正在加载视频...

视频加载失败

加载此视频时出现问题。这可能是由于临时网络问题，或视频可能不可用。

chatgpt 的deep research，和google notebooklm竟然是绝配。🤣 - 把 chatgpt 的 deep research 报告扔进 notebooklm； - 使用内置的PPT 功能，会调用 nano banana pro 自动生成一整套完整的 ppt；人的学习也需要多模态，图文并茂，不但有效，而且有利于理解和内容。PPT 的视觉呈现，是对文字版 deep research 报告的有效补充。 nano banana pro 是原生多模型模型，对文字的处理方式和以前的扩散模型是完全不同的，在文字渲染上已经相当不错了。但是，目前中文渲染仍然偶尔会有问题。其实这很好解决。毕竟，当前的 ai 早就可以分割图片里的一切元素了。只需要产品层面改进，就可以实现文字可编辑。期待 google 的产品更新。我觉得这个 use case 非常有价值。需要大力实践。

howie.serious

53,342 subscribers

38,672 次观看 • 7 个月前 •via X (Twitter)

Anya Rossi• Live Now

Private livecam show

0 条评论

暂无评论

原始帖子的评论将显示在这里

相关视频

把Banana图片变成可编辑的PPT文件这个网站可以把Banana生成的PPT图片，OCR成可以编辑的PPT源文件，准确度不错，但是细节的切分会稍有问题。用过之后我的感受是：能用AI生成和编辑PPT，我再也不愿意手动编辑PPT。现在AI编辑图片的能力还差些，但也就是等半年到一年的时间罢了。网址：

把Banana图片变成可编辑的PPT文件这个网站可以把Banana生成的PPT图片，OCR成可以编辑的PPT源文件，准确度不错，但是细节的切分会稍有问题。用过之后我的感受是：能用AI生成和编辑PPT，我再也不愿意手动编辑PPT。现在AI编辑图片的能力还差些，但也就是等半年到一年的时间罢了。网址：

Gorden Sun

29,741 次观看 • 6 个月前

“芒格100模型”研究 X google deep research with gemini 2.5 pro：9分钟，62个英文参考资料（实际访问了数百个网站），输出2万多字中文报告，100模型实际解读13个，任务完成率13%（这不是偶然，下文详解）🤣 一句话结论：单单从”研究芒格100模型“任务看，google deep research得分不超过30（满分100）。 prompt（和openai案例完全一致）： > 大航海时代，海盗中间流传着一个传说：海贼王在大海深处埋藏着它的宝藏，找到它的海盗将获得力量、荣耀与权力。互联网上也有一个传说，charlie munger 有 100 个思维模型，掌握这 100 个思维模型的人将拥有大智慧，成为真正的聪明人。 > > 请帮我做一份研究，关于“查理芒格的 100 个思维模型”。包括这种说法的来源，100 模型的内容，以及对 100 个思维模型的每一个进行简要介绍。 > > 介绍每个思维模型时，说明它是什么，为什么重要，举个例子，应用场景。 > > 使用英文搜索，只采纳英文资料（因为互联网上英文资料在数量和质量上都是最好的），用中文回答。我自己的思考： 1、100个模型只解读了13个，这不是偶然。我做了一个测试，让openai deep research一次性研究包含300本书的书单，o3驱动的deep research产出了史上最长的报告，覆盖了300本书，最终报告6万多字（一个推友研究NBA球队，单个球队的研究报告也到了6万多字）。但是，之前gemini 2.0 flash驱动的google deep research，5千字就糊弄教材，实际完成1/3都不到。 2、为什么gemini 2.5 pro deep research会“糊弄”？要么是指令跟随能力不行（听不懂prompt）？要么是底层模型的推理能力不行？要么是上下文窗口限制？是否还有其他可能？ 3、语言质量、报告结构上，这些没有硬性评价标准，每个人观点不同。我从这个案例中的观察是，google deep research有改善，但是确实和o3有差距； 4、context window之迷：gemini 2.5 pro有100万的上下文窗口，为什么只能产出2万字的报告？openai模型的上下文窗口是gemini的1/5，但是，产出报告的细致程度和质量为什么会更高？o1的上下文是20万，输出长度是10万；我估计o3的上下文可能是40万，输出长度可能是20万（毕竟，最终报告6万多汉字，加上中间的思维过程）。初步个人结论：gemini 2.5 pro口碑这么好，deep research 应该是能用的（毕竟我只测试了一个极端的研究案例，后续我会从我的200多个openai deep research案例中精选出来对比测试）。但是，“一分价钱一分货”的道理目前仍然成立。 google 和openai 报告全文 link 在评论区。👇

