GPT image-2到底还有多少惊喜！！！ 居然还能直接生成360度全景图，不是那种180度超宽幅！ 是正经的、给足沉浸感的全景图！！ 于是，我想去特朗普枪击事件现场看一看！ 有兴趣的朋友去试试， 记得用thinking和进阶模式！ 极简指令：生成360度全景图，内容是xx。

用 GPT Image 2 + Codex + Three.js 组合拳做了3个360度全景图，主打沉浸式体验... 分别是： - 霍格沃茨夜景 - 大闹天宫 - NBA 湖人主场 提示词： 1、GPT Image 2： 360 度等距柱状全景图（equirectangular），[在这里填场景描述]，高细节，沉浸感，电影级光影，2:1 宽高比 2、Codex： 生成 HTML 代码，用 Three.js 将这张全景图渲染成一个可交互的 360 度查看器show more

牛P了 Vidu 的 Reference-to-Video 功能 支持一次性上传最多 7 张参考图片 并结合一段文字提示，生成具有高度一致性、风格统一、视觉保真度高的视频内容... 参考图可以是人物、场景、道具等任意内容 下面是我的测试介绍... 利用 Vidu Q1 模型的多模态对齐机制 能实现结构保持、纹理迁移、风格还原同步完成 模型还会根据参考图和 Prompt 自动进行智能镜头推演，构建“视觉叙事”结构，如推镜头、平移、场景切换等 这是目前行业内首个支持多图引用、并具有角色/场景一致性的开放式视频生成工具。 下面是教程show more

我刚才试了Google Flow最新的智能体模式，一次生成了14张分镜，而且主角居然没长歪。 以前做分镜，我得一张一张抽卡，稍微换个角度人物脸就变了，后期还得单独放大，累得想摔键盘。这次我直接进Agent模式，丢了一张红衣女剑客的参考图，把写好的14段镜头描述贴进去。 它跑完直接甩出一个高清大图列表。每张图的景别都对了，从特写到全景，人物和衣服细节死死咬住参考图。不用我再一张张去对齐风格，直接就能拿去排片。 你们做分镜脚本，是习惯手绘草图，还是直接让AI批量跑图？

GPT- image 2 ➕Nano banana 📷 实现出图自由，谷歌 flow 新增的... Agent 智能体还有智能指令实现了一次性生成十几张图片甚至视频，大大提高了生成效率，再也不用就是生成九宫格分镜，然后再一格一格去提取图片了！ 使用方法也很简单。点击 Agent 按钮上传在 GPT image 生成好的图片。然后选智能指令，把智能指令添加进去就可以实现批量出图。 智能指令如下👇show more

如何去除 Gemini 生成图片的水印 LOGO 我知道 AI 去水印功能也许很强大，但还是不太放心，因此我选择了 PS 古法去水印... 首先我需要一个带有水印的纯色图片，但是 Gemini 不给生成，于是我说“生成一张纯黑色背景，中间有一朵很漂亮的玫瑰🌹的图” 我需要的只是右下角那个水印 LOGO 这个方法需要你对 PS 有一点了解，打开刚刚生成的图，截取到只剩水印和黑色背景，用魔棒工具点击黑色背景，反选，Ctrl+J 获得水印图层 把水印图层拖到要去水印的图上，跟原来的水印对齐，按住 Ctrl 点击水印图层，这样就获得了水印的选区，然后点击原始图层，Ctrl+J 获得原始图层的水印，在图层模式中选择“线性加深”，这样水印就没了 但是还有毛边，合并原始图层和水印，用修复画笔工具摸一下，水印就彻底没有了 不知道大家有没有更好的方法？欢迎在评论区告诉我！show more

Aiuni：最佳图生3D来了？！ 清北00后团队开发，产品效果非常好，细节比较到位，也能脑补出图片中没有展示出的内容。支持图片生成3D模型和图片生成3D场景（天空盒），适用于游戏和影视场景。下方视频是我用DALL·E生成图片，然后转成3D的效果。 官网：

一早发现AI Studio又有惊喜。😍 选择Gemini 2.0 Flash exp，可以生成自然图片，保持角色，一个prompt生成多张 简单测试了一下录屏：生成“龟兔赛跑”故事的8个场景图片，角色保持一致性 很不错，第一张图居然显示了中文字，不过细看还是有错误，可能龟兔赛跑四个字都笔画挺多

PMRF：一种全新的图像修复算法 实现高质量修复图像 降低图像失真还原跟自然逼真度 主要能力： -图像恢复：处理去噪、超分辨率、着色、盲图像恢复和图像修复等任务，生成自然逼真的图像。 -降低图像失真提高感知质：不仅关注图片的清晰度，还会确保图片看起来像真实世界中的图像，而不是AI生成 - 处理复杂的图像退化问题：PMRF能够应对各种复杂的图像退化情况，不论图片内容有多复杂，比如细节丰富的面部图像，还是受到多重损坏的图片，PMRF都能很好地处理，并提供优质的修复结果。

