知识猫AI实验室
@GeekCatX • 31,589 subscribers
在大厂写了10+年代码，现在用 AI 折腾新东西 做图、做视频，分享作品和背后的工作流 也在摸索，怎么把一个人的创作做成生意 交流 / 咨询 / 合作 📮：[email protected] ｜vx: gnipbao （备注来意）
Shorts
Videos
兄弟们，之前答应过你们，点赞过百开源我的MinMax H3 视频反推skill。由于前两天账号被盗影响了我发布节奏，现在重新发布下。 首发我的开源项目：MiniMax H3 视频反推 Skill。 我做视频反推时遇到过一种很隐蔽的错误：画面里的动作都描述对了，提示词却没抓住视频在表达什么。 比如一只猫开心地跳舞，以为另一只猫正举着手机帮它录像。跳完凑近才发现，对方根本没开相机，而是在刷别的猫的视频。它随后生气地拍对方，笑点来自“认真表演”和“根本没被录下”的落差。如果提示词只写“跳舞→看手机→拍头”，动作顺序还在，故事已经变了。 艺术视频也有类似问题。分布在不同空间深度的绘画笔触，随着视角转动而错开，回到特定角度又组成完整画像。这里需要描述的是笔触、深度和视点的关系；把“分层”理解成将平面图片切成薄片，就会生成另一种效果。 这个 Skill 的原理是： 把视频转成有证据的事实，再把确认过的理解编译成提示词。 1、先建立视频事实。 它检查完整时间线，找出真正的切镜，补看快速动作、接触、遮挡和最后一帧。人物外观、道具位置、主体动作、镜头运动、声音分别记录。单张截图只能证明某一刻的状态，不能凭它推断一整段动作。 2、再对齐视频含义。 它先用中文复述“谁在做什么、期待什么、转折发生在哪里、最后停在什么状态”。对于艺术展示，则复述作品结构和视角变化带来的效果。拿不准的关系或原因会直接说出来，等你确认或纠正后才进入提示词阶段。你补充的设定会与画面中能直接确认的事实分开保存。 3、从同一组事实生成不同路线。 要文生视频，就组织成完整的时间线；要图生视频，就把每个真实镜头的首帧状态与后续动作分开写。需要多段生成时，前一段结束的人物姿势、道具位置和未完成动作会传给下一段。这样修改一种输出形式时，不会凭空长出另一套剧情。 4、最后检查边界。 时间线有没有漏掉结尾？接触和撤回有没有被合成一次动作？真实硬切有没有被误写成镜头运动？声音是否真的听过？事实或目标一旦改变，旧复核就会失效，需要重新检查。 你可以安装后附上参考视频，直接调用 skill，它会先告诉你自己看懂了什么； 你可以直接回复“这里不是自拍，是在刷视频”或“这里是空间分层，不是切片”。 理解对齐后，再让它输出 MiniMax H3 可用的文生或逐镜图生视频提示词。 项目附有教学示例和本地校验工具，目前通过了 94 项自动回归检查。 这些检查验证流程和提示词的结构约束；成片有多像，还需要实际生成对照。欢迎拿难反推的视频来试，也欢迎反馈它理解错的地方。 开源地址见评论👇
知识猫AI实验室199,883 views • 27 days ago
我给自己的开源手绘视频 Skill，做了一支 Vox 风格的剪纸拼贴宣传片。👇 这次用的是 Pexo Pexo，一款对话式 AI 视频创作工具，面向有内容表达、产品推广需求的创作者、独立开发者和产品团队。 你可以直接告诉它想做什么，提供项目资料和参考风格。它会帮你整理故事线、做分镜，再完成画面、配音和成片制作。后续哪里需要调整，也可以留在同一个项目里接着聊、接着改。 实际用下来，上手确实比较简单。我不需要自己研究该选哪个模型、怎么搭工作流，更多是在看分镜、判断效果，把想法和修改要求说清楚。 我这次的需求很具体：给自己的 story-to-handdrawn-video 做一支宣传片，把这个手绘视频 Skill 的用途和效果讲清楚。视觉上，想要 Vox 那种纸张纹理、拼贴画面和动态排版。 实际做下来，大概是这样的过程： 先把 GitHub 项目地址和创作需求发过去，让它整理故事线；再补充这个 Skill 实际做出来的视频、参考风格图，一起看分镜。 看到有几张分镜和实际效果对不上，我就直接提： “第四、第五张分镜和真实画面有点差距。” 