“芒格100模型”研究 X google deep research with gemini 2.5 pro：9分钟，62个英文参考资料（实际访问了数百个网站），输出2万多字中文报告，100模型实际解读13个，任务完成率13%（这不是偶然，下文详解）🤣 一句话结论：单单从”研究芒格100模型“任务看，google deep research得分不超过30（满分100）。 prompt（和openai案例完全一致）： > 大航海时代，海盗中间流传着一个传说：海贼王在大海深处埋藏着它的宝藏，找到它的海盗将获得力量、荣耀与权力。互联网上也有一个传说，charlie munger 有 100 个思维模型，掌握这 100 个思维模型的人将拥有大智慧，成为真正的聪明人。 > > 请帮我做一份研究，关于“查理芒格的 100 个思维模型”。包括这种说法的来源，100 模型的内容，以及对 100 个思维模型的每一个进行简要介绍。 > > 介绍每个思维模型时，说明它是什么，为什么重要，举个例子，应用场景。 > > 使用英文搜索，只采纳英文资料（因为互联网上英文资料在数量和质量上都是最好的），用中文回答。我自己的思考： 1、100个模型只解读了13个，这不是偶然。我做了一个测试，让openai deep research一次性研究包含300本书的书单，o3驱动的deep research产出了史上最长的报告，覆盖了300本书，最终报告6万多字（一个推友研究NBA球队，单个球队的研究报告也到了6万多字）。但是，之前gemini 2.0 flash驱动的google deep research，5千字就糊弄教材，实际完成1/3都不到。 2、为什么gemini 2.5 pro deep research会“糊弄”？要么是指令跟随能力不行（听不懂prompt）？要么是底层模型的推理能力不行？要么是上下文窗口限制？是否还有其他可能？ 3、语言质量、报告结构上，这些没有硬性评价标准，每个人观点不同。我从这个案例中的观察是，google deep research有改善，但是确实和o3有差距； 4、context window之迷：gemini 2.5 pro有100万的上下文窗口，为什么只能产出2万字的报告？openai模型的上下文窗口是gemini的1/5，但是，产出报告的细致程度和质量为什么会更高？o1的上下文是20万，输出长度是10万；我估计o3的上下文可能是40万，输出长度可能是20万（毕竟，最终报告6万多汉字，加上中间的思维过程）。初步个人结论：gemini 2.5 pro口碑这么好，deep research 应该是能用的（毕竟我只测试了一个极端的研究案例，后续我会从我的200多个openai deep research案例中精选出来对比测试）。但是，“一分价钱一分货”的道理目前仍然成立。 google 和openai 报告全文 link 在评论区。👇

howie.serious

96,912 次观看 • 1 年前

NotebookLM生成视频时，会使用nano banana生成视频里的配图了。整体能力提升特别大，有视频，有语音（中文稍有瑕疵但问题不大），视频内容有配图有文字（文字是程序写上去的不是生成的）。如果内容足够好，用NotebookLM发自媒体也不是不行。下方是我上传了纳瓦尔宝典生成的视频。

