Gorden Sun

统计数据

475

文章

0

粉丝

0

获赞

3015

阅读

4个月前

资讯日报，7月27日：

#资讯日报 #7月27日

4个月前

Zread：智谱的Github Wiki 类似DeepWiki，AI整理了Github仓库的内容，可以快速上手、了解架构。相比DeepWiki，优点是原生就有中英双语，对国人更友好。使用地址：

#智谱 #Github Wiki #AI整理 #中英双语 #知识库

4个月前

こうすればうまくいくのに。 #タコピーの原罪 #タコピー

#タコピーの原罪

4个月前

资讯日报，7月26日：

#资讯日报 #7月26日

4个月前

3Blue1Brown发布了一个介绍Diffusion模型原理的视频用图形化和简单易懂的方式，介绍了AI绘画和AI视频背后的扩散模型的原理，包括CLIP、Shared Embedding Space、Diffusion Models & DDPM、Prompt等内容，普通人也能看懂。 YouTube：

AI视频井喷：Midjourney领跑，多模态混战· 337 条信息

#3Blue1Brown #Diffusion模型 #AI绘画 #AI视频 #科普

4个月前

Coze开源，肯定是好事，只不过开源的稍微有点别扭。字节内部，Coze肯定已经变成两个版本了，原Coze的版本和这次开源的社区版。社区版跟抖音相关的功能不开源是正常的，为啥语音输入输出、项目级别的触发器、应用发布记录这种功能也不开源。另外可以说整体说面向的是国内商家用户，毕竟代码里注释都是中文的。我比较好奇，具体哪种类型的公司会部署Coze，原来国内用Dify的那些么？

#Coze开源 #字节跳动 #Dify #国内商家 #中文注释

4个月前

资讯日报，7月25日：

#资讯日报 #7月25日

4个月前

Seed LiveInterpret 2.0：同声传译模型字节发布的新版本同声传译模型，延迟非常低，自动克隆人声，支持中英互译。试了一下效果整体不错，翻译效果肯定没问题，首句话的延迟稍高，开始后速度没问题，人声音质稍差。在线体验：论文：

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

#Seed LiveInterpret 2.0 #同声传译模型 #字节跳动 #中英互译 #人声克隆

4个月前

Midjourney生成视频，新增了首尾帧功能，且支持生成循环视频。效果挺好。

AI视频井喷：Midjourney领跑，多模态混战· 337 条信息

4个月前

ThinkSound：视频生成声音实际支持视频、文本、音频生成和编辑音频，适用于给视频配音效，效果还可以。个人感觉不如MMAudio。项目地址： Github：在线体验：

#ThinkSound #视频生成声音 #视频配音效 #音频编辑 #AI

4个月前

资讯日报，7月23日：

4个月前

使用SDXL实现类似Flux Kontext的图片编辑效果需要稍微复杂的workflow，但是方法很妙。第一步：准备要编辑的图片，把它放在一张空白图的右一半第二步：添加一个遮罩，控制生成图片时只在左一半生成第三步：使用图生图功能，到此就实现了保持角色一致的编辑，但是左侧的是镜像图。提示词：(split screen, multiple views, reference sheet:1.1), 1girl, [:arm up:0.2] 第四步：如果把要编辑的图片，同时用作图片参考，那么就能纠正镜像，实现类似Kontext的编辑图片效果。效果和便捷度都比不上Kontext上，但确实是SDXL老树新发芽的余热。原贴：

#SDXL #图片编辑 #FLUX kontext #图生图 #镜像纠正

4个月前

资讯日报，7月22日：

#AI乱象不止：内容注水，隐私堪忧· 206 条信息

4个月前

谷歌在AI Studio里上线了一个小应用，利用Gemini Flash 2.5的图片识别能力，识别出图片中的指定物体，并标记出来。也可以自己开发部署，提供了原始的prompt供使用。官方介绍：在线使用：

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

#Gemini Flash 2.5 #图片识别 #AI Studio #谷歌 #物体标记

4个月前

OpenMed：开源顶级NER模型开源、免费、效果超过付费模型，造福人类的模型。NER模型是用于结构化提取关键信息的模型，可以把关键的医疗术语从句子中提取出来，尤其能识别医疗领域才会出现的词汇（p53 gene这种）。AI要想参与医疗诊断，这是起始必经的第一步。相比于LLM，OpenMed开源的NER模型参数极其微小，且准确率高到接近100%。 OpenMed覆盖医疗场景齐全，文档规范、工程化完备，低门槛就能上手，医疗领域+可商用协议+完备的细节，可以让各个国家的医疗模型都有落地的基础设施，所以说是造福人类的模型。官方介绍：模型：

#开源NER模型 #医疗术语提取 #OpenMed #AI医疗诊断 #低门槛可商用

4个月前

我认为是字节的豆包。 Gemini认为是月之暗面； ChatGPT认为是OpenAI，告诉他是中国公司后猜是百度； Grok认为是xAI，告诉他是中国公司后猜是DeepSeek； Claude拒绝明确回答；

#豆包 #月之暗面 #OpenAI #DeepSeek

4个月前

资讯日报，7月21日：

#AI乱象不止：内容注水，隐私堪忧· 206 条信息

4个月前

JDGenie：京东开源的通用智能体完整的多Agent框架，开箱即用，轻量，不依赖于云平台。在GAIA榜单准确率达到75.15%，超过OpenManus、OWL、AutoAgent等产品。 Github：

#JDGenie #多Agent框架 #开源 #智能体 #GAIA榜单

4个月前

我是如何免费、快速给视频制作字幕的方法1：Gemini 流程：Gemini识别音频/视频，手动创建.srt文件，复制粘贴进去，然后导入剪映使用。使用我这个提示词，在AI Studio里选择Gemini Flash 2.5，效果好到不需要开Think模式就能准确出结果，速度快的很。提示词：识别我上传的音频/视频里的文字，并提供可快速复制的srt格式的字幕文本，每句字幕必须使用 hh:mm:ss,xxx --> hh:mm:ss,xxx 的时间标记，尤其是每句字幕的截止时间也务必遵循格式。中文必须使用简体中文，不能出现繁体字。以下是一段示例字幕，用作格式参考： 1 00:00:00,347 --> 00:00:07,037 有一个问题其实就是，以后现在和过去哪个其实是最重要的， 2 00:00:07,037 --> 00:00:11,107 那我觉得是过去创造了现在，现在来决定未来， 3 00:00:11,107 --> 00:00:17,217 那我觉得说我们能够把握的其实只有现在。方法2：剪映老版本 Mac端的5.9.0的老版本剪映，还能免费用字幕识别功能，不知道还能用多久，随缘用吧。

#视频字幕 #Gemini #剪映 #免费 #AI Studio

4个月前

资讯日报，7月20日：

4个月前

资讯日报，7月19日：

4个月前

资讯日报，7月18日：

4个月前

Seed-X：专门用于翻译的小模型字节开源Seed-X，专门用于翻译的小模型，仅7B大小，在人类评分中，翻译效果接近DeepSeek R1和Gemini Pro 2.5的水平。值得一提的是，训练过程特意去掉了STEM、代码、推理的相关数据，特别专注于翻译任务。模型：

#Seed-X #翻译模型 #字节跳动 #开源 #小模型

4个月前

跟ElevenLabs生成的对话相比，豆包播客和NotebookLM生成的音频还是太机械了。

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

#elevenlabs #豆包播客 #NotebookLM #音频生成 #机械感

4个月前

资讯日报，7月17日：

...