它重新对照我前面上传的效果视频，调整了分镜里对制作流程、黑白画稿和上色效果的呈现。改完还有不对的地方，我就继续指出来，再看下一版。 到了成片阶段，我又觉得声音和画面节奏还差点意思： “配音感觉差一点，动效感偏弱。” 后面它又换了配音，把两段偏弱的动效重新做了一遍，再给我看新的成片。前面发过的项目资料、效果视频和确认过的风格，都能接着用，不需要每次修改都从头解释。 如果想改的是画面里的某个具体位置，还可以用 Mark to Fix：圈出要改的地方，在右侧批注框里写清楚修改要求，再提交。 这次最有感触的，是第一条提示词之后的创作过程。 很多具体想法，都是看到分镜和画面之后才冒出来的。哪一段没讲清楚，哪张图偏离了实际效果，哪里还需要加强动效，都需要边看边判断。这些意见可以直接跟 Pexo 说，把具体的制作和调整交给它。 我负责判断内容、风格和节奏。几轮沟通下来，作品也逐渐贴近了我想表达的东西。 如果你也有自己的开源项目、独立产品或 SaaS，想给它做一支宣传片，可以看看下面这条 90 秒实操复盘。我把成片效果和中间来回修改的过程都放进去了。 体验：
知识猫AI实验室106,412 views • 1 month ago
兄弟们，我猜的没错，千万别拿跑 Opus 5.5 的习惯去使唤 Gemini 4 Argon！ 很多人习惯了 Opus 5.5 那种“保姆级补脑”——你随便甩一句话，它自己就能把上下文给你脑补齐。 但你要是用同样的一句话 Prompt 去跑 Argon，我保证你乘兴而去、败兴而归。Argon 是典型的“工业级多模态”，极度吃提示词的结构与参数精度，给粗糙的指令它就给你交行活。 但这玩意的上限到底有多恐怖？ 直接找了一段顶级质感的爆款参考视频，甩给 Argon 网页端（代号《氩之眼 4》），让它发挥原生多模态视频理解能力，把视频里的运镜轨迹、光影层次、色彩分级、物理碰撞逻辑，逐帧反推成一组超高精度的结构化提示词，然后纯代码复刻生成。 然后再拿这组逆向出来的提示词去喂生成引擎。 成片出来那一秒，非常的惊艳——画面质感、动态张力完全不输实拍，直接跨越了普通 AI 视频的“塑料味”！ 总结一下 Argon 的核心避坑姿势： 1️⃣ 别偷懒写短句：它不是聊天搭子，给它完整的镜头语言架构，它能还你好莱坞级质感。 2️⃣ 用魔法打败魔法：视频生视频是伪命题，让 Argon “看视频逆向提取 Prompt →\rightarrow→ 二次生成”，才是目前成片率最高的信息差玩法。
知识猫AI实验室30,286 views • 10 days ago
兄弟们，以前总以为能搞定商业海报的生图模型，参数动辄十几二十G。 这次实测国产开源 5B 模型，真有点刷新认知！ 猫哥最近拿模思智能（MOSS）开源的图像模型 MOSS-Image 跑了几组真实商业需求： 基于 5B 参数 DiT 主干、完全用国产 PPU 算力平台训练。 本以为轻量级模型只能当玩具，结果把麻婆豆腐美食图、咖啡机电商海报和逆光人像跑了一遍，成色确实超出预期！成片和生成效果都在视频里👇 实测 3 个最突出的核心亮点： 1️⃣ 中文信息图排版极规整 跑了一张“麻婆豆腐美食拆解图”，豆腐、红油、青蒜悬浮层次分明。中文大标题字形扎实，食材标注标签清晰可读，直接有了美食杂志内页的版面质感。 2️⃣ 电商海报支持“结构化定位” 以前做海报全靠抽卡碰运气，MOSS-Image 支持用 JSON Layout 直接指定文字和视觉元素坐标：顶部大标题、产品居中、两侧卖点徽章。做商品图、社媒封面，版面组织效率极高。 3️⃣ 胶片级人像通透感 窗边逆光人像那张，背部轮廓光、发丝细节和暗部皮肤层次非常舒服，完全摆脱了千篇一律的 AI 塑料磨皮感。 而且完全开源！Base 和 SFT 两个版本权重、代码、使用指南全部开放，支持最长 4K tokens 提示词，SGLang 和 vLLM-Omni 已经提供 Day 0 支持。 代码仓库与在线体验入口全放一楼了，兄弟们直接去抄作业跑一张试试！👇
知识猫AI实验室14,054 views • 5 days ago
