Gorden Sun

统计数据

804

文章

0

粉丝

0

获赞

51556

阅读

1年前

VITA-1.5：开源版视频+语音模型效果类似ChatGPT APP的视频交互，能看能听能说，但不是原生多模态。视觉多模态LLM使用的是QWen2.5，语音延迟只有1.5秒，且支持打断。 Github：

#VITA-1.5 #开源 #视频模型 #语音模型 #ChatGPT #视频交互 #视觉多模态 #QWen2.5 #语音延迟 #GitHub

1年前

Sonnet 3.5就像是程序员，你的要求提的越精细，得到的结果越准确。你要一个钉子，他给你一个钉子；你要一个红色的铜的图钉，他给你一个红色的铜图钉。 OpenAI o1像是产品经理，有时他会退一步思考你的要求背后的真实需求。你要一个钉子，他会思考你要钉子是为了做什么，如果是为了挂一幅画，他会同时推荐钉子以外的方案，例如粘钩、强力胶。用o1辅助思考，用Sonnet辅助执行。

#程序员 #产品经理 #OpenAI #Sonnet 3.5 #执行力 #思考 #需求分析

1年前

TRELLIS：微软开源的图片生成3D模型效果超预期的好，一键生成手办不远了。这张芙莉莲的图片，之前没有任何一个产品能生成看得过去的模型。

3年前

用AI创作了一个儿童有声故事绘本。故事：ChatGPT-4；绘图提示词：ChatGPT-4；绘图：Midjourney-v5；朗读：elevenLabs； BGM：AIVA；

#AI创作 #儿童有声故事绘本 #ChatGPT-4 #绘图 #Midjourney-v5 #elevenlabs #AIVA #故事创作 #有声书

...