nicekate

统计数据

114

文章

0

粉丝

0

获赞

773

阅读

1个月前

PaddleOCR-VL 依赖下了，模型下了，突然发现 Mac 上还用不了

#PaddleOCR-VL #Mac #模型 #无法使用 #技术问题

1个月前

喜欢和菜头最近文章的配图风格，参考样式让 Gemini 生成了几张

Google Gemini 2.5发布引发AI模型性价比热议· 475 条信息

OpenAI新德里发布会：ChatGPT语音翻译功能引发热议· 869 条信息

#和菜头 #文章配图 #Gemini #图像生成 #风格参考

1个月前

Claude Code 新的交互式问题工具挺好，可以多选或单选

AI编程工具激战：Claude Code、Gemini Cli崛起· 1256 条信息

#Claude #Code #交互式 #问题工具 #多选/单选

1个月前

喂给 Grok Imagine 一张图，它能为你生成适合视频或幻灯片的动感素材

AI视频井喷：Midjourney领跑，多模态混战· 337 条信息

#Grok Imagine #动感素材 #视频幻灯片 #AI生成 #图像处理

1个月前

Grok Image 太有意思了，让实拍照片里的文物活了记得选有趣模式，生成的视频更动感

AI视频井喷：Midjourney领跑，多模态混战· 337 条信息

#Grok Image #文物 #有趣模式 #动感 #AI

1个月前

Veo3 生成的儿童故事画面真的好治愈音效和画面搭配得很完美

AI视频井喷：Midjourney领跑，多模态混战· 337 条信息

#Veo3 #儿童故事 #治愈 #音画搭配 #积极

1个月前

马斯克说 Grok Imagine 模型升级了，试了下 Grok 官网，视频生成效果相当不错，生成速度快，视频无可见水印，有声音以下视频都是图片生成视频（没有提示，自动生成视频）生成后的视频和我发给它的图片一致性保持相当好物理真实性很好一些画面 Veo 生成不了，Grok 可以小问题：视频音效欠佳瑕不掩瑜，8刀 X 会员性价比很高

AI视频井喷：Midjourney领跑，多模态混战· 337 条信息

#马斯克 #Grok Imagine #视频生成 #快速 #性价比高

1个月前

在 Augment 里使用 Sonnet 4.5 一次提问调用了 84 tools Sonnet 4.5 运行还是很持久的，在 Augment 调用工具似乎比 GPT-5 更强不过两个模型都不擅长 AppleScript 脚本编写，要说矮子里拔尖，Sonnet 4.5 更好

#augment #Sonnet 4.5 #tools调用 #AppleScript脚本编写 #模型对比

2个月前

测试了下 GLM-4.6，非常不错，在两项任务上超过 Claude Sonnet 4.5，我对比了3个任务昨晚10点使用，速度正常，23点就开始卡顿了，无论是 Claude Code、Roo Code 还是 z ai 官网估计是越来越多外国用户使用了，可能需要限流或尽快扩大算力，才能保证已购买编码套餐用户的使用体验注：智谱清言速度还OK

#GLM-4.6 #Claude Sonnet 4.5 #智谱清言 #速度卡顿 #用户体验

2个月前

太棒了，智谱升级到 4.6 刚发现，只要是支持 OpenAI 协议的工具，都可以通过替换请求的 API 链接来接入 GLM-4.6 模型及 GLM 编程套餐例如： Cursor、ChatWise、Gemini CLI、Cherry 使用 GLM 编程套餐时，需要配置专属的 Coding API 端点

智谱直播发布全球最佳视觉模型GLM-4.5V，挑战AI视觉领域极限· 21 条信息

#智谱AI #GLM-4.6 #编程套餐 #API接入 #工具升级

2个月前

新视频上线——实测 DeepSeek V3.2‑Exp PK Qwen 3 Max 测试包括信息可视化（《人类简史》《黑客与画家》）翻译与诗歌生成、面向儿童的科普、指令鲁棒性、安全与拒绝策略、“大海捞针”检索、零售经营分析 V3.2‑Exp 的突破不仅是“降本增效”，更为行业提供了通过架构升级提升效率的可行路径完整视频：🧵

深度学习模型升级引发AI能力大跃进，行业迎新变革· 143 条信息

#DeepSeek V3.2-Exp #Qwen 3 Max #AI模型评测 #架构升级 #降本增效

2个月前

Claude Sonnet 4.5 把中文标点又变成了半角符号，啊啊啊，有其他人也遇到这样情况吗

#Claude Sonnet 4.5 #中文标点 #半角符号 #bug #用户抱怨

2个月前

目前 Qwen Code 更好用了，工具调用成功率较高，识别图片后自动转图片模型，之后再自动回到 Coder 模型

深度学习模型升级引发AI能力大跃进，行业迎新变革· 143 条信息

#Qwen Code #工具调用 #图片模型 #Coder 模型 #成功率较高

2个月前

夜晚，来点 Radio 的音乐，两个机器都有 FM 经典机器：山进 SR35、索尼 NWZ-B183F

#FM Radio #山进 SR35 #索尼 NWZ-B183F #音乐 #经典机器

2个月前

LM Studio 用上免费的 duckduckgo 插件后，如虎添翼图2-校对后图3-校对前

#LM Studio #duckduckgo插件 #免费 #效率提升 #校对功能

2个月前

不是替代，是分工：IDE 里沉浸写码用 Augment Code VS Code 插件需要自动审查/日志清洗/告警分流，用 Auggie CLI 点开视频，少走弯路👇🧵

