AI探索指南

  1. Demo 不算产品,用户真正可用的才叫产品

    Demo 不算产品,用户真正可用的才叫产品。

    只给 Demo 不给产品甚至连发布时间都没有的一律按新建文件夹的诈骗处理。

    Arc CEO 说这个夏天剩下的时间他都不会发推了。

    “最近整个行业都很怪,感觉大家都在宣布新东西,但却没有真正发布。

    谷歌 I/O 大会发布那么多东西,用上的寥寥无几,甚至苹果都开始画饼,今年 WWDC 发的东西 2025 年才能用上。

    所以他想挑战一下用真正可用的产品来讲述他们希望的未来。”

  2. 微软开源的一个文本编码器Glyph-ByT5-v2

    微软开源的一个文本编码器Glyph-ByT5-v2。

    支持使用十多种语言生成图片。

    还搭配了一个使用这个文本编码器的 SDXL 模型,可以直接生成中文海报和内容。

    从演示来看排版都挺好的。

    1) 创建了一个高质量的多语言字形文本和图形设计数据集,包含超过100万个字形文本对和1000万个图形设计图像文本对,覆盖另外九种语言;

    2) 构建了一个多语言视觉段落基准数据集,包括1000个提示,每种语言100个,用于评估多语言视觉拼写准确性;

    3) 采用最新的步进感知偏好学习方法,提高了视觉美学质量。

    模型下载:https://huggingface.co/GlyphByT5/Glyph-SDXL-v2

  3. 年轻人拒绝伺候扫地机了

    年轻人拒绝伺候扫地机了

    今天跟我奶奶👵说,咸鱼上找保洁搞卫生,15元/小时很便宜,我奶奶说不能用扫地机器人吗?

    我说,阿姨一次30元/2小时,每周一次,一个月120元。一年大概跟一个入门版扫地机器人一样的价格。但是扫地机器人只能清洁地板,不能帮我清洁猫砂盆,洗猫砂盆,洗猫咪的碗,也不能搞厨房和厕所的卫生。

    说完,忽然有点莫名的悲伤😞

  4. 一些使用国产 AI 大模型的细节限制

    一些使用国产 AI 大模型的细节限制。

    1.kimi 的文本生成很强,但没有数据分析能力,会把上传的 Excel 识别为文本。kimi 无法识别图片,只能识别图片的文本,OCR。

    2.智谱清言可以识别图片内容,可以做数据分析,但是要用数据分析的智能体,经常抽风。你不和他特地强调 Excel 里有几个 sheet,他只默认识别第一个 sheet。

    3.coze 里上传 Excel 分析的体验很差,coze 的知识库是无法理解数据集的,还是当成文本来处理。

  5. 机器逐渐智能,走进人类的家庭,承担日常繁杂事务,成为新时代的黑奴,并奋起反抗

    机器逐渐智能,走进人类的家庭,承担日常繁杂事务,成为新时代的黑奴,并奋起反抗。
    出于政治斗争,人类中分裂出一个群体,要解放机器人,并和人类至上主义者发生战争,史称东西战争。
    最终机器人争取到人权,人“人”平等

  6. 总体花费4小时左右,大量时间在下载上传 MJ 图片的网络时间和等待抽卡结束的时间

    AI探索指南
    如何做一部风格化鲜明又统一的 AI 短片? 「VISION」视频制作流程分享⬇️ 分享色彩统一、主题鲜明、流动感强的技巧 原视频:https://m.okjike.com/originalPosts/666d7cd319d274e296add59d?s=ewoidSI6ICI2NDk0MzEwNDA1MDU0NDcyNjRkNmI3MDEiCn0= 偶然在 MJ 中抽卡“Monument Valley”发现了这个色彩斑斓红色岩石般的风格 便开启这次 AI 创作之旅,文案、配音、配乐、图片、视频均由 AI…
    总体花费4小时左右,大量时间在下载上传 MJ 图片的网络时间和等待抽卡结束的时间。不过没有 AI 工具,我可能这辈子都很难做出来这种短片。

    未来不远处一个人做完一整部电影是绝对可能的,只要你有想法,并且愿意去尝试。

  7. 如何做一部风格化鲜明又统一的 AI 短片?

