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
我很少公开分享和 AI 相关的想法，因为这个领域变化得太快了，所有的想法都显得粗糙和仓促：
1、对话依然是目前 AI 最通用的交互方式。功能套壳用起来很爽很高效，但目前只有对话这个交互形式才能延伸出其他的可能用法。
2、场景让对话更有生产力。场景最重要的是为对话引入了环境上下文。
3、现在做个 AI 应用，应该在场景引入对话、还是在对话中开启场景？比如 Notion AI、Cursor 是前者，ChatGPT Canvas 和 Claude Artifact 很自然地选择了后者…
1、对话依然是目前 AI 最通用的交互方式。功能套壳用起来很爽很高效，但目前只有对话这个交互形式才能延伸出其他的可能用法。
2、场景让对话更有生产力。场景最重要的是为对话引入了环境上下文。
3、现在做个 AI 应用，应该在场景引入对话、还是在对话中开启场景？比如 Notion AI、Cursor 是前者，ChatGPT Canvas 和 Claude Artifact 很自然地选择了后者…
终于有个产品把 AI 代码生成这一套做全了。
StackBlitz 推出 bolt. new，可以看作 Artfacts、V0 和 Replit 的结合体。
支持提示、编辑、部署的全栈流程;
带有完整的开发环境;
可以实时预览生产结果。
最重要的是免费。
StackBlitz 推出 bolt. new，可以看作 Artfacts、V0 和 Replit 的结合体。
支持提示、编辑、部署的全栈流程;
带有完整的开发环境;
可以实时预览生产结果。
最重要的是免费。
为什么 AI 播客的范式一定是未来？
我找到了 NotebookLM 最早在今年5月 Google IO 大会的官方演示，看完就知道这一定是未来的形态。
因为 AI 播客，听众可以随时 JOIN！
你可以随时向主播提出任何问题
你甚至可以引导主播谈论问题的倾向
内容消费的下一个形态，就是用户直接偏好的实时内容生成。
耐心看完，不是我吹，这TM就是未来。
这种互动式的内容生成范式是未来，但不一定是播客，也许还是视频，视频就是声音做好之后加个图像模态而已。
Invalid media: video
我找到了 NotebookLM 最早在今年5月 Google IO 大会的官方演示，看完就知道这一定是未来的形态。
因为 AI 播客，听众可以随时 JOIN！
你可以随时向主播提出任何问题
你甚至可以引导主播谈论问题的倾向
内容消费的下一个形态，就是用户直接偏好的实时内容生成。
耐心看完，不是我吹，这TM就是未来。
这种互动式的内容生成范式是未来，但不一定是播客，也许还是视频，视频就是声音做好之后加个图像模态而已。
Invalid media: video
我可以算是AI的极端拥戴者了，即便如此，我也非常谨慎于AI批量生产垃圾的能力，智能化的用途很广，给互联网增加过剩其实是最没价值的方向。
而且AI生产出来的东西，有点遵循「一旦它涉足了你正好熟知的领域」的规律，如果没有专业的主控者，就只能被门外汉看来「不明觉厉」，实际上全是能够被一眼看穿的纰漏。
说得更直白点，AI的定位始终是副驾驶，如果使用者开车技术不行，就根本做不出达到交付标准的内容出来。
NotebookLM这波就是典型的震惊体，很多人会觉得播客又被颠覆了，普通人随便弄半个小时就能生成上架一档完整的播客，这还得了，要变天了⋯⋯
但会这么认为的人，其实根本不懂播客，播客是最没工业化批量生产容身之地的行业，这里既没有流量补贴的玩法，内部的竞争程度得也够卷，商业变现的逻辑更是跟着人设走的，拿AI预制菜去跑马圈地，除了徒增服务器负载之外，除了取悦自己之外，没有任何意义。
AI的总结也是，如果是用于自己的研读学习，可能问题不大，但是交付到全网，那股异味就怎么都挥之不去，尤其是比如我这种天天和文字打交道的，对于AI总结的无效堆砌和信息丢失简直太敏感了，属于卒读即会破坏我自身文本系统的做法，代价太高了。
换位思考，我也能够理解画手群体对于AI绘画的「尸块」评价，虽然这里面确实有着对饭碗被砸的恐慌，但在他们眼里，AI作品的糊弄性是很强的，一般人跑图觉得自己也能画东西了是一码事，让专业艺术家去接受审美降级又是另一码事。
我前几天跟人说，我对AI的使用，是在交付上零容忍，在兴趣上无上限，什么意思呢，就是在我懂和擅长的领域，比如写给你们看的成品里，没有任何AI的成分，但在我自己是外行的领域，且并不指望拿来交付，只为玩票体验，比如用Midjourney画点东西，用Runway跑跑视频，我对AI是完全拥抱的，同时不会把它交付到垂直社区里增进污染。
这也是我对AI的使用原则，它应该成为扩大人类外延的工具，而不是替换掉人类的训练结果。
当然了，在工作过程里利用AI能力则是另一种场景，不在上述评判当中。
而且AI生产出来的东西，有点遵循「一旦它涉足了你正好熟知的领域」的规律，如果没有专业的主控者，就只能被门外汉看来「不明觉厉」，实际上全是能够被一眼看穿的纰漏。
说得更直白点，AI的定位始终是副驾驶，如果使用者开车技术不行，就根本做不出达到交付标准的内容出来。
NotebookLM这波就是典型的震惊体，很多人会觉得播客又被颠覆了，普通人随便弄半个小时就能生成上架一档完整的播客，这还得了，要变天了⋯⋯
但会这么认为的人，其实根本不懂播客，播客是最没工业化批量生产容身之地的行业，这里既没有流量补贴的玩法，内部的竞争程度得也够卷，商业变现的逻辑更是跟着人设走的，拿AI预制菜去跑马圈地，除了徒增服务器负载之外，除了取悦自己之外，没有任何意义。
