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
开个帖子记录和回顾一下我和 AI 行业的 2024
- 模型层面的发展（LLM、视频、图像）
- 我最喜欢的AI产品创新
- 我目前用钱投票的所有AI产品
### 产业&模型
图像和视频领域出乎意料的快速发展，感谢Open AI在Sora发布时最后的良知爆发，多写了点架构的事情。
**图像生成成能力爆发式的增强**
- 主要源于Sora让大家看到了DiT架构的潜力，也感谢Open AI最后一次在架构上写那么多。
- 图像质量大幅进化、真实度、细节和提示词理解都比纯扩散模型强了非常多。
- 提示词理解变强带来的控制方式的变化，工作流变得更加简单的同时对大语言模型的依赖性也变得更强。
- 文字书写能力让图像模型真的可以落地，海报、封面、梗图，每个人都有作图需求，只是之前更接近手工业的设计行业没办法低成本提供服务。
**视频生成走在图像一年前的路上**
- 24年的视频生成发展路径和生成质量跟23年的图像很像，终于在单镜头上做到了80分水平
- 跟图片不一样的是，这次国产视频模型碾压式的打爆的海外模型，可灵、海螺、即梦、Pixverse这次轮到他们反思了
- 当我们觉得视频生成模型在这个规模下质量见顶的时候，谷歌的Veo2让我们看到了视频模型的能力还能再窜一窜
- 明年视频模型会发展到深水区，我们需要啃色彩、ID、场景等一致性，我们需要解决视频模型中的文字生成问题，需要利用Agents能力解决自动化编排和生成的问题。
**大语言模型的困境和方向**
- 谁都没想到在一年前让很多人奉为圭臬的 Scaling laws 预训练可以这么快的看到顶，所以这个行业没有谁可以精准的预测发展过程。
- 更没想到的是代码能力的大幅提升让AI代码生成大规模落地了，这个互联网的基座能力被加速后，会给整个下游都带来指数级的变化。
- Gemini的原生多模态生成能力带来的25年关于内容生产和分析的自动化的发展非常令人期待
- 结构化输出问题的解决能否让Agents真正落地到产品上呢？
- 大语言模型从封闭域走向开放域现在O1和O3又回到了封闭域，推理模型的问题是用户根本不知道什么时候该用，以及结果到底对不对，产品需要思考这个问题的解决方式。
### 产品
不同于模型的困顿和发展变慢，今年的AI产品才真正爆发，整个产业一起用钱和广告把用户认知和用户规模砸了出来。
**我最喜欢的AI产品层面创新**
- 模型层面的发展（LLM、视频、图像）
- 我最喜欢的AI产品创新
- 我目前用钱投票的所有AI产品
### 产业&模型
图像和视频领域出乎意料的快速发展，感谢Open AI在Sora发布时最后的良知爆发，多写了点架构的事情。
**图像生成成能力爆发式的增强**
- 主要源于Sora让大家看到了DiT架构的潜力，也感谢Open AI最后一次在架构上写那么多。
- 图像质量大幅进化、真实度、细节和提示词理解都比纯扩散模型强了非常多。
- 提示词理解变强带来的控制方式的变化，工作流变得更加简单的同时对大语言模型的依赖性也变得更强。
- 文字书写能力让图像模型真的可以落地，海报、封面、梗图，每个人都有作图需求，只是之前更接近手工业的设计行业没办法低成本提供服务。
**视频生成走在图像一年前的路上**
- 24年的视频生成发展路径和生成质量跟23年的图像很像，终于在单镜头上做到了80分水平
- 跟图片不一样的是，这次国产视频模型碾压式的打爆的海外模型，可灵、海螺、即梦、Pixverse这次轮到他们反思了
- 当我们觉得视频生成模型在这个规模下质量见顶的时候，谷歌的Veo2让我们看到了视频模型的能力还能再窜一窜
- 明年视频模型会发展到深水区，我们需要啃色彩、ID、场景等一致性，我们需要解决视频模型中的文字生成问题，需要利用Agents能力解决自动化编排和生成的问题。
**大语言模型的困境和方向**
- 谁都没想到在一年前让很多人奉为圭臬的 Scaling laws 预训练可以这么快的看到顶，所以这个行业没有谁可以精准的预测发展过程。
- 更没想到的是代码能力的大幅提升让AI代码生成大规模落地了，这个互联网的基座能力被加速后，会给整个下游都带来指数级的变化。
- Gemini的原生多模态生成能力带来的25年关于内容生产和分析的自动化的发展非常令人期待
- 结构化输出问题的解决能否让Agents真正落地到产品上呢？
- 大语言模型从封闭域走向开放域现在O1和O3又回到了封闭域，推理模型的问题是用户根本不知道什么时候该用，以及结果到底对不对，产品需要思考这个问题的解决方式。
### 产品
不同于模型的困顿和发展变慢，今年的AI产品才真正爆发，整个产业一起用钱和广告把用户认知和用户规模砸了出来。
**我最喜欢的AI产品层面创新**
wmzb666.fun
wmzb666.fun
wmzb666.fun
👍 【维密直播】
* 优雅设计：界面精美，操作简洁，观感极佳
* 流畅体验：不卡顿、不翻墙，随时随地轻松观看
* 安全保障：无病毒、不盗取个人信息，放心畅玩💰 平台账户资金安全由“香港安盛”全力承保🏆 维密获得超过1000万以上会员的信任与好评🔞 仅限年满18周岁以上用户体验，未成年人请勿下载
前言
