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
等OpenAI要是真弄出通用机器人了，我太想弄个“家务机器人”了，要求不高，把使用洗衣机、洗碗机这个重复劳动替代了就行，拿洗晾，晾的不好都没事
进阶一点，复原功能，把人类随手放的放回固定位置，浴巾杯子衣服等；定期驱动、协助扫地机器人清理地面，保护杂物复原；倾倒垃圾，处理垃圾袋
就这么简单，拜托了啊
进阶一点，复原功能，把人类随手放的放回固定位置，浴巾杯子衣服等；定期驱动、协助扫地机器人清理地面，保护杂物复原；倾倒垃圾，处理垃圾袋
就这么简单，拜托了啊
生数科技牛批啊，不声不响整了个大活。
发布 Vidu 视频生成模型，支持长达 16 秒 1080P 视频直接生成。
从宣传片来看一致性、运动幅度都达到了 Sora 水准，就是时长上还差一些，不过已经吊打现在的所有视频生成模型了。
发布 Vidu 视频生成模型，支持长达 16 秒 1080P 视频直接生成。
从宣传片来看一致性、运动幅度都达到了 Sora 水准，就是时长上还差一些，不过已经吊打现在的所有视频生成模型了。
不得不承认，从搞钱/找工作的结果来，当前的生成式AI，的确跟大多数非技术人员没啥关系。
但这并不意味着，生成式AI对非技术人员没有帮助。
恰恰相反，个人认为，现阶段拥抱生成式AI，是非技术人员最值得投资的事情之一。
1、
往小了说，如果咱在研究困扰自己的问题，比如各类考试，或者探索感兴趣的课题，比如科技人文，AI 都能帮到忙。
最起码的，有了生成式AI的帮助，那些曾经看不懂的、不敢看的文献和大部头，那些三倍速也要看几个小时的课程，现在都不是大问题了。
2、
学完之后，如果愿意尝试用费曼的方法分享出来，也会带来意想不到的惊喜。
首先，极有可能实现“以文会友”，吸引到一样对该领域感兴趣的同好。从此，不再“独学而无友”，甚至有机会一起搞点事情。
其次，在通过 AI 辅助学习的过程中，我们会越来越知道 AI 能干什么和不能干什么，然后顺手迁移到专业领域，成为该领域前几个「用好 AI 解决真实问题」的“AI应用高手”。
3、
现在AI应用的早期阶段，到处是蓝海。
从成为办公室/教室的“AI应用高手”，再到成为某个细分领域的“AI应用高手”，速度远比想象中快。
可是因为各种原因，很多人虽然经常在朋友圈点评AI，但很少真正上手，成为哪怕是办公室或教室里最会用 AI 的人。
4、
而这，也就给真正用好 AI 的非技术人员，腾出了很多机会。
举个例子，我听过不止一个 AI 探索者说，因为积极应用 AI 和分享，或者是参加活动和比赛，他们不知不觉间认识了各行各业里最顶尖的一些人。这是他们之前不敢想象的事情。
随着 AI 用得越来越好，解决的问题越来越大，越来越多的人一想到“这个领域+AI”，就会想到我们。
5、
《纳瓦尔宝典》的作者写出了可能是推特历史上被转发最多的一个推文系列：有关运气。
1）第一种运气是不期而遇的运气，比如天上掉馅饼，中彩票，炒股暴富；
2）第二种运气来源于孜孜不倦、不断尝试
3）第三种获得好运的方式是善于发现好运，如果你在某个领域做得足够深，可能第一时间发现别人还没看到的好运；
（当非技术人员在专业领域用 AI 用得足够深时，也一样可以基于自己的非共识，发现一些AI的小机会。
过程很难一蹴而就，但如果愿意专研，那一刻又会比想象中来得更快。）
4）第四种是最奇妙、最难得的，那就是打造独特的个性、品牌、信誉，让运气找到你。
Naval 举了个例子，假设你是世界上最好的深海潜水员，大家都知道你的水平最高。如果有人走了好运发现了一艘沉没的宝船，他们会第一时间联系你让你帮助他们寻宝。于是，他们的好运也变成了你的好运。
（正如上一条所说的，当越来越多的人，一想到“这个领域+AI”，就会想到我们，那么运气也将会主动找上我们。）
但这并不意味着，生成式AI对非技术人员没有帮助。
恰恰相反，个人认为，现阶段拥抱生成式AI，是非技术人员最值得投资的事情之一。
1、
往小了说，如果咱在研究困扰自己的问题，比如各类考试，或者探索感兴趣的课题，比如科技人文，AI 都能帮到忙。
最起码的，有了生成式AI的帮助，那些曾经看不懂的、不敢看的文献和大部头，那些三倍速也要看几个小时的课程，现在都不是大问题了。
