我升级的灵活产品，同时不牺牲质量。
传统时代是在稳固基础上构建，为长久性优化，提前规划 12-18 个月，打磨好再发布，按序开发。AI 时代的 HeyGen Way 是乘着科技浪潮，为自动改进而构建，实际规划 2 个月周期（与模型升级周期一致），发布以学习，并行试验。
为什么是两个月？这个周期与模型升级周期一致，既能快速调整策略又能保持专注。
他们的节奏包括：两个月路线图规划，与 AI 进展周期同步，与领导层、技术负责人和产品经理深入回顾并制定策略。6-12 个月战略押注，预测并为下一次重大突破做准备。每两周承诺清单，产品和工程共同决定优先级。每日发布，改进、特性或实验每天上线。
实验流程很快：第 1 天定义假设和成功指标，第 2 天构建真正最小化的 MVP，第 3-5 天向部分用户发布，第 2 周分析学习并决定下一步。
好的实验要快（以天为单位不是周），科学化且数据驱动，提供明确信号（继续、转向或停止），做大动作而不是小修小补。大多数实验会失败，这是预期之内的。带着学习的失败等于胜利，没有学习的失败才是真正的失败。
## 提出五大运营原则
球速大会员再创新高：
✅球速体育
✅u存u提每日提款无上限，随便提、全球不限ip、免实名绑定手机号码、银行，大额出款无忧 （您的最佳选择，欢迎体验）
#亚洲顶级真人视讯博彩盘口！
🔥平台
注册升级领18888， 每周送福利5888
每日存款彩金每日送，每笔存款加赠
👑福利频道：@qsty8999
⚽️体育赛事推单：@QSTY988
💖吃瓜搞笑新闻：@chiguagaoxiaoxinwen
💖vip客服专属热线，添加客服领取活动福利
🌐官网客服： @QSTY567
双向用户点击：@qsty168168_bot
🌐注册网址： qs1736.cc
🔯 官网： KX.VIP🔯 客服：@kxtop🔯 频道：@kxvipcom🔯 招商：@KX999
陷入沉思：麦肯锡的客户们到底是脑子进了什么水，要每月花几十万刀请麦肯锡来画 slides，然后麦肯锡转手每月花两百刀让 GPT 来画。
未来12个月是我们这代人的战时机遇，有机会打造下一个谷歌或Facebook。
以最快的速度，冲刺。
全文：https://mp.weixin.qq.com/s/gHpO_YQ7-Ah18-AYWcbOyA
以最快的速度，冲刺。
全文：https://mp.weixin.qq.com/s/gHpO_YQ7-Ah18-AYWcbOyA
今天 HeyGen 宣布达到了 100M ARR 的重大里程碑，并公布了其内部的 Bible，也就是内部工作系统的指导手册，这里面有太多共鸣了，提取一些重要的信息给大家。
核心理念：在不确定中找确定性
传统软件开发早就已经死了。
HeyGen 的观点很清晰：
AI 时代没有稳定的技术基础，每几个月技术就会巨变。
应对策略？不抗拒不稳定性，顺势而为。
这套理念直接颠覆了传统开发思维：
传统：建立稳定基础，规划12-18个月
HeyGen：乘风破浪，只规划2个月，随模型升级调整
迭代速度比竞争对手快5倍。
速度就是一切的执行哲学
最离谱的是他们的速度要求：
几天内交付，不是几周
有疑虑？直接推实验版本
动能比完美更重要
具体操作流程：
第1天：定义假设和成功指标
第2天：构建MVP（真正意义上的最小化）
第3-5天：面向部分用户发布
第2周：分析学习，决定下一步
这个实验节奏，应该是每个 AI 公司都有的节奏。
团队结构：2人法则
每个原型只需要2个人：1个PM/设计师 + 1个工程师。
不追求共识，直接快速决策验证。
工程师现在的生产力比2年前至少提高3倍，因为有了AI代码助手。
设计师的核心使命：让奶奶都会用。
如果连奶奶都用不了，立即标记并修复。
数据驱动的增长机器
增长团队的定位：实验引擎。
核心原则：
工程是工具，影响才是目标
实验是为了学习，不是为了赢
20%投入，80%成果
失败+学习=胜利
他们的成功指标：任何用户在平台上能达到的平均视频质量。
质量悖论：快速+卓越 完全不矛盾
最有意思的观点：快速行动使我们能够长期打造更高质量的产品。
当竞争对手每月推出一个功能时，他们同时进行五项实验。学习速度快5倍，持续学习积累最终带来更优质的产品。
视频内容创作领域，质量不可妥协。
用户不是因为界面漂亮而喜欢产品，而是因为产品以卓越品质解决了问题。
AI 开发的7大致命错误
他们总结了AI开发的7大致命错误：
完美架构症 - 为100个用户设计百万级架构
研究瘫痪症 - 几个月访谈，零发布
稳定基础幻想 - 等AI"成熟"
共识陷阱 - 大家都同意=没人关心
质量借口 - "还没准备好"
大爆炸发布 - 6个月秘密开发
沉没成本谬误 - "已经投入这么多"
核心理念：在不确定中找确定性
传统软件开发早就已经死了。
HeyGen 的观点很清晰：
AI 时代没有稳定的技术基础，每几个月技术就会巨变。
应对策略？不抗拒不稳定性，顺势而为。
这套理念直接颠覆了传统开发思维：
传统：建立稳定基础，规划12-18个月
HeyGen：乘风破浪，只规划2个月，随模型升级调整
迭代速度比竞争对手快5倍。
速度就是一切的执行哲学
最离谱的是他们的速度要求：
几天内交付，不是几周
有疑虑？直接推实验版本
动能比完美更重要
具体操作流程：