兄弟们，最近开源一键爆款复制工具Hypit 真的有点东西，不到3天 github 7.4k star。 我试了下只能说非常的牛逼，很多博主用它来复刻视频，只用了Hypit复刻能力，但它的视频剪辑能力也是非常的强。 这条介绍 Hypit 的 90 秒视频，也是 Hypit + GPT-6 Astra 全程帮我剪辑完成的。 我把操作录屏、纸片拼贴风格参考、之前生成的成片交给它，再告诉它宣传片的目标和修改方向。从素材编排、字幕、B-roll，到流程动效和最终渲染，整个剪辑过程都在这套组合里完成。 视频里展示的，是我用 Hypit 做的一次 Clone → Edit → Reuse 实验。 先介绍一下：Hypit 是给 Codex、Claude Code 等 AI Agents 做视频的开源语言和系统。 它让 Agent 能把视频制作中的脚本、素材、配音、字幕、B-roll 和动效组织成一套可执行的工作流。创作者可以通过描述需求，让 Agent 编写、修改这些结构，再到 Hypit Studio 里查看画面和时间轴。 这次，我先从一条唐代主题的纸片拼贴视频开始，尝试 Clone 它的视觉表达：纸张纹理、醒目的题签、前后景移动，以及用图解讲故事的方式。 随后，我提出了一个新要求： “沿用纸片拼贴工作流，做中国瓷器历史，60 秒，中文旁白。” 同一种视觉语言，开始承载新的内容：从唐代故事，转向瓷器的发展、青花工艺和明清彩瓷。脚本、镜头和讲解围绕新主题重新组织，之前积累的制作方式可以继续使用。 有意思的地方，还在后面的修改。 做完这条宣传片后，我又让它给 B-roll 增加流程动效。它继续在现有工程里加入： 随讲解依次出现、点亮的纸片步骤卡； 连接不同步骤的箭头和推进动画； 对应“绘青花 → 罩透明釉 → 入窑烧成”的顺序框选； 展示 Clone、Edit、Reuse 的流程收束。 这些修改复用了已有素材，再完成合成和渲染。新增的卡片文字、出现时间和布局，也都保留在可编辑工程里。 这让我觉得，Clone 的价值，可以延伸到下一次创作。 一次实践之后，留下来的脚本结构、字幕样式、动效组件和素材组织方式，都能继续调整。下一次换主题、换产品或换讲解内容时，就有了一个可以接着工作的起点。 对需要持续做产品介绍、知识视频、功能演示的人来说，这种“描述需求 → 查看结果 → 继续修改 → 复用工程”的方式，很值得试一试。 视频里放了真实操作节选、Studio 预览、风格参考与新主题成品的对照，也展示了这次补充的流程动效。 想试试用自己的 Agent Clone 视频，可以先收藏这个开源仓库，顺手给 Hypit 点个 Star ⭐
知识猫AI实验室74,399 views • 1 month ago
兄弟们，我用 Jev 测了一轮 Computer Use + 滑雪视频混剪。 随机抽取 16 条滑雪素材，基于抽帧描述让 Jev 评分、选择开场和收尾，再通过 Computer Use 操作 CapCut，完成分割、裁剪、变速，输出 16 秒 Phonk 混剪。 我的判断标准：动作够不够刺激、切换是否流畅、配乐有没有力量，能不能按我的要求调整。 个人感觉效果不错。尤其提出“更重的运动 Phonk”后，配乐和节奏都更接近我想要的效果。 这一轮基本不到 5 分钟就剪好了，还保留了可编辑工程。 消耗也不大：20× 额度下使用 GPT‑6 Astra中，占用不到 1%——这里说的是额度变化，不是精确 token 统计。 Jev 负责判断，Computer Use 负责把判断落实到剪辑软件里。 以后批量混剪，视频切片分发这个行业可能不需要找外包了。全程jev写好判断，直接程序后台就能跑。 我这里演示操作computer-use 主要是让大家有个直观的感觉，全程无加速视频看下面，成片效果见评论。
知识猫AI实验室61,892 views • 1 month ago
