sitin

统计数据

522

文章

0

粉丝

0

获赞

2455

阅读

1个月前

周末和兄弟们一起干出来，卷起来，最近开发 Claude code 忙的飞起，喝杯咖啡提提神，干就完了💪⛽️

AI编程工具激战：Claude Code、Gemini Cli崛起· 951 条信息

#兄弟 #周末 #Claude Code #开发 #咖啡 #忙 #加油

1个月前

用了 ChatGPT 的 codex 对比比 Claude code感觉又卡又慢的，不知道是不是刚开始不习惯，这几天多测试下

AI编程工具激战：Claude Code、Gemini Cli崛起· 951 条信息

#ChatGPT #Codex #Claude #代码对比 #速度慢

1个月前

Ideogram 推出了名为“Ideogram Styles”的新功能，旨在通过风格化处理，将简单的用户提示词转化为具有高级、一致美学的图像，并特别优化了文字渲染能力，提供了一个由官方精心策划的预设风格库，用户可以直接选用。核心功能要点 1.风格转化：核心功能是将基础、简单的文本提示（Prompt）自动转化为具有特定高级审美风格的图像。 2.文字渲染强化：该功能显著提升了图像中文字（如标语、字体设计）的生成质量和准确性，使其能轻松融入不同风格中，方便用户进行创意字体和T恤等设计。 3.自定义风格：用户不仅可以选用官方预设风格，还能上传最多3张参考图片来创建并保存属于自己的、可重复使用的自定义风格。与 Describe、Remix、Color Palette 等功能配合，帮助用户在美学与精准度之间找到平衡。整体而言，这一功能旨在让创作者为作品注入独特个性与一致美学，提升设计的表现力与识别度。

#Ideogram Styles #风格转化 #文字渲染强化 #自定义风格 #图像生成

1个月前

很多人在做副业的时候，啥进度、产品、开发、营销都没有的时候，先想到这个副业项目的风险，难度。你又不是要赚几百上千万，要考虑各种情况你赚个几千块钱，想啥风险？啥业务不可以干！悲观者往往正确，乐观者往往成功。

#阶层固化：求变之路，殊途同归· 690 条信息

#副业 #风险 #行动力 #乐观 #成功

1个月前

昨天跟朋友聊起一个现象：身边越来越多人，都在花 200 美刀买 Claude 和 ChatGPT。有些人不理解：为什么要花几百美刀买个 AI？但稍微算一下账就明白了：请一个兼职写手，一个月可能要 3000+；请个程序员写点小工具，至少要几千；更别说请人帮你做营销、帮你出方案。可现在，只要 200 美刀，你就能随时拥有一个“懂产品、懂代码、懂营销、懂写作”的超级助理。帮你做决策、写文案、出方案、跑代码，效率提升几倍这不是花钱，而是买杠杆。买的是比别人更快一步的机会。

AI编程工具激战：Claude Code、Gemini Cli崛起· 951 条信息

#AI工具 #Claude #ChatGPT #效率提升 #商业价值

1个月前

vibe coding 的时候用 cursor 来进行打开项目文件，在 cursor 里面装一个 Claude code chat 的插件，就可以用 cursor 和 Claude code 联合开发了。

AI编程工具激战：Claude Code、Gemini Cli崛起· 951 条信息

#Vibe Coding #Cursor #Claude code chat #联合开发 #项目文件

1个月前

ElevenLabs 正式发布了其新一代 AI 音效生成工具——SFX 模型 v2，并详细介绍了该模型的重大升级、广泛的应用场景以及配套的新功能。 1.新版本相比之前有显著提升，重点是：更高质量的音效生成。 ·无缝循环：生成的音效可以完美循环播放，没有断续感。 ·更长时长：支持生成最长30秒的音效。 ·更高采样率：达到48kHz的专业音频标准。 2.广泛的应用场景：文章花了大量篇幅说明这个工具可以用于哪些领域，包括： ·音频内容创作（有声书、播客、冥想应用） ·视频与电影制作 ·游戏开发（环境音、结合MIDI实时控制） ·生产力工具（为专注应用添加背景音） 3.新功能与生态整合：发布不仅是一个模型更新，还包含了平台功能的增强： ·Studio 编辑器集成：用户可以直接在ElevenLabs的工作室中输入文字提示来生成和编辑背景音。 ·升级的音效库（SFX Library）：内容更丰富，并新增了“收藏”和“Remix（再生成）”功能，方便用户管理和创意发散。 ·SB-1 音效板升级：支持新模型和MIDI设备，互动性更强。