AI编程工具激战：Claude Code、Gemini Cli崛起· 1256 条信息

#Augment Code #VS Code插件 #Auggie CLI #IDE #代码

2个月前

用上了 Recraft 的 chat 模式，很大的感受是速度很快，它的文字回复很简洁，很适合设计前get灵感

AI编程工具激战：Claude Code、Gemini Cli崛起· 1256 条信息

#Recraft #chat模式 #设计灵感 #速度快 #简洁

2个月前

Qwen3-Omni 不降智还超越，太牛了 Qwen3-Omni 技术报告写道： Qwen3-Omni-30B-A3B-Instruct 对比 Qwen3-235B-A22B 前者在 GPQA、AIME25、ZebraLogic、WritingBench 上超越后者更大的模型多模态训练反而提升了语言能力

#Qwen3-Omni #AI模型 #技术突破 #多模态训练 #性能超越

2个月前

Qwen 开源 Qwen3-Omni-30B-A3B-Captioner，不明白这里的 Captioner 是什么意思，让 GPT 解释了下 Captioner”指的是“音频描述生成器”——一种专门做音频描述（audio captioning）的模型：输入任意一段音频，模型用自然语言生成对声音场景的细致描述，而不是逐字把人声转成文本举个例子：给模型一段街头录音，ASR会输出“有人说：‘往左走’”；而Captioner会输出“傍晚的繁忙街道上，车辆驶过伴随间歇的喇叭声，远处有人交谈”。

#Qwen3-Omni-30B-A3B-Captioner #音频描述生成器 #audio captioning #声音场景描述 #自然语言生成

2个月前

提问：Grok 4 Fast 和 DeepSeek-V3.1-Terminus，搜索他们在不同基准上的对比，生成表格，还有价格的对比结果：两个模型在这个问题都回答不好图1-图2是我将链接和图片信息直接发给 Grok 4 Fast，几次修改后的结果图3 是Grok 4 Fast生成的错误信息图4 是DeepSeek-V3.1-Terminus生成的

#Grok 4 Fast #DeepSeek-V3.1-Terminus #模型对比 #回答错误 #基准测试

2个月前

OpenBMB 推出 VoxCPM-0.5B，试了下，中文语音生成还不错，读数字也准确，他们给出的性能图里有多个不同语音模型的表现，推荐看下注： Seed-TTS-eval 用哪些指标？ - WER（Word Error Rate，↓越低越好）：把合成语音用 ASR 转回文本，与目标文本比对得到词错率；英文用 Whisper-large-v3，中文用 Paraformer-zh 做 ASR。 - SIM（Speaker Similarity，↑越高越好）：用 WavLM-large（说话人验证微调版）提取说话人嵌入，计算合成语音与参考语音的余弦相似度。 CV3-eval 用哪些指标？ - 内容一致性：CER/WER（↓）依据语种选 CER（中文常用）或 WER（英文常用）；ASR 引擎为 Whisper-large-v3（英）和 Paraformer（中）。 - 说话人相似度：SIM（↑）用 ERes2Net 说话人验证模型提取嵌入，计算与参考语音的余弦相似度。 - 音频质量：DNSMOS（↑）用 DNSMOS 网络打分，无参考评估与人听感高度相关。此外，CV3-eval 还包含情感克隆子集（用情感分类器做情感准确率）以及若干主观 MOS 测试集，但核心客观三项是 CER/WER、SIM、DNSMOS。小结： WER/CER：越低越清晰、越“读对字”。 SIM：越高越像参考说话人。 DNSMOS：越高越干净、音质越好（常见范围约 1–5 分）。

#OpenBMB #VoxCPM-0.5B #中文语音生成 #语音模型性能 #语音评估指标

2个月前

终于能用上 Chrome 里的 Gemini 了，期待几个月了，支持文字对话，语音对话 chrome://settings/ai/gemini 可以设置更多

Google Gemini 2.5发布引发AI模型性价比热议· 475 条信息

OpenAI新德里发布会：ChatGPT语音翻译功能引发热议· 869 条信息

#CHROME #Gemini #文字对话 #语音对话 #AI

2个月前

lovart 目前也可以免费使用 Nanobanana 和即梦4.0 而且它的 Agent 功能比即梦 AI 更强

#Lovart #nanobanana #即梦4.0 #Agent功能 #AI

2个月前

即梦 4.0 连续生图功能也太好用了吧提示词最后---生成5张图片，而不是1张图片

AI视频井喷：Midjourney领跑，多模态混战· 337 条信息

#即梦4.0 #连续生图 #AI #图像生成 #积极

2个月前

即梦 4.0 4K 出图相当可以，生成多格漫画，1 张图裁切可以当 4 张图用，一致性也很好，文字也都对，词意理解和文字排版、字体稍有问题，但已经相当好了提示词：分镜1：竹林小屋，少年持剑望月，对话框文字：“师父，妖兽又来了！”（楷体，墨色，毛笔质感）分镜2：竹林深处，少年与白狐并肩，白狐爪中托着发光符文，对话框文字：“信我，能破阵！”（行书，青色，半透明）分镜3：山洞阵法，符文环绕少年，对话框文字：“天地共鸣，起！”（篆体，金色，微光效果）分镜4：破阵后朝阳升起，少年与白狐背影，对话框文字：“守护这片山林，直到永远。”（隶书，暖橙，背景光晕）风格：中国水墨+现代漫画，角色衣着细节一致，所有中文文字清晰工整。（白狐爪而不是少年的手）

#即梦4.0 #4K出图 #多格漫画 #中国水墨风 #少年与白狐