1. AI视频新霸主诞生！Dream Machine
成立于2021年的Luma AI官宣了文生视频/图生视频模型Dream Machine，而且提供免费试用API，高质量的生成效果获得了很多网友的好评。
有网友输入相同的提示词，对比Pika、Runway和Dream Machine三个模型，他认为最终还是Luma赢了。
2. 吴恩达开源机器翻译智能体
人工智能著名学者、斯坦福大学教授吴恩达一直非常推崇智能体……继续阅读 »
迷途小书童
3个月前 (06-14) 360浏览 0评论
0个赞
1. GPT-4o更容易越狱？
来自北航和南洋理工的研究人员，通过上万次的API查询，对GPT-4o各种模态的安全性进行了详细测试。结果发现，GPT-4o新引入的语音模态带来了新的攻击面，而且多模态整体安全性不敌GPT-4V。
研究人员针对4个常用的基准测试，对GPT-4o支持的三种模态（文本、图像、音频）进行了测试。
测试一共涉及到4000+初始文本查询的优化，8000+响应判断，16000+次OpenAI的API……继续阅读 »
迷途小书童
3个月前 (06-13) 225浏览 0评论
0个赞
什么是AI智能体？
Agent AI 智能体，也被称为人工智能代理（Artificial Intelligence Agent），是一种能够感知环境、进行自主理解、决策和执行动作的智能体。它具备独立思考和调用工具逐步完成给定目标的能力。Agent AI 智能体不仅仅是一个大模型，它通过感知和适应环境，可以模拟人类的交互方式，并展现出上下文学习能力、思维链和推理能力等类似人类思考方式的能力。
通俗的理解：Agent A……继续阅读 »
迷途小书童
3个月前 (06-13) 391浏览 0评论
0个赞
1. Yandex开源LLM训练工具，节省高达20%的GPU资源
Yandex 最近推出了 YaFSDP，这是一种用于训练大型语言模型 (LLM) 的开源方法。YaFSDP 是目前最有效的公开可用工具，用于增强 GPU 通信并减少 LLM 训练中的内存使用量，与 FSDP 相比，其训练速度提升最高可达 26%，具体取决于架构和参数数量。通过使用 YaFSDP 减少 LLM 的训练时间可以节省高达 20% 的 GPU ……继续阅读 »
迷途小书童
3个月前 (06-12) 195浏览 0评论
0个赞
快手推出了新的视频生成模型，可灵 Kling AI，根据官方放出的 Demo，几乎可以和 OpenAI 的 SORA 相媲美。
官网地址：https://kling.kuaishou.com/
可灵 AI 的功能特点
得益于高效的训练基础设施、极致的推理优化和可扩展的基础架构，可灵大模型能够生成长达2分钟的视频，且帧率达到30fps。
采用3D时空联合注意力机制，能够更好地建模复杂时空运动，生成较大幅度运动的视频……继续阅读 »
迷途小书童
3个月前 (06-12) 245浏览 0评论
0个赞
大家好，我是小书童。
今天给大家分享一款开源的文生视频的 AI 工具，叫 MoneyPrinterTurbo，印钞机加速器，就问你牛不牛逼？
MoneyPrinterTurbo 已经在 GitHub 斩获了超过13k的星星，可见它的受欢迎程度。你只需要提供一个视频的主题或者关键词，有关的剧本、素材、字幕和背景音乐就能够自动生成，高清短视频生成只在一瞬间！无论您是营销人员、创作者还是个人用户，它都能帮你大大减轻创作负担……继续阅读 »
迷途小书童
3个月前 (06-12) 278浏览 0评论
1个赞
成果展示
步骤拆解
生成绘图的提示词
这里以曹操的《观沧海》为例
东临碣石，以观沧海。
水何澹澹，山岛竦峙。
树木丛生，百草丰茂。
秋风萧瑟，洪波涌起。
日月之行，若出其中；
星汉灿烂，若出其里。
幸甚至哉，歌以咏志。
这里，我们将根据这七句诗词，画出七幅画。这个艰巨的任务就交给大模型吧，使用国产的 Kimi，地址：https://kimi.moonshot.cn/
我给的提示词是
我想将曹操的《观沧海》这……继续阅读 »
迷途小书童
3个月前 (06-12) 208浏览 0评论
0个赞
成果展示
详细步骤拆解
AI出图
可以使用你顺手的 AI 绘图工具，国外的像 Midjouney、Stable Diffusion，国内的像扣子、智普清言等等。我这里用了剪映的，地址是：https://jimeng.jianying.com/ai-tool
平台免费用户每天有60个积分，画一次消耗一个积分，正常来讲够用了，不够的话，可以开会员。
左侧就写上提示词，比如我这里是
一个小女孩斜躺在客厅地板上看电视，……继续阅读 »
迷途小书童
3个月前 (06-12) 274浏览 0评论
1个赞
前言
之所以要越狱 ChatGPT，是为了让它提供由于 OpenAI 的内部限制而无法提供的响应。这些指令通常会阻止 ChatGPT 使用脏话或提供可能被视为歧视性的答案，本质上是作为人工智能遵循的道德指南。
越狱步骤
首先，打开 ChatGPT 官网 https://chatgpt.com
清除网站缓存，点击网址旁边的按钮，点击 Cookie 和网站数据
然后，点击管理设备端网站数据
点击各个网址后边的清除……继续阅读 »
迷途小书童
3个月前 (06-12) 300浏览 0评论
0个赞