我又把这套流程优化了一版。 目前来看，这应该是我跑通过的，成本最低、操作也最简单的一套 Vox 风格视频制作方案。 整个流程只有 4 步： 第一步，用 vox-style skill 配合 Codex，拆解画面并生成分镜提示词。 第二步，用 Codex Image 2 批量产出分镜图。 第三步，把分镜图放进 Google Flow，用 Gemini Omni Flash 逐个生成视频片段。 第四步，下载全部片段，交给 ChatCut 一键剪辑成片。 简单来说就是： 拆分镜 → 生图片 → 转视频 → 自动剪辑。 不需要自己从零设计画面，也不用在剪辑软件里反复对齐素材。 Google AI Pro 目前每月有 1000 个 Flow 积分，用来制作和测试短视频，成本已经能压得很低。 当然，具体能生成多少条，还是取决于视频时长、返工次数和你选择的模型。 但如果你想低成本尝试 AI 视频，而不是一开始就买一堆昂贵工具，这套工作流很值得跑一遍。 晚点我会把完整流程放到猫社群，直接开放给群友使用。 如果你也想探索 AI 视频、自媒体内容和低成本内容生产，欢迎加入猫社。 我们不只追新工具，更重要的是把工具真正变成能用的工作流。
知识猫AI实验室158,174 views • 3 months ago
兄弟们，上周预告的“故事转手绘视频”Skill，今天正式开源了。 给它一段中文故事，它就能自动变成一支会从黑白慢慢长出颜色的手绘日记动画。 你可以直接输入中文故事文案，也可以上传一组按顺序排列的本地图片。 剩下的事情，它会自动完成： 把故事拆成分镜； 保留原文措辞和叙事节奏； 为每个画面配上手写体字幕； 让画面从黑白线稿逐渐上色； 最后输出方便继续配音和剪辑的静音MP4。 为了避免自动分镜把故事切得太碎，我专门调整了拆分逻辑。 默认一个完整句子对应一个节拍，只有遇到自然的动作或叙事转折，才会拆开较长的复合句。 如果你已经准备好了漫画页或手绘图片，也可以直接上传。 它会自动识别并拆分页面中的手写文字和插画，在本地生成与彩色插画对齐的黑白底稿，再制作成动画。 目前支持两种转场： 第一种是直接切换。 按照“文字→黑白线稿→彩色插画”的顺序，从左向右逐渐揭示。 第二种是翻页转场。 保留原始页面，从右下角卷起翻页，做出真正的手绘日记翻书感。 我还专门处理了一个很容易翻车的问题： 画面裁切。 所有插画都会被限制在白色安全边框内，只使用完整收纳的构图方式，不会为了铺满屏幕，把人物、文字或关键细节直接裁掉。 最终输出3:4竖屏静音画面轨： 正式版1080×1440； 预览版720×960。 很适合拿来制作童年回忆、人物故事、成长经历、情感叙事，以及其他需要温度感的中文故事视频。 底层使用Image2生成分镜，再通过Remotion完成动画与渲染。 项目已经完整开源： 觉得有用，可以顺手点个Star。 如果你在使用中发现问题，或者做出了新的动画效果，也欢迎提Issue、交PR，一起把它继续完善。
知识猫AI实验室129,322 views • 3 months ago
兄弟们，我用这套方法轻松复刻抖音30w博主视频工作流，同样是低成本复刻，教学如下： 1. Hypit 克隆拆解出视频可复用的工作流。（省流建议：gemini 反重力里安装这个skill 把视频到工程目录下进行反推，后面交给codex对接后续流程） 2. 接入私有API 比如H3模型。这里我用的是runninghub开源的加速工作流api（非常便宜消耗的是rb币，可以通过咸鱼便宜采购） 这里是两个工作流：图生视频为主 3. 接入豆包语音tts2，完成配音。（豆包这里有一些免费额度，需要开通授权，可以找一些好的视频解说用capcut把人声单独分离出来用来克隆声音这样效果更好） 4. 后期剪辑合成全部交给GPT-6 Astra 🀄️ （plus用户也可以用5.6 这里完全够用） 5. 将上述过程封装成skill，方便下次同一个主题快速产出视频。
知识猫AI实验室47,353 views • 1 month ago