#elevenlabs #SFX模型v2 #AI音效生成 #音频内容创作 #Studio编辑器

1个月前

找到一个自己还没有定期锻炼的理由哈哈

#锻炼 #理由 #幽默 #未锻炼 #调侃

1个月前

美团发布并开源 LongCat-flash-Chat，采用混合专家模型架构的 A1 模型，总参数量达 560B，平均激活参数 27B。在性能上比肩主流模型，尤其在智能体任务中表现突出，推理速度更快，适合复杂智能体应用。可以访问官方平台Longcat Al，与 LongCat-Flash-chat 开启对话。核心亮点： 1.高效动态计算：模型引入了“零计算专家（Zero-Computation Experts）”机制，能根据上下文需求动态分配算力，仅激活必要的专家模块3。训练过程甚至采用了PID控制器来实时微调专家偏置，以稳定单token的平均激活参数量，有效控制总计算消耗16。 2.卓越性能表现：在多项基准测试中，LongCat-Flash-Chat性能可比肩当前主流模型，尤其在智能体（Agentic）任务中表现出突出优势12。其在复杂场景智能体基准（VitaBench）和指令遵循评估（IFEval）中取得了名列前茅的成绩36。 3.极致的推理速度与成本：通过算法和工程层面的联合优化，该模型在H800显卡上实现了每秒100+ token的生成速度，同时将输出成本控制在低至5元/百万token56，为耗时较长的复杂智能体应用提供了更优解。 4.全面开源与许可：模型已在 GitHub 和 Hugging Face 平台开源，并提供了基于SGLang和vLLM的高效部署方案6。其开源仓库采用MIT License，允许用户自由使用模型输出甚至通过蒸馏方式训练其他模型

#美团 #LongCat-flash-Chat #开源 #A1模型 #智能体应用

1个月前

现在很多人都在用 AI 做业务，但大多数人还停留在“知识付费”这个层面——也就是卖课。卖课当然没问题，能赚钱，但它有个明显的短板：不够持续。尤其是那些做长周期合伙人模式的人，复购和续费率往往压力很大。为了维持收入，不得不持续依赖分销、或者不断推出新课程。根本原因在于，纯课程产品的复购属性天然偏弱。反过来看工具产品，逻辑就很不一样。比如，你教别人做副业，他们学完了、会了，接下来你还可以提供一套配套工具——帮助他们更高效地运营、管理或放大结果。而这套工具，可以按月/按年订阅收费，持续产生现金流。目前很多人觉得做工具太难，但这件事在 AI 时代已经发生了本质变化。尤其是咱们这群在AI领域深度探索的人，更应该看懂这个机会。现在每天都有大量低代码、零代码工具冒出来，AI 还在加速这个过程。真正做工具，80% 的精力其实不在写代码，而在于：需求挖掘 + 营销推广。产品开发只占 20%，而这部分 95% 的代码 AI 都能帮你写。所以我们真正要掌握的，是逻辑、是需求、是用户痛点。尤其是已经做课、做社群的人，你其实自带两大优势：需求验证：你的学员愿意付费，说明痛点真实；推广渠道：你已有信任和影响力，工具顺手就可推出去。我一直强调：别害怕做工具，别觉得自己不是技术出身就做不了。恰恰相反，很多文科生、内容人更懂用户、更擅营销——这才是成败的关键。简单总结：靠课程，你赚一次钱，靠年度复购（续费）持续，相对简单；靠工具，你能持续赚钱，订阅制带来稳定现金流，难度略高但更值得。最终希望大家既做课、也做工具，用“内容杠杆”吸引用户，用“工具体系”留住用户，花 20% 的时间拿到 80% 的结果，真正放大你的价值。 AI 时代，节奏极快，一年如十年。会做产品、会推工具的人，会持续领先。