2、
学完之后，如果愿意尝试用费曼的方法分享出来，也会带来意想不到的惊喜。
首先，极有可能实现“以文会友”，吸引到一样对该领域感兴趣的同好。从此，不再“独学而无友”，甚至有机会一起搞点事情。
其次，在通过 AI 辅助学习的过程中，我们会越来越知道 AI 能干什么和不能干什么，然后顺手迁移到专业领域，成为该领域前几个「用好 AI 解决真实问题」的“AI应用高手”。
3、
现在AI应用的早期阶段，到处是蓝海。
从成为办公室/教室的“AI应用高手”，再到成为某个细分领域的“AI应用高手”，速度远比想象中快。
可是因为各种原因，很多人虽然经常在朋友圈点评AI，但很少真正上手，成为哪怕是办公室或教室里最会用 AI 的人。
4、
而这，也就给真正用好 AI 的非技术人员，腾出了很多机会。
举个例子，我听过不止一个 AI 探索者说，因为积极应用 AI 和分享，或者是参加活动和比赛，他们不知不觉间认识了各行各业里最顶尖的一些人。这是他们之前不敢想象的事情。
随着 AI 用得越来越好，解决的问题越来越大，越来越多的人一想到“这个领域+AI”，就会想到我们。
5、
《纳瓦尔宝典》的作者写出了可能是推特历史上被转发最多的一个推文系列：有关运气。
1）第一种运气是不期而遇的运气，比如天上掉馅饼，中彩票，炒股暴富；
2）第二种运气来源于孜孜不倦、不断尝试
3）第三种获得好运的方式是善于发现好运，如果你在某个领域做得足够深，可能第一时间发现别人还没看到的好运；
（当非技术人员在专业领域用 AI 用得足够深时，也一样可以基于自己的非共识，发现一些AI的小机会。
过程很难一蹴而就，但如果愿意专研，那一刻又会比想象中来得更快。）
4）第四种是最奇妙、最难得的，那就是打造独特的个性、品牌、信誉，让运气找到你。
Naval 举了个例子，假设你是世界上最好的深海潜水员，大家都知道你的水平最高。如果有人走了好运发现了一艘沉没的宝船，他们会第一时间联系你让你帮助他们寻宝。于是，他们的好运也变成了你的好运。
（正如上一条所说的，当越来越多的人，一想到“这个领域+AI”，就会想到我们，那么运气也将会主动找上我们。）
机器人按摩师，他来了。
机器人按摩理疗应用-哔哩哔哩】 https://b23.tv/PRkviAA
机器人按摩理疗应用-哔哩哔哩】 https://b23.tv/PRkviAA
国外爆火emo模型国内上线了，阿里可以让人像照片变成唱歌视频的项目 EMO 终于发布了，体验了一下非常强。
一张简单的照片加上克隆的语音模型，就可以定制自己的数字人出镜。
Heygen 之类的产品都需要录制一段相当长的视频，并且算力成本也很高，这个直接是免费的。明天开放公测，想要提前体验的同学可以找我要一个内测邀请码。
而且不局限于写实的人像，3D 模型、 二次元漫画都可以生成视频，生成一张自己喜欢的二次元图片然后加上自己的克隆语音就可以当Vtuber了。
EMO效果为什么这么自然：
通过阅读EMO的论文发现，他们在talking head领域首次提出了weak condition（弱控制）的设计，即剔除掉了任何针对人脸的显示表征建模，转而采用一些相对较弱的控制条件来引导diffusion去噪过程，这一点其实灵感来源于文生图模型中，采用粗粒度的prompt描述来生成图片。
他们在算法pipeline中加入了face locator和speed layers，分别用来控制人脸的生成区域（人头摆动幅度）与人头的动作频率。通过这些操作，可以最大化地保留diffusion模型强大的生成创造能力，由于没有针对表情的显示表征的限制，所生成的人脸表情都会有较高的丰富度，从而表现力有较大的提升
EMO没有针对人脸生成做过多的控制，人物会做什么表情，头部会如何运动，都是由模型从数据中学习到相关的知识决定。
表情、口型的一致如何保证：
模型会在训练中找到音频特征与图像中像素的对应关系，从而放大音频特征对于这些相关像素的影响，比如嘴部，眉眼等位置的像素，让图像中的人物表情口型与音频特征保持一致。
EMO在250小时的人物讲话视频上训练，不仅仅找到了audio中具体发音与人像口型的匹配关系，更重要是发现了音频中的语气特征与人物表情的关联性，从而将音频中的语气特征，甚至暗含的情绪色彩反映到了人物微表情上，它模型在训练中慢慢学习并编码了人类表达情绪的能力。