一张贴纸，真的能读懂你的汗液吗？ 最近看到一篇关于汗液贴片的论文，我很想弄明白： 汗液怎么进入贴片？ 图里那些弯弯绕绕的通道在做什么？ 不同研究的检测方案，又有什么区别？ 作为这个领域的小白，我想把图里的工作原理也弄明白。于是用了 PhAI Labs PhAI Labs出品的免费 AI 科研工作台 ScienceBuddy，拿四篇公开论文跑了一次。 下面的 90 秒视频，就是这次操作的剪辑记录。 第一步，把四篇 PDF 拖进去，用最直接的话问： “这几篇论文分别研究了什么？贴片怎么工作？实验发现和局限是什么？” 它先整理每篇的思路，再比较不同方案。 比如，运动时收集汗液和静息状态下监测，关注的问题就不完全一样。读完这一轮，再回到原文，就知道该重点找哪些方法和证据。 第二步，把看不懂的原图贴进去继续问： “这张图片展示了什么过程？帮我详细解释一下。” 这是我觉得最直观的一步。 论文里密密麻麻的结构图，可以沿着分层结构、微流控通道、检测区域逐项看。 哪里没懂，就接着追问，再把解释和原图对上。 第三步，请它根据四篇论文和前面的讨论，整理一份总结性报告。 这次实际得到的是可以下载的 Markdown 报告初稿。 下载后，还可以补充原文出处、调整结构、逐条核对，作为下一步阅读和整理的起点。 对我来说，省心的地方是：读文献、问图片、整理报告，可以在同一个任务里接着做，不用每次重新交代背景。 整个操作也没有写代码或配置环境，都是上传文件、用自然语言提问。 需要调用工具的任务，还可以在「轨迹」面板检查执行步骤。至于引用是否准确、图能支持什么结论，依然要回到论文核对。 ScienceBuddy 目前免费开放，主要面向生物医学方向的科研人员和学生。 用电脑浏览器打开 你最想让它帮忙读懂哪张论文图？ ScienceBuddy 目前为 Preview 版本，分析结果请自行核验后再用于研究。
知识猫AI实验室38,681 views • 1 month ago
接上google flow 15积分做10s 一共消耗45积分 ，没有修改，直接拼接 字幕也是skill处理的。还会有不少瑕疵，感觉和veo也差不多？
知识猫图解102,239 views • 3 months ago
一张图，一段提示词。 我让 Apodex 做了一次「AI黄果短剧」逆向研究，最后拿到了一份10万字的拆解文档。 对这种能把复杂任务做完的 Agent 感兴趣，可以先给他们开源的 FrontierAgent 仓库 点个 ⭐ Star，支持一下，也方便后续自己上手。 完整操作我录下来了。 前半段看怎么做，后半段直接打开文档，看这10万字到底拆了什么。 先说操作。 在 Apodex 网页端上传之前流出的黄果制作流程图，再把研究目标和交付要求写清楚。 这里有个关键：需要一段提示词帮你把Apodex能力拉到极限。 一张图是研究入口，不是全部证据。 Apodex 可以在同一个任务里处理文件、检索资料、执行代码，并通过任务看板展示进展。过程中也能追加要求，保留仍然有效的成果，再调整受影响的部分。官方介绍 不过，真正值得展开的，是后面这份文档。 我会重点翻四块内容。 第一，视觉拆解。 角色外形、配色、构图、光影、材质……把一句“这个画风很特别”，拆成具体能描述、能比较的要素。 第二，制作流程。 从角色设定、分镜，到图像与视频生成，再到配音、剪辑。重点看每一步需要什么输入、产出什么，以及前后怎样接起来。 第三，提示词与示例。 不是只收藏一段很长的提示词，而是看懂角色、动作、场景、镜头和风格分别承担什么作用。换一个人物或故事时，才知道哪里该改、哪里要保持一致。 第四，问题与验证。 哪些判断有来源？哪些只是合理推测？角色一致性、镜头衔接这些问题，后面还需要怎么测试？ 尤其是一张图无法证明原作者用了哪个模型、哪段提示词。 逆向研究的价值，是找到有依据的制作路径，而不是把猜测写成答案。 所以，我想展示的并不只是“AI能写10万字”。 而是一个模糊的起点，能不能被推进成一份有结构、有依据、可以逐项检查的交付物。 能回答一个问题，和把一件事做完，是两回事。 这次我把输入、操作和最终文档放在一起。 你可以直接看：这10万字，到底有没有把问题讲明白。 想体验可以从 Apodex 网页端开始。 想放到自己的环境里运行，也可以看官方开放的 Mini 模型权重和 FrontierAgent 框架。 Apodex 网页端： API Platform： 开源框架 FrontierAgent： Apodex 1.1 mini 模型权重： #Apodex