NotebookLM生成视频时，会使用nano banana生成视频里的配图了。整体能力提升特别大，有视频，有语音（中文稍有瑕疵但问题不大），视频内容有配图有文字（文字是程序写上去的不是生成的）。如果内容足够好，用NotebookLM发自媒体也不是不行。下方是我上传了纳瓦尔宝典生成的视频。

Gorden Sun

26,983 次观看 • 9 个月前

Dokie：一键生成可编辑的PPT 如果你的老板让你给他汇报openclaw（Clawdbot）是什么，你可以直接用我这个PPT了。在Dokie里，上传要转换成PPT的文档，输入内容和排版要求，一键就能生成PPT。特点是可编辑、可导出pptx文件、自带动画，效果非常丝滑。采用的是HTML+SVG方案，没有使用Banana直接出图，但是也能实现逻辑复杂的布局方案，而且有Banana无法实现的可编辑和动画效果，平衡了美观性和可维护性，是非常巧妙的方案。PPT播放效果见下方视频。

Dokie：一键生成可编辑的PPT 如果你的老板让你给他汇报openclaw（Clawdbot）是什么，你可以直接用我这个PPT了。在Dokie里，上传要转换成PPT的文档，输入内容和排版要求，一键就能生成PPT。特点是可编辑、可导出pptx文件、自带动画，效果非常丝滑。采用的是HTML+SVG方案，没有使用Banana直接出图，但是也能实现逻辑复杂的布局方案，而且有Banana无法实现的可编辑和动画效果，平衡了美观性和可维护性，是非常巧妙的方案。PPT播放效果见下方视频。

Gorden Sun

88,168 次观看 • 5 个月前

平时出去演讲分享，最烦的就是写 PPT 了虽然现在 HTML PPT 也很流行，但要做逐字修改还是不方便，毕竟分享的时候还是很严肃的，要确定每个字都是自己想说的刚好今天看到藏师傅说的 Markdown as Database 的理念，我也非常认同 HTML 好看难改。Markdown 好改难看。那能不能把 HTML 和 MD 结合起来，修改 MD，让 HTML 渲染 MD？于是我晚上就上手试了一下，竟然真的可以。 .md 文件是内容层，HTML 模板是视图层。改内容的时候只改 Markdown，完全不碰 HTML。一份 Markdown，多种渲染形态：幻灯片、博客、简历、产品页……未来各种模板都可以消费同一份文件。这个功能已经内置到 ColaMD 的 1.5 版本里啦，虽然只有我平时最喜欢用的那个 PPT 模板，但是既然有一个了，就可以加无限个，开源软件，你让 AI 自己加模板就行欢迎大家体验哈，走过路过给个 Star 哈

平时出去演讲分享，最烦的就是写 PPT 了虽然现在 HTML PPT 也很流行，但要做逐字修改还是不方便，毕竟分享的时候还是很严肃的，要确定每个字都是自己想说的刚好今天看到藏师傅说的 Markdown as Database 的理念，我也非常认同 HTML 好看难改。Markdown 好改难看。那能不能把 HTML 和 MD 结合起来，修改 MD，让 HTML 渲染 MD？于是我晚上就上手试了一下，竟然真的可以。 .md 文件是内容层，HTML 模板是视图层。改内容的时候只改 Markdown，完全不碰 HTML。一份 Markdown，多种渲染形态：幻灯片、博客、简历、产品页……未来各种模板都可以消费同一份文件。这个功能已经内置到 ColaMD 的 1.5 版本里啦，虽然只有我平时最喜欢用的那个 PPT 模板，但是既然有一个了，就可以加无限个，开源软件，你让 AI 自己加模板就行欢迎大家体验哈，走过路过给个 Star 哈