    如何做一部风格化鲜明又统一的 AI 短片?
    「VISION」视频制作流程分享⬇️
    分享色彩统一、主题鲜明、流动感强的技巧
    原视频:https://m.okjike.com/originalPosts/666d7cd319d274e296add59d?s=ewoidSI6ICI2NDk0MzEwNDA1MDU0NDcyNjRkNmI3MDEiCn0=

    偶然在 MJ 中抽卡“Monument Valley”发现了这个色彩斑斓红色岩石般的风格 便开启这次 AI 创作之旅,文案、配音、配乐、图片、视频均由 AI 制作,我提供灵感和剪辑。

    1️⃣MJ Style Prompt
    在 MJ 网页版更好操作,用第一张图作为风格参考图后,后面的 prompt 只需要描述物体意向即可。比如鸟、树、森林、月亮,是本次我想创作的主题。如图2。

    2️⃣文案与配音
    想营造马丁卢瑟金充满希望向上的生命力,我使用11labs 克隆自己的声音,用日语念独白。
    独白让 GPT4o 生成一份“模仿马丁 I have a dream 演讲,关于生活向往的文章”

    我上传了在干净环境下录制的4mins 说话素材到11labs 即可完成 instant clone voice,如图3。实测声音特别像我念日语!很惊艳

    3️⃣配乐
    配乐用 Suno ,描绘创作想法就可以找到你想要的配乐,没抽卡几次。
    prompt 很简单:flying through a monument valley, relaxing , exciting, and a little bit halarious and weird.
    因为想要一种向上,但又不是正能量向上的感觉。所以加上了“略微奇怪”

    4️⃣动起来的视频
    Luma 和 Runway 均使用了(为了分摊成本和时间)。从视频右上角水印你可以看出哪些是 Luma 的。
    Runway 适合只有一点动感的场景,比如水波纹流动,略微场景透视变化。
    Luma 适合开头飞跃山谷这种透视变化的3D/2.5D 场景。
    Runway 更稳定一些,Luma 抽卡失败率较高,可以酌情考虑成本和抽卡时间。

    5️⃣蒙太奇剪辑
    只需要使用 text based 剪辑手法即可,根据音乐节奏调整素材速度。字幕和字体很关键,适当加一些转场特效。
    一个小 tips,让画面与音乐变化或台词变化的节奏错开一点,会增加视频的有机程度,没那么像卡点剪辑。

  8. 看完了对 HeyGen 创始人的访谈并整理成笔记

    看完了对 HeyGen 创始人的访谈并整理成笔记

    主题包括:
    - 新技术的 MVP
    - 构建增长系统
    - 优化与迭代
    - 如何学习新技能

    原文地址:
    https://mp.weixin.qq.com/s/zCWSynbvyAYn2Z9iXfnTYA

    图片生成:
    Obsidian 插件 Export Image,我随便搜索到的,没想到效果很好,感谢作者
    https://github.com/zhouhua/obsidian-export-image
    FjuT9bG3ltCOkaNLw3EGrih3aOX1v3.png
    686 KB

  9. AI探索指南
    Gamma真的好美 在研究产品,深度使用ing 用来做了播客的PPT版本 发现整个过程中的设置都好优雅 最后生成的效果也很方便调整 把文字导入到最后出终稿 大约20分钟多 包括移动端打开也会自动适配 感兴趣可以看看: 360AI搜索:国内增速第一背后的探索 https://gamma.app/docs/360AI-x3g52s7tvy3otgn
    FniSPKT0FR8ssUplmS3lIGGNjVdav3.png
    387.7 KB