知识猫AI实验室42,408 views • 1 month ago
视频生成模型的下一站，可能不是更长、更清晰的片子。 而是一个你能走进去，并亲手改变的世界。 过去两年，AI 视频已经能生成足够惊艳的画面。但无论视频多逼真，观众依然只能按下播放键： 镜头往哪里走，早已决定； 街角后面有什么，你无法靠近； 画面里出现什么，你也不能临时改变。 生成结束的那一刻，所有可能性也结束了。 Alaya Lab 刚刚开源的 AlayaWorld，试图把这件事反过来。 它不是先生成一段完整视频，再让你观看。 你可以用一张图片开启世界，推动摇杆改变镜头和移动方向；画面会随着操作继续生成。探索途中还能切换提示词，召唤火焰、凤凰、巨兽，或者让新的事件直接发生在当前场景里。 这意味着，AI 生成的内容第一次不只是“成片”，而开始接近一个可以进入、探索和影响的环境。 目前公开的几个核心指标： • 15B 参数 • 720p 分辨率 • 24 FPS 实时生成 • 支持 60 秒以上的连续探索 • 支持实时镜头控制与提示词切换 但真正困难的还不只是生成速度。 视频模型一旦连续运行，误差会逐帧累积：向前走了一段，再回头看，刚才的建筑可能已经变形；人物、道路和空间关系也会慢慢漂移。 这也是“生成视频”和“生成世界”的分水岭。 视频只要下一帧看起来合理。 世界却必须记得：东西在哪里、刚才发生过什么，以及你离开后再回来时，它是否还是原来的样子。 AlayaWorld 为此加入了两种互补的记忆： 一个显式 3D cache，用来保存空间位置； 一个压缩的帧历史，用来维持时间连续性。 再配合针对漂移历史的训练和 Error Bank，尽量阻止误差在长时间生成中不断放大。 所以这项工作的重点，不是“又一个画质更好的视频模型”。 而是把交互、空间记忆、长时稳定和实时生成，塞进同一个可以运行的系统里。 它现在当然还不是一款普通玩家打开电脑就能玩的游戏，也不能直接替代成熟的游戏引擎。 但它展示了一种很值得关注的方向： 未来的虚拟世界，未必需要把每栋建筑、每条道路和每个事件提前制作完成。 一部分世界，可能会在玩家移动和行动的同时，被模型实时生成出来。 这会影响的不只是游戏。 AI 原生玩法原型、影视预演、虚拟勘景、动态故事板，甚至机器人与智能体的训练环境，都可能从这种“可交互的生成世界”中长出来。 更难得的是，AlayaWorld 不只发布了 Demo。 模型权重与推理代码已经开放。你可以直接查看它如何处理实时交互、空间记忆和长时间生成，也可以下载权重进行研究与复现。 如果你正在关注世界模型、AI 游戏或交互式生成，这个项目值得拆一遍： Alaya Lab
知识猫AI实验室70,845 views • 3 months ago
兄弟们，之前分享的流程虽然能跑通，但说实话，不算真正低门槛。 有同学用 Codex Plus 跑分镜，一条视频就干掉大半额度。工具还没学会，积极性先被额度干没了。 今天猫哥把「纯免费版」补上。 不用开 Google Flow 会员，也能跑通一条 1 分钟的 VOX 剪纸纪实风短片。 🔥 免费额度工作流： 1️⃣ Claude / GPT 生成剧本和逐镜分镜 2️⃣ Google Flow + ZAPI FLOW 用 Nano Banana 2 批量生图 只把关键镜头交给 Omni flash生成6s视频 3️⃣ ElevenLabs 生成带情绪的拟人旁白 免费方案每月 10000 credits 4️⃣ Suno 生成电影感 BGM 注意免费版仅适合非商业项目 5️⃣ CapCut 给静态插画加推拉摇移 自动识别字幕并完成出片 Google Flow 免费账号每天有 50 credits。 Omni flash 每段6秒视频消耗 10 credits，一天可以生成约 5 个关键动态镜头。3个免费账号一样能撑起一分钟视频。 完整版网页提示词和操作流程，我放在猫社里。 想要的，来猫社领取，目前价位：299。