Orange AI

40,471 次观看 • 2 个月前

使用AI生成3D模型，最终利用comfyUI渲染输出成片的工作流全过程以下是GPT4总结的制作流程： 1. 文本到3D生成在LumaLabs使用Gini文本到3D：访问LumaLabs网站，选择Gini文本到3D功能，输入如“Naruto T-pose”的描述性文本提示生成3D模型。预览和调整：预览生成的3D模型，根据需要调整文本提示或使用提供的选项重新生成以获得满意的结果。 2. 导入和编辑模型导入模型到Blender：将生成的3D模型（如身体、头部和手部）导入到Blender中。调整模型位置和比例：在Blender中调整各个部分的位置和比例，确保模型的整体协调。组合和调整细节：将不同的部件（头部、手部等）组合成一个完整的模型，对模型的姿态、细节进行必要的调整。模型优化：对模型进行必要的优化，包括调整网格和重新拓扑（如果需要），以便于动画处理。 3. 动画和导出应用骨骼和动画：将调整好的3D模型导出为FBX文件，然后在Mixamo网站上应用自动骨骼绑定和选择动画。导入动画到Blender：将带有动画的模型重新导入到Blender中进行进一步的编辑和调整。 4. 进一步编辑动画循环设置：在Blender中设置动画循环，确保动画可以平滑地循环播放。相机和光照设置：调整相机角度和光照设置，以改善动画的视觉效果和氛围。渲染设置：调整渲染设置，包括分辨率和渲染引擎设置，以获得高质量的动画输出。 5. 最终渲染和后处理渲染动画：在Blender中渲染完成的动画，导出为视频文件。后处理：可选地，将渲染完成的视频导入到Comfy UI或其他视频编辑软件中进行后处理，添加背景、特效和其他视觉元素，以完成最终的动画作品。通过这些具体的小步骤，从文本描述到完成的3D动画的整个制作过程被详细地概述和解释，为想要学习这一流程的人提供了一份详细的指南。

使用AI生成3D模型，最终利用comfyUI渲染输出成片的工作流全过程以下是GPT4总结的制作流程： 1. 文本到3D生成在LumaLabs使用Gini文本到3D：访问LumaLabs网站，选择Gini文本到3D功能，输入如“Naruto T-pose”的描述性文本提示生成3D模型。预览和调整：预览生成的3D模型，根据需要调整文本提示或使用提供的选项重新生成以获得满意的结果。 2. 导入和编辑模型导入模型到Blender：将生成的3D模型（如身体、头部和手部）导入到Blender中。调整模型位置和比例：在Blender中调整各个部分的位置和比例，确保模型的整体协调。组合和调整细节：将不同的部件（头部、手部等）组合成一个完整的模型，对模型的姿态、细节进行必要的调整。模型优化：对模型进行必要的优化，包括调整网格和重新拓扑（如果需要），以便于动画处理。 3. 动画和导出应用骨骼和动画：将调整好的3D模型导出为FBX文件，然后在Mixamo网站上应用自动骨骼绑定和选择动画。导入动画到Blender：将带有动画的模型重新导入到Blender中进行进一步的编辑和调整。 4. 进一步编辑动画循环设置：在Blender中设置动画循环，确保动画可以平滑地循环播放。相机和光照设置：调整相机角度和光照设置，以改善动画的视觉效果和氛围。渲染设置：调整渲染设置，包括分辨率和渲染引擎设置，以获得高质量的动画输出。 5. 最终渲染和后处理渲染动画：在Blender中渲染完成的动画，导出为视频文件。后处理：可选地，将渲染完成的视频导入到Comfy UI或其他视频编辑软件中进行后处理，添加背景、特效和其他视觉元素，以完成最终的动画作品。通过这些具体的小步骤，从文本描述到完成的3D动画的整个制作过程被详细地概述和解释，为想要学习这一流程的人提供了一份详细的指南。

Yangyi

25,462 次观看 • 2 年前

现阶段AI做PPT的最强实践，只需要一个Codex就足够了，十分钟创建一个精美的PPT。 Codex+Image 2 + Presentations 插件，一个指挥、一个设计模板、一个实践输出PPT。可以指定生成多种风格，视频里面我只让它生成了四种，最主要的是它的每一个文字、图片、元素都是可编辑的这才是最主要的！