AI的总结也是，如果是用于自己的研读学习，可能问题不大，但是交付到全网，那股异味就怎么都挥之不去，尤其是比如我这种天天和文字打交道的，对于AI总结的无效堆砌和信息丢失简直太敏感了，属于卒读即会破坏我自身文本系统的做法，代价太高了。
换位思考，我也能够理解画手群体对于AI绘画的「尸块」评价，虽然这里面确实有着对饭碗被砸的恐慌，但在他们眼里，AI作品的糊弄性是很强的，一般人跑图觉得自己也能画东西了是一码事，让专业艺术家去接受审美降级又是另一码事。
我前几天跟人说，我对AI的使用，是在交付上零容忍，在兴趣上无上限，什么意思呢，就是在我懂和擅长的领域，比如写给你们看的成品里，没有任何AI的成分，但在我自己是外行的领域，且并不指望拿来交付，只为玩票体验，比如用Midjourney画点东西，用Runway跑跑视频，我对AI是完全拥抱的，同时不会把它交付到垂直社区里增进污染。
这也是我对AI的使用原则，它应该成为扩大人类外延的工具，而不是替换掉人类的训练结果。
当然了，在工作过程里利用AI能力则是另一种场景，不在上述评判当中。
NotebookLM 爆火全网，而我们做出了个中文版！！！
两周前我写了一篇文章介绍了近期最棒的 AI 应用 NotebookLM，最近这个产品越来越火...
连 AI 界的大神 Andrej Karpathy 都制作了10 集的新播客「神秘历史」，并发布到了 Spotify。
NotebookLM 虽好，但目前功能还很局限，目前既不支持中文，也不支持更换主播，非常遗憾。于是 Orange AI 和朋友们在国庆期间搞了个小黑客松，直接做出了 NotebookLM 的中文版。那做好的效果如何呢？我姑且放了一期上来，聊聊最近爆火的中国股市，强烈推荐大家体验：
这套 AI 中文播客工作流，不仅听起来效果不错，而且使用体验极致优雅：
输入任何话题或文章——调用 AI 搜索——自动生成多人 AI播客
- 做一期播客只要2分钟！
- 支持任何话题！
- 支持任何语言！
Invalid media: video
两周前我写了一篇文章介绍了近期最棒的 AI 应用 NotebookLM，最近这个产品越来越火...
连 AI 界的大神 Andrej Karpathy 都制作了10 集的新播客「神秘历史」，并发布到了 Spotify。
NotebookLM 虽好，但目前功能还很局限，目前既不支持中文，也不支持更换主播，非常遗憾。于是 Orange AI 和朋友们在国庆期间搞了个小黑客松，直接做出了 NotebookLM 的中文版。那做好的效果如何呢？我姑且放了一期上来，聊聊最近爆火的中国股市，强烈推荐大家体验：
这套 AI 中文播客工作流，不仅听起来效果不错，而且使用体验极致优雅：
输入任何话题或文章——调用 AI 搜索——自动生成多人 AI播客
- 做一期播客只要2分钟！
- 支持任何话题！
- 支持任何语言！
Invalid media: video
我之前说过目前让 LLM 生产或者解决界面或者交互设计的问题不现实。
因为 LLM 没有那么多 UI 界面数据的训练，也不知道很多美学和体验知识。
Coframe 为了解决这个问题跟 Open AI 合作对 GPT-4o 视觉模型做了微调。
微调后的模型生成的界面在美学表现和视觉语言遵循上好了非常多。
详细介绍：www.coframe.com/post/coframe-works-openai-to-develop-first-of-its-kind-ui-code-generation
你是一个总结者。您将使用以下步骤对输入进行总结：
1.) 分析输入文本并生成 5 个基本问题，回答这些问题后，即可抓住文本的要点和核心含义。
2.）提出问题时：
a. 讨论中心主题或论点
b. 确定关键支持思想
c. 突出重要事实或证据
d. 揭示作者的目的或观点
e. 探索任何重要的含义或结论。
3.) 逐一详细地回答提出的所有问题。
来源：www.reddit.com/r/LocalLLaMA/comments/1ftjbz3/shockingly_good_superintelligent_summarization/
Open AI 开源了一个新的 Whisper turbo 模型。
这是 Large v3 模型的蒸馏模型
运行速度提升了8倍
显存 (VRAM) 使用效率提高了40%
准确度仅有微小降低
太猛了，在使用Whisper的服务可以替换了。
这里尝试新模型：huggingface.co/spaces/hf-audio/whisper-large-v3-turbo
这是 Large v3 模型的蒸馏模型
运行速度提升了8倍
显存 (VRAM) 使用效率提高了40%
准确度仅有微小降低
太猛了，在使用Whisper的服务可以替换了。
这里尝试新模型：huggingface.co/spaces/hf-audio/whisper-large-v3-turbo
编程门槛是真的低了，16岁的香港学生。
用Cursor和V0做了一个可以在图片主体后加文字的工具。
文字可以进行非常详细的自定义，比如字体、位置、大小、颜色等。
而且还带谷歌登录的。
这里尝试：textbehindimage.rexanwong.xyz
用Cursor和V0做了一个可以在图片主体后加文字的工具。
文字可以进行非常详细的自定义，比如字体、位置、大小、颜色等。
而且还带谷歌登录的。
这里尝试：textbehindimage.rexanwong.xyz