第1天：定义假设和成功指标
第2天：构建MVP（真正意义上的最小化）
第3-5天：面向部分用户发布
第2周：分析学习，决定下一步
这个实验节奏，应该是每个 AI 公司都有的节奏。
团队结构：2人法则
每个原型只需要2个人：1个PM/设计师 + 1个工程师。
不追求共识，直接快速决策验证。
工程师现在的生产力比2年前至少提高3倍，因为有了AI代码助手。
设计师的核心使命：让奶奶都会用。
如果连奶奶都用不了，立即标记并修复。
数据驱动的增长机器
增长团队的定位：实验引擎。
核心原则：
工程是工具，影响才是目标
实验是为了学习，不是为了赢
20%投入，80%成果
失败+学习=胜利
他们的成功指标：任何用户在平台上能达到的平均视频质量。
质量悖论：快速+卓越 完全不矛盾
最有意思的观点：快速行动使我们能够长期打造更高质量的产品。
当竞争对手每月推出一个功能时，他们同时进行五项实验。学习速度快5倍，持续学习积累最终带来更优质的产品。
视频内容创作领域，质量不可妥协。
用户不是因为界面漂亮而喜欢产品，而是因为产品以卓越品质解决了问题。
AI 开发的7大致命错误
他们总结了AI开发的7大致命错误：
完美架构症 - 为100个用户设计百万级架构
研究瘫痪症 - 几个月访谈，零发布
稳定基础幻想 - 等AI"成熟"
共识陷阱 - 大家都同意=没人关心
质量借口 - "还没准备好"
大爆炸发布 - 6个月秘密开发
沉没成本谬误 - "已经投入这么多"
然后怪异度和风格遵循你可以自己选择，我建议都试试体验一下他们的数值高低的区别。
这里歌词可以用已经发行歌曲的歌词，也可以用你自己编的，当然你用“哈基米南北绿豆”也是可以的。
然后我们再来看一下第二种，也就是需要上传音频保持原始曲调的音乐怎么做。
第一种可以说是除了歌词都是原创，第二种就把 AI 当做一个修音师和混音师来用了，歌曲的编曲和歌词都是不变的，只是音色和编排变了。
提示词的部分跟第一部分是一致的，唯一的区别就是我们在“Custum”这边点那个“+Audio”按钮去上传原始的音乐音频，然后选择 Cover 也就是覆盖完全重新演绎，右边的 Extend 是延长的意思，有需要你也可以用。
如果你直接拿原始的音乐去上传可能发现了 Suno 是有版权验证的，他不让你混音原始的版权音乐，我们需要绕过去，这里有两个办法：
1. 你自己唱一遍原始音乐，你的声音唱他是不会限制你的，或者找别人翻唱的音频，这个版权库没有。
2. 然后就是对原始音频进行处理，比如用剪映之类的分离配乐保留人声后剪辑一下，这个不建议使用有风险🐶。
然后就是继续我们第一种方案的流程了，用 LLM 提示词生成 Suno 提示词填写到对应的位置，这里就不重复了。
需要注意的是你上传音乐之后，下面会多一个选项“Audio Influence”就是跟原始声音的相似度，这里我建议调的低一点，我们只参考音频曲调，不去复刻音色，不然会有风险。
当然如果这个音频是你唱的，你可以把这个调高点，把 Suno 当你的调音师用，估计有这个功能之后，会唱歌的美女 UP 主会越来越多了。
好了以上就是这次 Suno 的完整教程了。
AI 音乐也跟图片模型一样从纯生产逻辑变为了编辑和创作逻辑，整个自由度和准确性搞了很多。
Suno V5 可以说是音乐模型中的 banana 了。
AI 音乐从 Suno V5 开始已经走到了临界点，甚至可以说音乐行业在这一刻走到了临界点。
这里歌词可以用已经发行歌曲的歌词，也可以用你自己编的，当然你用“哈基米南北绿豆”也是可以的。
然后我们再来看一下第二种，也就是需要上传音频保持原始曲调的音乐怎么做。
第一种可以说是除了歌词都是原创，第二种就把 AI 当做一个修音师和混音师来用了，歌曲的编曲和歌词都是不变的，只是音色和编排变了。
提示词的部分跟第一部分是一致的，唯一的区别就是我们在“Custum”这边点那个“+Audio”按钮去上传原始的音乐音频，然后选择 Cover 也就是覆盖完全重新演绎，右边的 Extend 是延长的意思，有需要你也可以用。
如果你直接拿原始的音乐去上传可能发现了 Suno 是有版权验证的，他不让你混音原始的版权音乐，我们需要绕过去，这里有两个办法：
1. 你自己唱一遍原始音乐，你的声音唱他是不会限制你的，或者找别人翻唱的音频，这个版权库没有。
2. 然后就是对原始音频进行处理，比如用剪映之类的分离配乐保留人声后剪辑一下，这个不建议使用有风险🐶。
然后就是继续我们第一种方案的流程了，用 LLM 提示词生成 Suno 提示词填写到对应的位置，这里就不重复了。
需要注意的是你上传音乐之后，下面会多一个选项“Audio Influence”就是跟原始声音的相似度，这里我建议调的低一点，我们只参考音频曲调，不去复刻音色，不然会有风险。
当然如果这个音频是你唱的，你可以把这个调高点，把 Suno 当你的调音师用，估计有这个功能之后，会唱歌的美女 UP 主会越来越多了。
好了以上就是这次 Suno 的完整教程了。
AI 音乐也跟图片模型一样从纯生产逻辑变为了编辑和创作逻辑，整个自由度和准确性搞了很多。
Suno V5 可以说是音乐模型中的 banana 了。
AI 音乐从 Suno V5 开始已经走到了临界点，甚至可以说音乐行业在这一刻走到了临界点。