现阶段AI做PPT的最强实践，只需要一个Codex就足够了，十分钟创建一个精美的PPT。 Codex+Image 2 + Presentations 插件，一个指挥、一个设计模板、一个实践输出PPT。可以指定生成多种风格，视频里面我只让它生成了四种，最主要的是它的每一个文字、图片、元素都是可编辑的这才是最主要的！

小墨同学

65,326 次观看 • 1 个月前

🐳卧槽！这下真的是要实现PPT自由了，香蕉生成的图片PPT可以直接编辑了😄 其实目前所有使用Nano Banana 制作的PPT的工具都是依托于LLM的强能力+优化的AGENT来完成一份还不错的PPT。也就是说其实你只要有一个不错的提示词或者提示词风格，你大概率制作出来的PPT是不会差的。昨晚就是使用我设置的号的提示词风格+一句话就可以做出视频中的风格的PPT了。但是受限于无法直接编辑的问题, 𝗖𝘆𝗱𝗶𝗮𝗿 佬的这个工具就是可以实现帮你解决PPT进行编辑的问题。目前工具还在内测中，我想应该很快就可以体验了，到时候我找C大给我们社群的小伙伴优先来一波福利哈哈😄

🐳卧槽！这下真的是要实现PPT自由了，香蕉生成的图片PPT可以直接编辑了😄 其实目前所有使用Nano Banana 制作的PPT的工具都是依托于LLM的强能力+优化的AGENT来完成一份还不错的PPT。也就是说其实你只要有一个不错的提示词或者提示词风格，你大概率制作出来的PPT是不会差的。昨晚就是使用我设置的号的提示词风格+一句话就可以做出视频中的风格的PPT了。但是受限于无法直接编辑的问题, 𝗖𝘆𝗱𝗶𝗮𝗿 佬的这个工具就是可以实现帮你解决PPT进行编辑的问题。目前工具还在内测中，我想应该很快就可以体验了，到时候我找C大给我们社群的小伙伴优先来一波福利哈哈😄

Berryxia.AI

22,970 次观看 • 5 个月前

推荐一下张咋啦的 PPT Skill：frontend-slides。对于我这种不爱做 PPT，但又有演示需求的人来说，实在是太友好了。这个 Skill 的思路是把 PPT 变成网页。并且动画效果比 PowerPoint 好、生成的是单个 HTML 文件、浏览器直接打开。 AI 会生成多个不同风格的预览，每个风格都是定制的，字体、配色、动画都不一样。同时还能直接在浏览器里编辑文字，改完自动保存。如果你有现成的 .pptx 文件，也能直接转成网页版。经常做 PPT 的话，可以试试，链接放评论区。

推荐一下张咋啦的 PPT Skill：frontend-slides。对于我这种不爱做 PPT，但又有演示需求的人来说，实在是太友好了。这个 Skill 的思路是把 PPT 变成网页。并且动画效果比 PowerPoint 好、生成的是单个 HTML 文件、浏览器直接打开。 AI 会生成多个不同风格的预览，每个风格都是定制的，字体、配色、动画都不一样。同时还能直接在浏览器里编辑文字，改完自动保存。如果你有现成的 .pptx 文件，也能直接转成网页版。经常做 PPT 的话，可以试试，链接放评论区。

余温

115,550 次观看 • 3 个月前

一个模型搞定视频+音频+口型! 你看到的这个就是 LTX 刚刚发布的 LTX-2 开放权重大模型, 这个模型可以文生视频或者图生视频, 这个模型最大的特点是在保证了画质和一致性的同时, 可以生成音频! 而且音频和口型完全适配! 并且说话人神态也非常棒! 模型大小是 19B, 相当可用! 演示视频是我用 HuggingFace Zero GPU 生成的 demo, 10秒视频大概需要5分钟左右生成时间. 我测试目前来看最大的优点就是口型和声音生成得非常好, 并且一致性很高. 指定人物使用什么样的银色就能稳定生成. 当然模型也有不足之处, 主要是还是偶尔能看到模型生成人物皮肤的那种油腻感. 当然官方的 pro 版本在这点上处理的更好, 并且 pro 版本支持4K分辨率输出, 当然 pro 版本是没有开源的.