1. 苹果重新定义AI
通过端侧+云端的方式实现全场景人工智能。
WWDC2024上，苹果将自有的AI能力命名为Apple Intelligence，它能基于苹果内置的大语言模型，通过理解自然语言来执行用户的语音或文字指令。
苹果让AI能力几乎覆盖了所有重要的原生应用，包括相机、照片、备忘录、语音备忘录、提醒事项、邮件、Safari、Keynote等等。除此以外，苹果还推出了两款全新应用，分别是书写工具Writing……继续阅读 »
迷途小书童
3个月前 (06-11) 132浏览 0评论
0个赞
1. 华科等提出人类跳舞视频生成新框架UniAnimate
来自华中科技大学、阿里巴巴、中国科学技术大学的研究团队提出了 UniAnimate 框架，以实现高效且长时间的人类视频生成，支持合成1分钟高清视频。
2. 5秒完成3D生成，合成数据集已开源
来自上海交大、香港中文大学等团队使用大模型合成的数据，显著提升了3D的生成能力。
他们推出Bootstrap3D框架，结合微调的具备3D感知能力的多模态大模型。这个……继续阅读 »
迷途小书童
3个月前 (06-10) 128浏览 0评论
0个赞
1. 腾讯混元推出AI动图神器Follow-Your-Pose-v2
腾讯混元团队与中山大学、香港科技大学联合推出全新图生视频模型“Follow-Your-Pose-v2”，只需要输入一张人物图片和一段动作视频，就可以让图片上的人跟随视频上的动作动起来，生成视频长度可达10秒。 与此前推出的模型相比，Follow-Your-Pose-v2可在推理耗时更少的情况下，支持单张图片上多人视频动作生成。模型特有的“深度图指导……继续阅读 »
迷途小书童
3个月前 (06-08) 139浏览 0评论
0个赞
1. 阿里通义千问Qwen2大模型发布并同步开源
阿里通义千问Qwen2大模型今日发布，并在 Hugging Face和 ModelScope上同步开源。Qwen2系列涵盖5个尺寸的预训练和指令微调模型，其中包括Qwen2-0.5B、Qwen2-1.5B、Qwen2-7B、Qwen2-57B-A14B和Qwen2-72B，据称性能超过美国最强的开源模型Llama3-70B；在中英文之外，模型训练数据中增加了27种语言……继续阅读 »
迷途小书童
3个月前 (06-07) 140浏览 0评论
0个赞
智普AI推出全新开源大模型GLM-4-9B
智谱AI日前推出全新开源模型GLM-4-9B，该尺寸模型首次具备多模态能力。据了解，GLM-4-9B，最高支持1M/约两百万字上下文输入，相当于2本《红楼梦》或125篇论文的长度。性能上，GLM-4-9B函数调用能力提升40%，性能比肩GPT-4；同时，该模型使用超过 10T 高质量多语言数据，一共支持26种语言，通用能力相比上一代模型提升40%，已经赶超Llama 3 8……继续阅读 »
迷途小书童
3个月前 (06-06) 104浏览 0评论
0个赞
前言
IC-Light 是 Imposing Consistent Light 的缩写，这个开源项目能够在不改变图片内容的情况下，控制生成图片的光照效果，也就是给图片上色。因此，这个项目可以用在给老照片上色。
IC-Light 发布了两个模型：文本条件(Text-Conditioned)模型和背景条件(Background-Conditioned)模型，这两种模型都将前景图像作为模型输入。
线上体验
我们可以登录站点……继续阅读 »
迷途小书童
3个月前 (06-04) 354浏览 0评论
0个赞
AI 的进化速度实在是太快了，前几天刚体验完 Suno 3.0 版本，效果已经非常惊艳了，可以看这里
AI写歌，太惊艳了
今天登录到网站，发现创作界面又改版了，模型已经出了 3.5版本
从官方的版本发布记录里可以看到，3.5版本主要更新了
可以生成4分钟的歌曲
2分钟的歌曲扩展
创作体验方面的改进
默认使用3.5版本
总体使用上没有多大的区别，可以参考3.0版本的使用方法。
同样的，使用随机歌词和 roman……继续阅读 »
迷途小书童
3个月前 (06-04) 275浏览 0评论
0个赞
什么是提示词
提示词（prompt）是一种与生成性人工智能模型（如 Kimi）进行交互的方式，它通过简单的语言指令来引导模型产生期望的输出。提示词可以是问题、指令或者任何形式的文本输入，旨在激发模型生成特定类型的响应或完成特定的任务。
提示词工程（prompt engineering）则是一门发挥想象力的艺术，它涉及创造性地设计和优化这些提示词，以便从语言模型中获得最佳的输出结果。在提示词工程中，不需要具备编程经验，……继续阅读 »
迷途小书童
3个月前 (06-03) 285浏览 0评论
0个赞
腾讯正式发布了基于混元大模型的面向消费者端的 AI 助手腾讯元宝，目前已经上架各大应用商店。
腾讯元宝提供了 AI 搜索、AI 总结、AI 写作、AI 语音等核心能力，能够一次性解析多个微信公众号链接，支持 pdf、word、txt 等多种格式的文档，以及图片的解析，并支持超长的上下文窗口。
可以随时向它发起对话，模型会给你提供精准的答案
文字输出的同时，也可以进行语音播报，目前系统已经支持了近30个音色，难得……继续阅读 »
迷途小书童
3个月前 (05-30) 238浏览 0评论
0个赞