#AI #知识付费 #工具产品 #订阅模式 #内容营销

1个月前

千里会一周年 🎉 转眼之间，我的千里会就已经一年了，没想到过得这么快。总结一点我做千里会的一些心得吧： 1.高客单产品的底层逻辑：高客单≠割韭菜，而是用更高利润支撑更重、更个性化的服务。 2.不要给自己贴过多标签：创业几年也做过蛮多东西的，“标签过多”导致用户认知分散，建议：聚焦1~2个核心标签（如AI出海），更易占领心智。 3.不要迷恋“发售活动”：发售能起势，但不能长期依赖。发售只是“放大器”，不是“救命草”，真正重要的是日常内容+稳定交付+口碑。 4.内容是最好的广告：“交付才是最硬的营销”。好内容会自带传播，带来精准用户。很多人做自媒体失败是因为没把内容放在第一优先级。内容是一切流量的起点。 5.创始人不能脱离内容：即使有团队，IP类产品（如个人品牌）仍需创始人亲力亲为。内容风格无法被完全替代。“创始人精力在哪儿，结果就在哪儿。” 6.信任是付费的基石：高客单产品本质上卖的是信任。用户愿意付费是对你极大的认可，必须用超预期服务回报。 7.线下活动增强信任：线下见面能极大增强社群凝聚力和信任感，尤其适合高客单社群。 8. AI是最大杠杆：比如AI代写：门槛低、正反馈快、天花板高；AI出海：海外付费意愿是国内5倍，汇率差是7倍，合计35倍收益杠杆。原文链接：

#千里会一周年 #高客单产品 #内容营销 #AI杠杆 #信任基石

1个月前

微信语音输入法感觉偷偷更新了，明显感觉到这两天的语音输入识别率增加了不少

#微信 #语音输入法 #更新 #识别率 #提升

1个月前

USO（Unified Style-Subject Optimized 模型）是字节跳动提出的一个统一图像生成模型，融合了风格驱动生成与主体驱动生成两个任务，并通过创新的训练机制将它们整合在一个统一框架中，解决了二者长期以来分离、互相影响的问题。性能优势在 USO-Bench 和 DreamBench 评测中全面领先：主体一致性（CLIP-I, DINO）优于主流模型；风格相似性（CSD）显著超过 DEADiff、StyleStudio 等；图文匹配度（CLIP-T）保持高水平。关键技术三元组训练数据（Triplets）使用（内容图 + 风格图 + 结果图）作为训练样本，让模型学会分离风格与主体特征并融合。风格对齐训练（Style Alignment）采用视觉语言模型 SigLIP 提取高层次风格特征（如笔触、材质），并通过分层投影注入生成过程。风格奖励学习（Style Reward Learning, SRL）引入奖励机制，用预训练模型评估生成图像与目标风格的相似度，强化风格还原能力。功能主体驱动生成保留主体（如人物、宠物）特征，生成新背景或姿态。风格驱动生成仅凭风格参考图+文本生成对应风格的图像。风格+主体联合生成同时输入风格图和内容图，生成既保真又风格化的图像。多风格融合生成支持多张风格图混合生成（如油画+水彩）。布局保持生成仅改变风格，不改变原图布局与主体结构。