一个模型搞定视频+音频+口型! 你看到的这个就是 LTX 刚刚发布的 LTX-2 开放权重大模型, 这个模型可以文生视频或者图生视频, 这个模型最大的特点是在保证了画质和一致性的同时, 可以生成音频! 而且音频和口型完全适配! 并且说话人神态也非常棒! 模型大小是 19B, 相当可用! 演示视频是我用 HuggingFace Zero GPU 生成的 demo, 10秒视频大概需要5分钟左右生成时间. 我测试目前来看最大的优点就是口型和声音生成得非常好, 并且一致性很高. 指定人物使用什么样的银色就能稳定生成. 当然模型也有不足之处, 主要是还是偶尔能看到模型生成人物皮肤的那种油腻感. 当然官方的 pro 版本在这点上处理的更好, 并且 pro 版本支持4K分辨率输出, 当然 pro 版本是没有开源的.

karminski-牙医

19,813 次观看 • 6 个月前

基于藏师傅 PPT Skill 的讲解视频生成 Skill，差不多搞定了！ Codex 配合远程控制不在家也可以一键产出视频内容可以用非常低的成本保证视频内容的可用性和表现力这里的视频是我随便找了一个徒步文案一次生成的。主要的内容用前端生成，只有配音和部分分镜使用音频和Seedance 2.0 模型

基于藏师傅 PPT Skill 的讲解视频生成 Skill，差不多搞定了！ Codex 配合远程控制不在家也可以一键产出视频内容可以用非常低的成本保证视频内容的可用性和表现力这里的视频是我随便找了一个徒步文案一次生成的。主要的内容用前端生成，只有配音和部分分镜使用音频和Seedance 2.0 模型

歸藏(guizang.ai)

21,925 次观看 • 1 个月前

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

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

karminski-牙医

29,929 次观看 • 7 个月前

这个真的有点炸裂，我必须要炸裂一下，亲自测试了🤣 字节跳动发布AI图像编辑工具只需一句话即可实现全自动P图你只需要通过简单的文字描述来修改图像，对图片进行各种复杂的修改和编辑，不需要专业的图片处理技能，不需要其他任何操作，不用再相 Photoshop 那样复杂的操作才能修改编辑图像。无论是改变图像的内容、风格，还是调整光线和角度，SeedEdit 都可以实现，并保持高质量的编辑效果。

这个真的有点炸裂，我必须要炸裂一下，亲自测试了🤣 字节跳动发布AI图像编辑工具只需一句话即可实现全自动P图你只需要通过简单的文字描述来修改图像，对图片进行各种复杂的修改和编辑，不需要专业的图片处理技能，不需要其他任何操作，不用再相 Photoshop 那样复杂的操作才能修改编辑图像。无论是改变图像的内容、风格，还是调整光线和角度，SeedEdit 都可以实现，并保持高质量的编辑效果。