若要给2024年的人形机器人一个标记，爆发、元年、ChatGPT时刻......我们认为都可，取决于你进入了人形机器人光谱里的哪个位置，以及要通往何处。维特根斯坦说，不要以他人例子为指南，而应将本质作为向导。找到北极星远比过往的船只更重要。
接下来我们将以类似篇章的形式分享，CyberRobo在过去一年人形机器人的记录、铭记、思考.....或者来自人类的某些迷思（老实说，这比数据有意思多）
（上） https://mp.weixin.qq.com/s/meSrPyY_zexTRNaGY8z-mQ
Midlibrary - 风格多样！实用超2000+MJ提示词资源
Midlibrary 风格多样！实用超2000+MJ提示词资源
链接：
https://midlibrary.io/
#Ai工具推荐
Midlibrary 风格多样！实用超2000+MJ提示词资源
链接：
https://midlibrary.io/
#Ai工具推荐
midlibrary.io
Midlibrary: Midjourney AI Styles & SREF Codes Library. Midjourney Guides + Tools
The most advanced library of Midjourney AI artistic styles (from V6.1 to niji) and SREF codes. Midjourney Guides + Tools for Midjourney workflow
李沐的朋友们做了个给自家小朋友朗读故事书的AI
上传自己的故事书扫描本，这个AI就能在翻页时自动讲故事
每个人还可以分享自己的 Google 网盘里的故事书
产品叫 ReadTogether，可以看视频看看使用效果
readtogether AI 地址 https://readtogether.ai
导入故事书库的方法 https://readtogether.ai/book/vYdBq20v/1
上传自己的故事书扫描本，这个AI就能在翻页时自动讲故事
每个人还可以分享自己的 Google 网盘里的故事书
产品叫 ReadTogether，可以看视频看看使用效果
readtogether AI 地址 https://readtogether.ai
导入故事书库的方法 https://readtogether.ai/book/vYdBq20v/1
wmzb666.fun
wmzb666.fun
wmzb666.fun
👍 【维密直播】
* 优雅设计：界面精美，操作简洁，观感极佳
* 流畅体验：不卡顿、不翻墙，随时随地轻松观看
* 安全保障：无病毒、不盗取个人信息，放心畅玩💰 平台账户资金安全由“香港安盛”全力承保🏆 维密获得超过1000万以上会员的信任与好评🔞 仅限年满18周岁以上用户体验，未成年人请勿下载
AgentGPT - 革命性的AI平台！具有UI界面的Auto-GPT
AgentGPT 革命性的AI平台！具有UI界面的Auto-GPT
链接：
https://agentgpt.reworkd.ai/
#Ai工具推荐
AgentGPT 革命性的AI平台！具有UI界面的Auto-GPT
链接：
https://agentgpt.reworkd.ai/
#Ai工具推荐
agentgpt.reworkd.ai
AgentGPT 🤖
Assemble, configure, and deploy autonomous AI Agents in your browser.
一个建议，不一定对：
虽然deepseek是国产良心，我也很建议在做AI应用调用API时使用。
但是最好别接入Cursor作为默认模型使用，现在让AI编程跨过可用性临界点的依然有且只有Claude 3.5 sonnet，o1实际体感也不够好。为了节约成本或者支持国产做这个选择还是得不偿失。
测试这事让自媒体去干（比如我，我其实一般都懒得干了），大家实际在做AI编程的话就先关注自己要解决的问题，不用关注那么多噪音。
虽然deepseek是国产良心，我也很建议在做AI应用调用API时使用。
但是最好别接入Cursor作为默认模型使用，现在让AI编程跨过可用性临界点的依然有且只有Claude 3.5 sonnet，o1实际体感也不够好。为了节约成本或者支持国产做这个选择还是得不偿失。
测试这事让自媒体去干（比如我，我其实一般都懒得干了），大家实际在做AI编程的话就先关注自己要解决的问题，不用关注那么多噪音。
Google Bard - 媲美ChatGPT，最新的谷歌AI对话模型
Google Bard 媲美ChatGPT，最新的谷歌AI对话模型
链接：
https://bard.google.com/
#Ai工具推荐
Google Bard 媲美ChatGPT，最新的谷歌AI对话模型
链接：
https://bard.google.com/
#Ai工具推荐
Gemini
Google Gemini
Meet Gemini, Google’s AI assistant. Get help with writing, planning, brainstorming, and more. Experience the power of generative AI.
