Gorden Sun

统计数据

410

文章

0

粉丝

0

获赞

2928

阅读

5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

5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· 203 条信息

5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· 203 条信息

5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

5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· 203 条信息

#AI #资讯 #日报

5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

5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

5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· 133 条信息

#DeepSeek #软件更新 #前端设计

5个月前

AI资讯日报，5月28日：

5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

5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

5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· 203 条信息

5个月前

AI资讯日报，5月26日：

#AI #资讯日报 #科技动态

5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

5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· 203 条信息

#AI #资讯 #日报

5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· 203 条信息

#AI #资讯 #日报 #5月24日

5个月前

Veo 3好哇

5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

5个月前

AI资讯日报，5月23日：

6个月前

还是多模态的模型好，GPT-4o可以同时兼顾绘画和语义。

#多模态模型 #GPT-4o #绘画 #语义能力

6个月前

Google AI Studio升级最大的亮点是新增了很多Starter Apps，包括GIF Maker（生成动图）、Co-Drawing（辅助绘画）、Video Toys（基于视频创建教育应用）等许多有趣的小应用。官方介绍：

#Google AI Studio #Starter Apps #GIF Maker #Co-Drawing #Video Toys #教育应用

8个月前

Mistral OCR：目前最佳OCR模型支持多种语言，评分全面超过Gemini 2.0 Flash，支持在Le Chat使用和API调用。调用API的话，别忘了之前ElevenLabs的大礼包，里面送25美元的Mistral API金额，免费领取地址：在线使用：官方介绍：

#Mistral OCR #OCR模型 #语言支持 #API使用 #elevenlabs #免费使用

8个月前

olmOCR：可能是目前最好的开源OCR模型基于微调后的7B视觉语言模型，微调数据为260000页PDF页面，完全开源，包括模型权重、数据和训练代码、推理代码，4090可以本地运行。 Github：模型：在线使用：

#开源 #OCR #视觉语言模型 #模型权重 #微调 #PDF #GitHub #4090

8个月前

阿里开源Wan 2.1很不错，效果接近可灵1.5，需要抽卡，手部有时出问题。在Fal上可以使用，支持图生视频、文生视频，每个视频耗费0.4美元，地址：在ElevenLabs的免费大礼包里，可以免费领取50美元的Fal额度，可以用体验Wan 2.1和Google Veo 2。领取地址：

#阿里Wan 2.1 #图生视频 #文生视频 #Fal #elevenlabs

9个月前

灰度到了微信的AI搜索，很好用

#微信 #AI搜索 #灰度测试

...