#USO模型 #图像生成 #风格驱动 #主体驱动 #字节跳动

1个月前

执行力比想法更重要！赚钱这个事情真的拼的是执行力，大部分还是想得太多做的太少。很多人脑子里有一堆点子，但就是迟迟不行动。等想清楚了，机会也没了。

#阶层固化：求变之路，殊途同归· 690 条信息

#执行力 #行动 #机会 #赚钱 #想法

1个月前

这个 whisper flow 居然有vibe coding 和 command mode，确实牛，一个月 15 美金的语音输入法，估计也只有他了，贵有贵的道理

#whisper flow #Vibe Coding #command mode #语音输入法 #价格

1个月前

OpenAI 正式发布 Realtime API 降价20% 支持MCP、图像输入、可接入电话系统、新的语音和优化与传统方案（语音转文字 + 大模型生成文字 + 文字转语音）不同，Realtime API 直接通过一个统一模型完成语音输入-语音输出，从而减少延迟、保留语气细节，并生成更自然的对话体验。 1.模型能力的全方位提升语音质量：生成的声音更接近真人（语调、停顿、速度），并发布新声音和优化旧声音。语言能力：支持句内无缝切换语言、识别和表达非语言声音（如笑声）、跨语言准确朗读数字字母组合。智能水平：在推理能力、指令遵循精度和函数调用能力三大基准测试上，相比前代模型均有显著提升（准确率提升超10个百分点）。 2.新增关键功能与优化流程优化：支持异步函数调用，允许在后台执行长时间任务（如查数据库）时不打断前台对话。功能扩展 (MCP)：可通过 Model Context Protocol 轻松连接远程工具服务器，极大扩展了模型的能力边界。多模态输入 (图像)：除了语音和文字，现在可以输入图片让模型理解和分析。企业集成 (SIP)：支持 SIP 协议，使其能直接接入传统电话网络，用于呼叫中心等场景。部署效率 (可复用提示)：提供“模板化”的提示词管理功能，便于大规模标准化部署。

OpenAI大幅降价，o3模型API调用费用骤降80%· 6 条信息

#OpenAI #Realtime API #语音技术 #多模态输入 #企业集成

1个月前

很多人还觉得，努力就是多花时间、多加班。但真正会工作的人，想的不是“拼命”，而是“省力”。能用AI/工具来做的事情，你不用再一遍遍手动操作，省下来的时间，可以做更有价值的事。不是只有“苦干”才行，学会“巧干”，反而走得更远。观念转过来，路就宽了。

#AI工具 #效率提升 #工作方式 #观念转变 #巧干

1个月前

通义万相开源了全新多模态视频生成模型「Wan2.2-S2V」。模型仅需一张静态图片和一段音频，能生成电影级数字人视频，视频时长可达分钟级，大幅提升数字人直播、影视制作等行业的视频创作效率。模型支持真人、卡通、动物等多种图片类型，可通过文本控制视频画面。核心功能多模态视频生成：仅需一张静态图片 + 一段音频，就能生成电影级数字人视频支持多种图片类型：真人、卡通、动物、数字人等，支持肖像、半身、全身等任意画幅多种动作生成：说话、唱歌、表演等动作，面部表情自然、口型同步、肢体动作流畅技术亮点视频时长：单次生成可达分钟级，达到业界领先水平文本控制：支持通过Prompt控制视频画面，让动作和背景变化更丰富技术创新：融合文本引导的全局运动控制和音频驱动的细粒度局部运动采用AdaIN和CrossAttention控制机制层次化帧压缩技术，支持73帧历史参考帧多分辨率训练和推理应用场景主要提升数字人直播、影视制作、AI教育等行业的视频创作效率

AI视频井喷：Midjourney领跑，多模态混战· 233 条信息

#通义万相 #多模态视频生成 #数字人 #AI #视频创作

1个月前

有同学在问我怎么进行 AI 编程。我一般是先跟 Claude 沟通，把这个需求定下来。之后生成一个文档，生成完文档之后，让另外一个 Claude 去执行里面的内容。执行完之后，我一般会用 PlayWright 来让整个 AI 帮我测试。这样就能保证一些基础问题不会出现。否则的话，AI 开发完了之后，可能会出现一些基础的页面问题、组件缺失问题等等，这样也会浪费时间。

AI编程工具激战：Claude Code、Gemini Cli崛起· 951 条信息

#AI编程 #Claude #Playwright #AI测试 #自动化测试

1个月前

时代抛弃你的时候，连声招呼都不会打。刚看到新闻，又有公司开始裁员了，理由是"提高效率，减少重复岗位"。想起之前和一位做HR的朋友聊到：未来五年，最能稳住工作的未必是最聪明的人，而是那些懂得用机器人配合自己干活的人。

#裁员 #职场 #机器人 #效率 #焦虑

1个月前

赚钱这件事，真的要顺应趋势。今天有了更深的体会。在一个 20 人的小群里，我随口说了句：我用 AI 做了个 Claude code 共享平台，没发介绍，也没铺垫，结果 299 一个人，立马来了 6 个兄弟，到手近 2000。天时、地利、人和，缺一不可。但比起“人和”，我发现“天时”和“地利”更重要。趋势对了，产品自然顺。欢迎一起来 vibe coding，一起 AI 出海！