👉 GPT-4o 图片生成分明是 的春天啊，技术拐点，牵一发而动全身！ 过去在 Tripo 玩的时候，几个图生 3D 的难点：... 1️⃣ 图片的 3D 感不够，导致模型生成的效果不够好； 2️⃣ 或者手、腿和身体粘黏，导致自动绑骨骼后仍然需要手动做大量修复。 那么解决方法是想一个 SD 的中间串联步骤，提高图片的 3D 质感再拿去生成模型（这也是 X 上探索的主流方法），另一个办法自然是优化 base model。 现在有了 gpt-4o 很快在大部分场景就已经没有任何技术阻碍，可以大肆进攻 3D 市场了。show more

把网站录下来给AI看, AI能照着做出来吗? 刚刚看到了个炫酷的灯具网站, 它有个功能是点击按钮直接能看到灯点亮的效果, 甚至网站的配色也会暗淡下来, 特别有氛围. 我突然想到, 这样的网站, 如果要让AI来做,... 该怎么办? 把源代码拷给它? 用一个巨复杂的 prompt 来完成? 有没有可能, 我录个视频, 展示一下这个"关灯"的效果, 然后让AI来按照视频来写网站? 于是, 这个重任就交给了今天测试的模型, 百度刚出的文心-5.0-preview, 全模态大模型, 这个模型同时支持文本, 图片, 音频, 视频作为输入, 然后可以生成文本和图片, 所以我们这个测试可以最大化的利用它的能力. 我先录制了网站的效果, 然后写了prompt作为补充, 告诉它这个效果是怎样的, 以及准备的图片材料在哪里. 值得一提的是, 网站所展示的图片也是我用文心-5.0-preview生成的. 大家可以看视频中我生成的效果. 直接说测试结论: 目前每个模态都是可用的, 而且模态之间关联性非常好, 我测试了视频+文本, 图片+文本, 图片+语音, 都可以完成任务. 当然测试也发现了一些问题, 比如 token 输出速度不是特别快, 以及偶尔会有超时问题(已反馈给百度的同学). 我的使用建议是, 多利用它的多模态能力, 来完成之前不敢想象的任务, 它真的提升了使用场景的天花板. #文心大模型 #文心5 #百度 #文心一言 #ai教程show more

开源分解图层大模型这么快就来了? 给大家带来阿里刚刚发布的 Qwen-Image-Layered 模型实测, 这是一个可以把图片分成不同图层的大模型, 模型是基于 Qwen-Image 微调的. 本次我的测试覆盖这个模型的擅长场景(海报),... 指令遵循测试(指定抽取目标), 边缘处理(头发), 极限测试(全是贴纸, 一个贴纸一个图层的话可以抽取50多个图层). 直接说结论, 首先还是模型太大了, 因为这个模型基于 Qwen-Image 所以是个20B的模型, 我是用HuggingFace Zero GPU 测试, 每次运行大概2分钟左右, 模型的确可以做到分离图层, 而且边缘处理很不错, 不过稳定性有待优化, 在我测试中4个图层可以输出, 但是8个或者10个图层就炸了, 怀疑可能是超过了Zero GPU超时或者bug (GPU是H200, 不太可能爆显存), 输出尺寸只有 544*736, 官方也推荐640分辨力, 这点也需要提升, 以及模型还是太大了, 20B, 希望能优化下尺寸.show more

一秒生成高斯点云? Apple新模型SHARP实测! Apple 刚刚推出了新的模型和配套框架 SHARP, 这个模型可以实现单张图像生成逼真的3D场景, 尤其是模型大小只有2.8GB, 大概是1.4B? 速度足够快,... 可以一秒生成高斯点云, 然后这个点云可以为图片向邻近的视角提供多角度地观察, 比如我拍了一张椅子, 那么点云化后就能渲染椅子左右20度的视角, 更多就不行了. 视频是我的实测, 目前测下来日常场景使用完全没问题, 只有在复杂的场景才会露出破绽, 比如镜面反射, 或者超长焦, 感觉这个模型如果应用到 Apple Vision Pro 上会有很不错的场景, 照片仅需要1秒, 弄3D相册不是问题. #Apple #SHARPshow more

利用Hermes去使用ComfyUI实现免费生成图片和视频。 上次我介绍了ComfyUI可在本地部署并且自有本地大模型，不用调用其他付费大模型。并且30/40/50显卡都可以去用，当然配置越高生成的质量就越好。大家按需去用即可。 ComfyUI我认为对于新手来说应该是不怎么难，但是还是有很多兄弟们给狙击手私信问各种操作类型的问题。 那么这次我专门做了次实验就是利用Hermes去调用本地的ComfyUI去实现生图以及做视频，目前来看是可行的，至于整体的质量还要去慢慢的调试。 我其实是建议大家还是把ComfyUI去系统性的学一下的，网上有各种免费的教程的。 我认为既然享受这些免费开源的好软件了，就稍微用用心。哈哈，毕竟它是不要钱的。 下面的视频看一下我第一次调用ComfyUI，生成的第一张图片的结果吧。你们看看怎么样？ 对了我引用的推文里面有ComfyUI的安装包，免费自取！