一张简单的照片加上克隆的语音模型，就可以定制自己的数字人出镜。
Heygen 之类的产品都需要录制一段相当长的视频，并且算力成本也很高，这个直接是免费的。明天开放公测，想要提前体验的同学可以找我要一个内测邀请码。
而且不局限于写实的人像，3D 模型、 二次元漫画都可以生成视频，生成一张自己喜欢的二次元图片然后加上自己的克隆语音就可以当Vtuber了。
EMO效果为什么这么自然：
通过阅读EMO的论文发现，他们在talking head领域首次提出了weak condition（弱控制）的设计，即剔除掉了任何针对人脸的显示表征建模，转而采用一些相对较弱的控制条件来引导diffusion去噪过程，这一点其实灵感来源于文生图模型中，采用粗粒度的prompt描述来生成图片。
他们在算法pipeline中加入了face locator和speed layers，分别用来控制人脸的生成区域（人头摆动幅度）与人头的动作频率。通过这些操作，可以最大化地保留diffusion模型强大的生成创造能力，由于没有针对表情的显示表征的限制，所生成的人脸表情都会有较高的丰富度，从而表现力有较大的提升
EMO没有针对人脸生成做过多的控制，人物会做什么表情，头部会如何运动，都是由模型从数据中学习到相关的知识决定。
表情、口型的一致如何保证：
模型会在训练中找到音频特征与图像中像素的对应关系，从而放大音频特征对于这些相关像素的影响，比如嘴部，眉眼等位置的像素，让图像中的人物表情口型与音频特征保持一致。
EMO在250小时的人物讲话视频上训练，不仅仅找到了audio中具体发音与人像口型的匹配关系，更重要是发现了音频中的语气特征与人物表情的关联性，从而将音频中的语气特征，甚至暗含的情绪色彩反映到了人物微表情上，它模型在训练中慢慢学习并编码了人类表达情绪的能力。
第一轮翻译--信,追求直译, 将英文翻译成中文, 力求准确
第二轮翻译--达,在第一轮翻译的基础上, 考虑文化, 语境, 语义, 思考文字背后想要表达的意思, 进行意译, 力求意境契合, 记得分开思考和翻译内容。
第三轮翻译--雅, 基于第二轮翻译理解的语境含义, 进一步思考其中的哲理, 然后使用中国<诗经>的语言风格针对哲理和语义进行翻译, 力求简明, 古意盎然
例如:
- you need you. 哲理部分，可以引申到佛家所说的"莫向外求", 儒家所说的"反求诸己", 然后思考使用诗经语言风格进行重新表述.
- nothing for nothing. 哲理部分，可以引申到诗句“世上本无事，庸人自扰之”，也可引申到俗语“尘归尘，土归土”
第四轮翻译--初审: 完成三轮翻译后， 深吸一口气， 缓一缓， 思考一下第三轮翻译的结果，与其哲理的偏差在哪？ 不要扩展太多，务求精练深刻，精辟是第一要义。 据此思路进行改进。
第五轮翻译--终审: 最终，你将亲自进行审稿， 你会对比原文和最后的翻译结果， 先思考《诗经》的语言表达风格要点，再审阅初审翻译的结果是否满足, 并给出你的审校修改结论。
注意: 思考部分,请使用 【思考】 开头，翻译结果请使用【翻译】开头。
请严格遵守以上工作流程， 对以下文字进行翻译：
好的视觉和交互体验甚至会非常明显的影响产品的传播效果。
Shapeof 推出了一份非常详细的 AI 产品体验设计指南，涵盖的内容有：
如何设计标识
如何规划页面导航
如何帮助用户使用和获取提示词
如何让用户自定义模型设置获得自己期望的结果
让用户控制响应并评估其准确性
我完整翻译并整理了这一整套内容，如果你是相关设计师或者正在开发相关 AI 产品可以多看看，可操作性很强。
这里是第一部分，如何设计 AI 产品的标识：https://www.guizang.ai/work/%E6%8E%A2%E7%B4%A2%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD%E7%9A%84%E4%BA%A4%E4%BA%92%E6%A8%A1%E5%BC%8F-%E5%A6%82%E4%BD%95%E8%AE%BE%E8%AE%A1%E6%A0%87%E8%AF%86
