Gorden Sun

统计数据

267

文章

0

粉丝

0

获赞

642

阅读

3个月前

AI资讯日报，6月4日：

#AI乱象不止：内容注水，隐私堪忧· 173 条信息

3个月前

AI资讯日报，6月3日：

#AI乱象不止：内容注水，隐私堪忧· 173 条信息

3个月前

PlayDiffusion：可局部编辑的音频模型基于扩散模型，可以实现局部编辑一段音频里的部分内容，类似图片的inpaint一样。例如，原音频是“The answer is out there, Neo. Go grab it!”，可以把其中的Neo改成其他人名，而不修改其他部分的音频。不支持中文。 Github：在线体验：

#音频编辑 #扩散模型 #PlayDiffusion #音频局部编辑 #机器学习 #AI

3个月前

谷歌开源了一套Deep Research应用全栈应用，前端React，后端LangGraph。LangGraph Agent提供对话能力，使用Google API做搜索，使用Gemini API生成回复。 Github：

谷歌Deep Research：AI操作系统雏形？· 66 条信息

#谷歌 #Deep Research #LangGraph #Gemini API #开源

3个月前

AI资讯日报，6月2日：

3个月前

AI资讯日报，6月1日：

3个月前

互联网女王Mary Meeker的AI领域报告，长达340页的PPT。文件地址：

#互联网女王 #Mary Meeker #AI报告 #340页PPT #科技趋势 #人工智能 #行业分析

3个月前

FLUX.1 Kontext修复老照片非常神奇，基本上达到了之前ComfyUI一串非常复杂的工作流的效果，而且实现方法只需要一句提示词：Restore and colorize this image. Remove any scratches or imperfections.

#FLUX.1 #照片修复 #图像处理 #人工智能 #图像上色

3个月前

AI资讯日报，5月31日：

#AI乱象不止：内容注水，隐私堪忧· 173 条信息

3个月前

AI资讯日报，5月30日：

#AI乱象不止：内容注水，隐私堪忧· 173 条信息

3个月前

FLUX.1 Kontext：GPT-4o图片编辑的绝对竞争者效果相当好，我认为比GPT-4o更强。改图时可以保持人物一致性，指令遵循强，即使连续迭代一张图，图片质量降低的也很小。你可以试试用GPT-4o连续改一张图，人物会改的面目全非。从低到高分dev、pro、max三个版本，pro就够用，dev小范围开源中。图1：原图；图2：改背景；图3：继续改发型；图4：继续改衣服；

#FLUX.1 #图片编辑 #AI技术 #竞争 #开源

3个月前

AI资讯日报，5月29日：

#AI乱象不止：内容注水，隐私堪忧· 173 条信息

#AI #资讯 #日报

3个月前

Lemon AI：开源通用智能体写的是全栈通用智能体，但是目前看起来就是调用LLM+搜索API+经验库，来实现类似Deep Research的功能。 Github：手册：

#Lemon AI #开源 #通用智能体 #全栈智能 #LLM #搜索API #经验库 #Deep Research

3个月前

DualParal：生成1分钟长度的视频使用分布式推理策略，可以让DiT视频模型生成1分钟长度的视频。项目地址：

#DualParal #分布式推理 #DiT视频模型 #视频生成

3个月前

DeepSeek R1小版本升级虽说是小版本，代码能力提升明显，前端审美大幅提升。我就说要炫酷的网页，就做出这样的效果。

深度学习模型升级引发AI能力大跃进，行业迎新变革· 63 条信息

#DeepSeek #软件更新 #前端设计

3个月前

AI资讯日报，5月28日：

3个月前

OmniConsistency：DiT绘画模型通用插件适用于Flux等DiT绘画模型，能在保持主体一致性的同时，实现风格泛化，且与现有的LoRA兼容。效果非常好，风格化接近GPT-4o的水平，人物一致性的保持比GPT-4o好。在线使用：模型：

#绘画模型 #OmniConsistency #DiT #Flux #主体一致性 #风格泛化 #LoRA兼容 #风格化 #GPT-4o #在线使用

3个月前

HunyuanVideo-Avatar：语音驱动视频生成通过音频，生成人物说话的视频，人物有肢体和头部动作，有表情，支持多角色。适用于虚拟人的场景。模型：

#HunyuanVideo #语音驱动 #视频生成 #虚拟人 #多角色

3个月前

AI资讯日报，5月27日：

#AI乱象不止：内容注水，隐私堪忧· 173 条信息

3个月前

AI资讯日报，5月26日：

#AI #资讯日报 #科技动态

3个月前

AI季度报告由Artificial Analysis出品，可以明显看出，Google在AI全领域、全模型都处于前列位置。 PDF地址：

#AI #季度报告 #Artificial Analysis #Google #全领域 #全模型

3个月前

AI资讯日报，5月24日：

#AI乱象不止：内容注水，隐私堪忧· 173 条信息

#AI #资讯 #日报

3个月前

AI资讯日报，5月24日：

#AI乱象不止：内容注水，隐私堪忧· 173 条信息

#AI #资讯 #日报 #5月24日

3个月前

Veo 3好哇

3个月前

谷歌新发布的Gemini 2.5 Flash Exp Audio模型，是原生多模态模型，支持文本、图片、语音输入，支持文本、语音输出。输出的语音支持各种语气和声音，也能唱歌和RAP，虽然中文有时会有发音错误，但整体也非常不错了，ASMR的少女声音，让人感觉又恋爱了。下方视频第一段：少女ASMR 下方视频第二段：唱歌和RAP

#谷歌 #Gemini #多模态模型 #语音技术 #唱歌 #RAP #ASMR