AI探索指南

  1. 卧槽,我们有开源的 Heygen 可以用了?

    卧槽,我们有开源的 Heygen 可以用了?

    目前开源的HeyGen类似项目基本都支持面部和唇形同步,不支持更大范围的肢体运动。

    TANGO 这个项目只需要提供几十秒的肢体运动视频,就可以无限生成匹配对应音频的全身视频。

    再搭配上一些唇形同步开源项目比如快手的LivePortrait,完美复刻HeyGen不是梦想。

    项目生成逻辑是:

    首先,该系统会分析参考视频,创建一个包含各种可能身体姿势和动作转换的"动作图谱 (motion graph)"。

    接着,系统会选择最能配合音频的最佳动作序列。

    最后,它会生成流畅的过渡帧,从而创建出一个真实自然的动作视频。

    项目地址:https://pantomatrix.github.io/TANGO/

    Invalid media: video

  2. Kimi 居然更新了语音通话模式!

    Kimi 居然更新了语音通话模式!

    今天突然发现我的 Kimi 上多了一个按钮,点了一下发现是语音通话功能,最近集中发货啊。

    试了一下效果还挺好的:

    最好的一个设计是可以在语音界面展示字幕;
    支持打断模式;
    支持更换声音;
    支持语速调节;

    另外还有独特的情景模式:
    一个是英语陪练,可以单词跟读语法纠错和话题口语练习;
    另一个是模拟面试,可以挖掘你的简历模拟面试场景。

    还支持声音克隆,克隆的声音也能在语音通话里使用,我也克隆了自己的,可以在下面领取。

    这里领取藏师傅的声音:https://kimi.moonshot.cn/m/tone/cs6eib9m9sk0pol7pu4g

    Invalid media: video

  3. 写 Prompt 的过程中,对于语言,要区分两个概念: 语义学(Semantics)和语用学(Pragmatics)

    写 Prompt 的过程中,对于语言,要区分两个概念: 语义学(Semantics)和语用学(Pragmatics)。

    语义学认为语言的意义包含在「语言形式」之中。语用学认为语言的意义包含在「语境」当中。

    英国哲学家保罗・格莱斯提出语用学的四条准则, 大家写 Prompt 时可以作为参考:

    1. 量的准则(Maxim of Quantity)

    所说的话不应包含多于需要的信息。比如对方只是想知道你是否有空参加会议,你只需要回答 “我有空” 或 “我没空”,而不需要详细阐述你当天的所有行程安排。

    2. 质的准则(Maxim of Quality)

    不要说自知是虚假的话。在交流中要保证自己所说内容的真实性。不要说缺乏足够证据的话。即说话要有依据,不能信口开河。

    3. 关联准则(Maxim of Relevance)

    所说的话要与话题相关联。比如在讨论旅游景点的话题时,就应该围绕景点的特色、地理位置、游玩体验等方面展开,而不应该突然谈论起与旅游景点毫无关系的股票市场或体育赛事等内容。

    4. 方式准则(Maxim of Manner)

    避免晦涩, 避免歧义, 简练, 有条理。

  4. 太多人坚信字节这种「极致推荐用户喜欢」就是制造正反馈的不可逾越的天花板,但有没有想过:

    太多人坚信字节这种「极致推荐用户喜欢」就是制造正反馈的不可逾越的天花板,但有没有想过:
    俄罗斯方块为啥不给用户一直推他们最喜欢的直长条?

    因为人的贪嗔痴喜欢,是靠阉割来产生的。
    我最喜欢钱,但银行不让我抢,支付宝不让我破解。我第二喜欢色,但公开网络都不让看黄图。我最喜欢的东西,全都写在刑法里。我只能找点代偿品。
    因为得不到,所以才喜欢。
    所以游戏是靠故意设计boss障碍挑战,才让虚拟宝物有了价值。
    如果你能设计生成障碍,你就能制造更高的正反馈,因为正反馈本就取决于行为前后GAP高度反差

  5. 红杉、Elad Gil和Adobe CPO Scott Belsky最新投资的Cove.ai,乍一看=Miro+Monica+Notion AI

    红杉、Elad Gil和Adobe CPO Scott Belsky最新投资的Cove.ai,乍一看=Miro+Monica+Notion AI

    核心功能=浏览器插件+基于AI的无线白板画布+协作。产品设计的理念是让AI更好和人协作,里面包含3层含义:

    1)更好理解用户context-无论是画布容器内,还是浏览器、亦或是邮件或CRM;
    2)更好促进人和人之间的协作;
    3)更好地适应用户的思维模式-支持AI编辑、表格内browsing等功能。

    虽然此类创新工具产品,仍然有很高的风险是用户达不到aha moment而仅仅只是当做有chatgpt的白板使用,但能感受到创始团队不只是套壳,而是花了心思打磨产品设计和用户体验的。

    白板和Gen AI在brainstorming & research场景确实是比较适配的,因此第一眼感觉对于重度信息需求人群非协作研究场景是比较容易找到PMF,而且整体UI设计和俏皮的AI角色 (和wegic异曲同工) 也带给人好感。

    个人比较喜欢把浏览器内容 (一个网页/一段AI summary/一段精选文字) 保存在Workspace,再进行二次整理和编辑已整理思路的场景,先体验一段时间看看。

    产品地址:https://cove.ai/blog/introducing-cove