AI探索指南

  1. 卧槽 Stability AI 还有货,发布了Stable Diffusion 3模型,多主题提示、图像质量和拼写能力方面的性能得到了极大的提高

    卧槽 Stability AI 还有货,发布了Stable Diffusion 3模型,多主题提示、图像质量和拼写能力方面的性能得到了极大的提高。#ai画图#

    Stable Diffusion 3 套模型目前参数范围从 800M 到 8B。

    Stable Diffusion 3采用了和Sora一样的diffusion transformer 架构。

    公告全文:网页链接

  2. Emad关于Stable Diffusion 3的补充信息: #ai画图#

    Emad关于Stable Diffusion 3的补充信息: #ai画图#

    这项技术采用了一种新型的扩散变换器(Diffusion Transformer,类似于Sora),并结合了光流匹配(flow matching)及其他技术上的改进。

    利用变换器(Transformer)的最新改进,这项技术不仅能够实现更广泛的应用范围,还能处理多种类型的输入数据(多模态输入)。

    关于这项技术的更多技术细节,我们将很快对外公布。

    来源:网页链接

  3. 下一个全民级的内容平台需要满足两个特点(其实有更多,先不提了):

    下一个全民级的内容平台需要满足两个特点(其实有更多,先不提了):

    - 不能是纯被动、低参与、低沉浸的。

    这类型的内容实质上在被动消费固定信息,在脑机接口这样的传输渠道成熟之前,视频形式在单位时间内传递信息的密度已经到了极限,对人眼和耳朵两个信息采集器官的利用效率到了极致

    没有新的内容范式就不存在平台的机会,最终都是给抖音Tiktok扩大供给

    - 不能像游戏一样强制性的高参与高投入。

    消费成本太高会使得用户对内容消费体验的预期持续抬高,整个游戏工业界都在卷头部精品,这条路的长期趋势是往头号玩家那样终极单品内容的方向走,极致的OGC

    目前基于LLM的产品探索,进度最靠前的大概还是C.AI,但这种需要用户自我创作自我驱动的体验形式跟大量游戏殊途同归

    如果内容不成立,就是AI native的小众垂类游戏,内容若成立,最终会逐渐融入现存的各种游戏类型,技术被用于更好的诠释成熟的内容形态

    这就是为什么我认为在探索AI to C的过程中,持续在“对话”类产品上投入资源是个错误。

  4. Stability AI 官方的 SVD 视频生成平台公测了,功能上就是 SVD 模型增加了镜头控制能力,视频是我用一些图片生成的

    Stability AI 官方的 SVD 视频生成平台公测了,功能上就是 SVD 模型增加了镜头控制能力,视频是我用一些图片生成的。#ai视频#

    每天会有 150 的免费额度可以生成 15 个视频,可以去体验一下。

    平台帮助模型获取标记数据的设计比较有意思。类似的视频生成平台可以参考。

    首先是在视频生成等待的过程中会出现一个弹窗,会展示两个社区的视频让用户评选哪个好。

    另外是生成视频之后也会又一个评价的气泡,你可以点赞或者点踩。

    这里体验:网页链接歸藏的AI工具箱的微博视频

  5. 昨天除了字节的 SDXL-Lightning之外,开源社区的DreamShaper XL也发布了Lightning模型

    昨天除了字节的 SDXL-Lightning之外,开源社区的DreamShaper XL也发布了Lightning模型。#ai##ai画图#

    这个模型生成的图片质量非常高,提示词响应也不错,比字节的强很多。

    也是只需要 4 步就能生成图片,推荐的采样器是DMP++ SED Karras,CFG 值为 2。

    模型下载:网页链接