知识猫AI实验室49,311 views • 2 months ago
最近国产模型真是扬眉吐气啊，前有盛大世界模型，后有kimi k3 发布， 听说还有一个商汤的生图模型也非常能打，还没试试。 不过这篇还是给大家测试了下 K3的实力。 最近小红书刷到一位很牛的 vibe coding 创作者——流白 Livo。正好赶上 K3 发布，我就把他的一条作品视频直接丢给 K3： “照着这个效果复刻一下，最后再帮我录制成视频。” 没有从零写需求，也没有一点点拆设计。 前后只优化了 3 轮，最终效果已经非常接近原作。 最让我震撼的不是它能写代码，而是它居然能直接从视频里理解设计、还原动效，再把成品做出来。 以前的 vibe coding，是你指挥 AI 干活。 现在的感觉是： 你只需要告诉它“我想要这个”，剩下的，它真的能自己完成。 K3 这波，确实有点东西。
知识猫AI实验室53,749 views • 3 months ago
兄弟们，当前最强国产科研大模型它来啦！ 从一篇论文、一组数据出发，最后交出能检查的研究结果、能运行的软件系统，甚至三维设计——这是我对科研 Agent 最期待的工作方式。 Atria Dawn Preview 正在探索这件事。 面向科研工作者、开发者和专业知识工作者，通过检索、工具调用、实验执行和反馈修正，把复杂任务推进为可验证、可交付的成果。 这次视频里，我把研究、软件构建和三维设计等案例串起来，加入讲解与过程拆解，重点看两个问题：任务怎么往前走？结果凭什么算完成？ 我觉得值得关注的，有这五个方面。 1. 把研究、执行和反馈接起来 从问题、数据、代码或论文开始，连接资料检索、证据整理、代码实现、实验运行和结果分析。 比如，文献研究需要追溯结论与证据；天气预测需要对照训练曲线、真实值和预测值；软件构建则需要根据运行结果继续修改。 对经常在“查资料—改代码—跑实验—看结果”之间往返的人来说，能持续推进这条任务链，很有价值。 2. 让“完成”有具体的验收依据 代码能否通过测试？实验指标是否达到要求？文件是否可用？结论能否追溯到资料？三维结构能否通过几何检查？ 这些外部证据，构成了判断任务完成的依据。对科研和专业工作来说，有结果可检查，才方便继续复核、修改和使用。 3. 交付形式覆盖多种专业工作 科研方面，可以围绕文献、证据、数据分析和实验展开；软件方面，包括 MiniOS、机器学习代码等，从需求推进到实现、运行与修改。 成果也可以是研究报告、文档、表格、演示文稿，或大观园漫游、三维家装、游戏，以及发动机、人形机器人和机械关节的 CAD 设计。 网络安全方向，则是在授权隔离靶场中开展环境分析、漏洞验证、修复与复验。 我更关注的是：每一种成果，都有对应的工具、执行过程和验收标准。 4. 256K 上下文，支持多语言 256K 上下文为长篇文献、代码和连续任务记录提供了处理空间；中文、英文及其他语言的支持，也方便围绕不同语言的材料开展工作。 Atria Dawn Preview是纯文本模型，三维设计、游戏等作品通过代码与工具生成。实际能执行哪些任务，取决于接入的客户端、工具和运行环境。 5. 重视任务组织，也探索经验复用 模型负责理解、推理和行动选择；Harness 管理目标、状态、上下文、权限与错误恢复；环境提供真实状态、约束和验证依据。 Verifiable Experience Pipeline 则把任务、执行轨迹、产物和验证证据关联起来，经过外部验证与质量筛选，保留可复用经验，再从失败中改进任务与环境，探索跨任务、跨工具复用行动能力的方法。 团队背景也让我印象很深：按在校生与 AI Lab 正式员工的统计口径，96 名主要成员中有 65 名在校生，占比约三分之二，涵盖博士生、硕士生和本科生，与 31 名正式员工共同参与研发。 做科研的人，也在为科研造工具。 如果把 Atria Dawn Preview 放进你的工作里，你最想交给它的，是哪一个有明确验收标准的任务？ API 体验： 官网： 关注项目动态：Atria ASI
知识猫AI实验室23,057 views • 1 month ago
