Gorden Sun

统计数据

266

文章

0

粉丝

0

获赞

642

阅读

2周前

X的图片可以一键用Grok生成视频了，很顺滑

AI视频井喷：Midjourney领跑，多模态混战· 149 条信息

#X #Grok #视频生成 #一键 #顺滑

3周前

Music Video Made by AI 一首《大吉大利》送给大家，给大家拜个早年

AI视频井喷：Midjourney领跑，多模态混战· 149 条信息

#AI音乐 #大吉大利 #拜年 #音乐视频 #人工智能

3周前

AI资讯日报，8月24日：

AI技术引发伦理争议，专家呼吁加强监管· 71 条信息

#AI #资讯 #8月24日

3周前

nano banana邪修宝典，抽中概率提升到2/3 nano banana编辑图片的效果超级好，基本能够100%保持人物和构图一致性，但是要在LMArena那么多模型里抽卡，怎么破？全网独家邪修抽卡大法，能把抽中nano banan的概率提升至2/3 ！偷偷收藏使用！知道的人多了也许就被官方封了！使用方法：一句话版本：始终保证上传2张图片。具体操作方法：不管你是文字生成图片，还是编辑单张图片，还是编辑多张图片，始终上传2张图片作为提示词的一部分。文字生成图片时，上传2张尺寸非常小的透明图片，然后正常输入你的提示词（直接输中文就行）。编辑1张图片时，上传正常要编辑的图片，再上传1张尺寸非常小的透明图片，然后正常输入提示词。编辑2张及以上图片时，正常上传多张图片，正常输入提示词。如此操作之后，能参与比赛就只有nano banana、Gemini 2.0 Flash preview image generation和GPT-1-image，极大概率抽到nano banana。原理也非常简单，因为只有这3个模型的API支持传入多个图片，而且透明图片的token对生成内容完全没影响，所以缩小了抽卡范围。 nano banana和Gemini 2.0 Flash preview image generation出图速度非常快，20秒之内就能出结果。GPT-1-image基本上需要60秒以上才能出结果。所以如果超过20秒还没出结果，建议直接开新的对话重新抽。我可以很明确的说，nano banana就是Gemini 2.0 Flash preview image generation的正式版，有时候他俩出图的效果一模一样，只是nano banana的细节更丰富。 nano banana不擅长以下画风：日本动漫、像素风、多面体、剪纸等，在写实和名人艺术家的风格还原上，堪称完美。

#nano banana #Gemini 2.0 Flash #抽卡攻略 #图片编辑 #AI模型

3周前

AI资讯日报，8月23日：

AI技术引发伦理争议，专家呼吁加强监管· 71 条信息

#AI #资讯 #8月23日

3周前

AI资讯日报，8月22日：

AI技术引发伦理争议，专家呼吁加强监管· 71 条信息

#AI #资讯 #8月22日

3周前

AI资讯日报，8月21日：

AI技术引发伦理争议，专家呼吁加强监管· 71 条信息

#AI #资讯 #8月21日

3周前

AI资讯日报，8月20日：

AI技术引发伦理争议，专家呼吁加强监管· 71 条信息

#AI #资讯 #8月20日

3周前

AI资讯日报，8月19日：

AI技术引发伦理争议，专家呼吁加强监管· 71 条信息

#AI #资讯 #8月19日

3周前

Thyme：像o3一样分析图片视觉多模态模型，会分析用户需求，针对复杂问题写代码来辅助解决。例如识别非常小的区域内的文字，会写代码执行放大+裁剪的操作，然后再识别图像解决问题。跟OpenAI o3的操作类似。项目地址： Github：

#Thyme #o3 #视觉多模态模型 #代码辅助 #图像识别

3周前

AI资讯日报，8月18日：

AI技术引发伦理争议，专家呼吁加强监管· 71 条信息

#AI #资讯 #8月18日

3周前

ToonComposer：自动上色和生成动画输入彩色的起始帧和后续的草图关键帧，ToonComposer自动按照关键帧生成动画，同时自动上色。因为有关键帧，过程更可控，效果更稳定。项目地址： Github：

AI视频井喷：Midjourney领跑，多模态混战· 149 条信息

#ToonComposer #动画生成 #自动上色 #关键帧 #GitHub

4周前

OpenCUA：开源Computer-Use Agent框架 Kimi和香港大学联合开源的项目，适用于操作电脑的Agent框架，同时开源了用于操作电脑的模型OpenCUA 32B和OpenCUA 7B（基于Qwen 2.5 VL），目前得分最高的用于操作电脑的开源模型。项目地址：模型：

#OpenCUA #开源项目 #Agent框架 #Kimi #香港大学

4周前

我之前发谷歌的Opal，用户输入自然语言，由AI生成工作流节点。有个朋友留言说Dify也有类似的功能，只不过知道的人比较少，是哪位朋友留言的来着，我想看看Dify的效果。

#AI工作流 #Opal #Dify #用户反馈 #产品对比

4周前

AI资讯日报，8月17日：

AI技术引发伦理争议，专家呼吁加强监管· 71 条信息

#AI #资讯 #8月17日

4周前

ScreenCoder：复刻UI界面上传UI截图，AI识别图片内容和布局，然后写代码复刻。 Github：

#UI界面 #AI识别 #代码复刻 #GitHub #ScreenCoder

4周前

Stand-In：保持生成视频的角色一致性微信开源的项目，用于AI视频模型的插件，可以保持生成视频的角色一致。项目地址： Github：

AI视频井喷：Midjourney领跑，多模态混战· 149 条信息

#角色一致性 #AI视频模型 #微信开源 #Stand-In #视频生成

4周前

AI资讯日报，8月16日：

AI技术引发伦理争议，专家呼吁加强监管· 71 条信息

#AI #资讯 #8月16日

4周前

AI资讯日报，8月15日：

AI技术引发伦理争议，专家呼吁加强监管· 71 条信息

#AI #资讯 #8月15日

4周前

DINOv3：Meta开源的基础视觉模型 CLIP的竞品，能够完成图片分类、分隔物体、追踪物体等各种视觉任务。模型大小从21M到7B，有多个版本。 Github：

#DINOv3 #Meta #开源 #视觉模型 #CLIP

1个月前

AI资讯日报，8月14日：

AI技术引发伦理争议，专家呼吁加强监管· 71 条信息

#AI #资讯 #8月14日

1个月前

m3-agent：带记忆的智能体字节开源的智能体，能把多模态数据也转化成记忆，包括文本、音频、图片、视频数据。分别微调了2个模型用于记忆和执行，记忆模型基于Qwen 2.5 omni，执行模型基于Qwen 3 32B。 Github：

#m3-agent #智能体 #字节跳动 #开源 #Qwen

1个月前

StableAvatar：音频驱动生成视频图片+音频，生成唱歌或说话视频，支持生成无限时长的视频。 Github：

AI视频井喷：Midjourney领跑，多模态混战· 149 条信息

#音频驱动 #视频生成 #唱歌 #说话 #GitHub

1个月前

AI资讯日报，8月13日：

澎湃AI新闻合辑：未来科技与社会热点交锋· 75 条信息

AI技术引发伦理争议，专家呼吁加强监管· 71 条信息

#AI #资讯 #8月13日

1个月前

M3-Agent-Control：Agent专用模型字节悄悄放出了一个专门用于Agent的模型，基于Qwen 3 32B训练。模型：

#M3-Agent-Control #Agent模型 #字节 #Qwen 3 32B #模型