复刻差不多了，给大家分享教程并开源代码，先看看我的录屏效果如何，主要看前两个，后面还没做😂 首先特别感谢下原作者Dilum Sanjaya，创造出如此美妙的项目，让我大受震撼👍 【手把手教程】 1️⃣ 直接将原作者视频发给coex，让其复刻视频的网站。codex 会截图、抽帧、生图然后进行默默复刻 2️⃣ 网站复刻很简单，一般十几分钟就OK了，然后我们有了初级形态，细胞效果这时候会用Three.js... 程序化 3D展示，但是要达到作者的效果Three.js 肯定是不够的。我尝试用GPT image 2 堆不同角度去实现，但是效果不佳，于是进行第三步 3️⃣图生3D，让GPT image 2 生成细胞精美的主视图、左/右视图、背面。然后找个可生成3D模型，这里我们用的是tripo。生成好后就可以下载下来给codex，让其换成真3D文件 项目开源见评论👇 ps：时间有限我们只做了前两个3D效果，后面好实用的three.js堆的，还没改，我们后续再去维护，我已经想到一些更好玩的，想要去尝试🐶 晚点我再补一个在线体验地址给大家～show more

笑死了 顶不住了！大家自己看视频🤓 GPT Image 2 直接一句话生成 我被美女包围了 提示词：帮我做一个身临其境的360度全景图，场景四周环绕不同性格类型 装束的... 年轻 性感 或 知性 小姐姐，给我递过水果、伸手牵手等show more

今天看到一个不错的 AI 产品 Napkin，能帮你生成各种不同样式风格的漂亮图表，交互很丝滑，图表也很漂亮。 大概看了下实现原理，应该是后台用了一个小模型（GPT-4 mini 或者 Gemini Flash这种），把选中的文本变成mermaid这样的图表格式，并且每个节点选了一个配套的图标（可能用了RAG），然后前端渲染成... SVG 格式，编辑器是基于 TipTap。 它有很多图表的模板，会一次性生成多套图表，你可以选择一套喜欢的应用。每一套风格都很讨喜，团队的设计能力很强。 目前还是免费的show more

最近发现一套不错的办公 skills - SenseNova Skills， 已经 4.1k 个 stars... 了。 这是基于底座 SenseNova 智能体模型开发的一系列 skills，针对办公需求，专注帮 AI Agent 做 PPT 生成、信息图、可视化、Excel 分析等真实办公场景。 我测试了两种常见需求，第一是自动生成高质量 PPT，sn-ppt-entry / sn-ppt-standard，我把英伟达最新一季的财报数据丢给它，让它去生成，几分钟就能出一份结构清晰、设计专业的 PPTX，连图表都自动做好。 第二是生成信息图，sn-infographic，高质量信息图 / 技术分解图 / 产品可视化 把最近很流行的事件：Nvidia 与 SK Hynix 达成多年合作的的新闻丢给它，直接生成出了类似下面这种很形象富有科技感的新闻信息图，感觉很不错。 除了这两个需求，它还可以完成其他常见的办公需求： * Excel 数据分析：自动处理大文件、多 Sheet 分析、出图表 * 深度研究：完整研究报告生成 我已经把它集成到自己的 Agent 工作流里了，OpenClaw Hermes 都可以，我是用的 Codex，有类似任务现在直接丢给 Agent 全自动搞定，需要的朋友们可以收藏备用下。show more

给可灵 1.6 做了一个详细的测试，它就是现在最强的图生视频模型！ 写实图片生成视频居然可以完成 Veo 2 的牛排测试 风格化更是断档领先，我都怀疑 Veo2... 有没有这么强 无论是 3D、动漫还是艺术画都不在话下 试完之后又想自己搞片子了。show more

真正言出法随的AI视频工具，终于被我找到了！！ 而且还是个100%开源的视频世界模型项目！ 这个用来做视频真的很高级！ 先说一个长期的“痒点”，做AI视频为了保证空间场景的一致性， 不得不生成一大堆各种角度的场景的图片作参考约束， 要确保正反打都不会穿帮，要确保镜头转过去再转回来场景不走形， 但其实，这个方法很原始！ 但如果，直接可以生成一个高度一致性的空间， 让人物站在该有的位置，并且还能够自由控制镜头在空间里的运动，... 所有一致性的困扰，就全部解决了！！ AlayaWorld Alaya Lab 就完全是这个思路， 根据任何图片和视频，实时渲染一个自由空间， 先固化一个场景，然后人物和道具进场，先搭景再拍摄， 这样做视频的体验，就无限接近于真实片场！ 你就像一个导演，站在片场里，并且拥有“言出法随”的能力！ 改天气、换演员、换服装、甚至直接换场景，可玩性和可控性全部拉满， 突发奇想的指令或者是已经设置好“技能”，就可以实时渲染出来！ 而且这个时长不受限制，一个空间里，“拍摄”多久都可以。 想想就很爽，这种创作体验，是前所未有的！！ 不光是视频，这也完全是彻底改变游戏行业的存在。 尤其是那种沉浸感很强的第一人称游戏！ 越说越激动，这个项目现在是完全开源的， 有兴趣的朋友，真的可以关注一下这方面的趋势， 我觉得在这个探索世界模型的阶段， 这个，就是最好的落地应用！！show more