AI编程工具激战：Claude Code、Gemini Cli崛起· 951 条信息

#AI #Claude #共享平台 #赚钱 #趋势

1个月前

Lovart 是 LiblibAI 为设计师打造的世界上首个专业设计 Agent。别的先不说，Lovart网页的设计还是蛮不错的。 Lovart 能像专业设计师一样思考和执行设计任务，提供高水平的设计方案。基于自然语言交互，用户能快速调整布局、颜色和构图。 Lovart 支持从创意拆解到专业交付的全链路设计，单次能生成多达40张设计成品图。Lovart 是图像生成器，更是设计执行官，引领着设计工具迈向智能化的新阶段。核心特点 1.全自动化的设计流程：与传统设计工具（如Canva、Photoshop）或需要人工反复调试提示词（Prompt）的AI生图工具（如Midjourney）不同，Lovart 旨在通过简单的指令（如一句话描述）自动完成从创意生成到最终设计的全过程。 2.专业级的输出质量：它宣称专门为品牌设计、营销素材等领域进行优化，其输出结果并非简单的图片，而是可直接商用的、符合行业标准的设计作品，如LOGO、海报、包装、社交媒体广告等。 3.多模态输出能力：不仅能生成图像，还能产出文案（Copywriting），提供完整的设计方案。例如，你让它设计一个咖啡品牌的海报，它既能生成视觉图，也能自动配上吸引人的广告语。 4.“AI Agent”工作流：这是其最大亮点。它模拟了一个专业设计师的工作流程：理解需求 -> 头脑风暴 -> 草图构思 -> 精细设计 -> 呈现最终稿。你不需要干预中间步骤，它自己会完成这一切。 5.Lovart 的创新之处在于试图将需要多步骤、多专业知识的设计工作完全自动化。它不仅仅是一个“更聪明的AI画图工具”，而是一个旨在替代基础设计工作的虚拟设计师助手。

#Lovart #AI设计 #自动化设计 #设计Agent #LiblibAI

1个月前

Anthropic发布Claude for Chrome，一款作为浏览器扩展程序的AI工具。可在Chrome侧边窗口与用户对话，执行任务如设置日历、回复邮件等。日历管理：自动识别需预订会议室的会议，检查可用性并完成预订邮件处理：分析已发送邮件，识别未收到回复但需跟进的消息并生成提醒（如提醒用户跟进Mindy关于网站 redesign 的反馈请求）信息检索与筛选：根据用户需求在第三方网站执行复杂/多需求设定的搜索。 Claude通过小规模试点收集数据和安全反馈，优化分类器和模型，让浏览器安全与功能同步升级。

AI编程工具激战：Claude Code、Gemini Cli崛起· 951 条信息

#Anthropic #Claude for Chrome #AI工具 #浏览器扩展 #效率提升

1个月前

永远不要用健康换钱；身体是公司最大本钱，累了休息，焦虑多动，照顾好家庭。

#健康 #工作与生活平衡 #家庭 #积极

1个月前

Google 推出 Gemini 2.5 Flash Image 模型，主打原生图像生成与编辑功能，官方称其技术为"state-of-the-art"并排名全球第一,向所有用户免费开放，支持通过 Gemini App 和 Google AI Studio 访问。核心功能特性支持上传3张图片并融合创意元素人像风格转换保持主体特征（如自拍优化）文本添加、背景替换与主体修改生成内容需遵守Google内容政策，禁止侵权使用图像处理的技术优势高效架构：尽管模型体积更小，但它采用了与 Gemini 2.5 Pro 相同的突破性混合专家（Mixture-of-Experts, MoE）架构。这意味着它只针对特定任务激活神经网络中最相关的部分，使得图像处理速度极快、效率极高。超长上下文窗口：它支持实验性的 100万token 上下文窗口。虽然单张图片用不到这么多，但这允许您在单个提示中处理数十张图片或长视频，并对整个集合进行提问和分析。访问方式与配置 Gemini App：选择"2.5 Flash"模型（标注"Fast all-around help"） Google AI Studio：选择"Gemini Native Image"功能模块，需科学上网环境，当前因用户量大存在卡顿现象使用限制风格转换功能稳定性不足，部分效果需多次尝试高峰期访问存在服务器拥堵问题所有生成内容需遵守Google安全政策与版权规定

Google Gemini 2.5发布引发AI模型性价比热议· 215 条信息

OpenAI新德里发布会：ChatGPT语音翻译功能引发热议· 548 条信息

#Google #Gemini 2.5 Flash Image #图像生成 #免费开放 #AI Studio

...