小互

123,997 次观看 • 1 年前

现在，终于可以用Nano Banana Pro 生成可编辑版本的PPT了🔥 之前在NotebookLM生成的PPT无法在线编辑，且导出后是pdf格式的，非常不方便。刚看到神佬发了Kimi海外版可以用Nano Banana Pro做PPT的消息，而且支持Agentic研究和在线编辑，立马去试了下，可用效果非常好。可以上传附件，然后按照指定主题生成PPT后，直接就可以在线编辑，然后导出为PPT格式。我总结了下步骤： 1、先打开kimi海外版这里注意一定要开启全局代理，然后通过谷歌搜索kimi，进入官网，就可以看到ppt模式，如果不通过这种方式，很大概率是进入国内模式，现在这个功能只有海外版上线了。 2、在主题框中可输入类似如下提示词：使用拉布布风格的主题来生成该附件中的PPT内容，解析附件内容，设计满足以下要求： 1、专业度高 2、排版精致 3、配图和信息图要合理搭配 4、审美在线 5、PPT内容用中文，文字不宜太多，适合为主、 3、点击生成，大纲生成结束后，选择Nano Banana Pro模式，效果就出来了。 4、点击左上角的编辑，就可以在线编辑文字，也可以直接导出PPT，直接编辑。我上传的是我做公众号的一些流量玄学和我的思考，毕竟几个月时间公众号冲到新榜最高TOP4，2个月涨粉10000+，倒是总结了一些方法论的东西。如果你想要这个PPT，可以关注并评论：公众号流量玄学我会私发你哈哈哈。

现在，终于可以用Nano Banana Pro 生成可编辑版本的PPT了🔥 之前在NotebookLM生成的PPT无法在线编辑，且导出后是pdf格式的，非常不方便。刚看到神佬发了Kimi海外版可以用Nano Banana Pro做PPT的消息，而且支持Agentic研究和在线编辑，立马去试了下，可用效果非常好。可以上传附件，然后按照指定主题生成PPT后，直接就可以在线编辑，然后导出为PPT格式。我总结了下步骤： 1、先打开kimi海外版这里注意一定要开启全局代理，然后通过谷歌搜索kimi，进入官网，就可以看到ppt模式，如果不通过这种方式，很大概率是进入国内模式，现在这个功能只有海外版上线了。 2、在主题框中可输入类似如下提示词：使用拉布布风格的主题来生成该附件中的PPT内容，解析附件内容，设计满足以下要求： 1、专业度高 2、排版精致 3、配图和信息图要合理搭配 4、审美在线 5、PPT内容用中文，文字不宜太多，适合为主、 3、点击生成，大纲生成结束后，选择Nano Banana Pro模式，效果就出来了。 4、点击左上角的编辑，就可以在线编辑文字，也可以直接导出PPT，直接编辑。我上传的是我做公众号的一些流量玄学和我的思考，毕竟几个月时间公众号冲到新榜最高TOP4，2个月涨粉10000+，倒是总结了一些方法论的东西。如果你想要这个PPT，可以关注并评论：公众号流量玄学我会私发你哈哈哈。

苍何

42,040 次观看 • 7 个月前

继字节即梦AI解决了中文海报生成难题后美图公司主打高品质素材生成的图像工具WHEE也能生成中文海报了而且功能更强大更先进由于AI文字排版具随机性、文字字体风格不可控，美图WHEE 的AI海报功能对文字单独做成了可编辑的图层你可以去任意拖动文字的位置、或者更改文字字体，自由控制排版布局。然后再通过提示词来生成图像，将文字和图像进行融合，避免了乱码和无法精准控制文字排版布局的问题。同时还内置了很多现成的模板，可以直接套用生成，对小白用户来说非常容易上手，对专业用户来说自由度更大，大幅提升效率。

继字节即梦AI解决了中文海报生成难题后美图公司主打高品质素材生成的图像工具WHEE也能生成中文海报了而且功能更强大更先进由于AI文字排版具随机性、文字字体风格不可控，美图WHEE 的AI海报功能对文字单独做成了可编辑的图层你可以去任意拖动文字的位置、或者更改文字字体，自由控制排版布局。然后再通过提示词来生成图像，将文字和图像进行融合，避免了乱码和无法精准控制文字排版布局的问题。同时还内置了很多现成的模板，可以直接套用生成，对小白用户来说非常容易上手，对专业用户来说自由度更大，大幅提升效率。

小互

59,638 次观看 • 1 年前

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！

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！

DeFi狙击手 | Ai🕊️

34,196 次观看 • 1 个月前

有人在之前推文里问像这样的数字人是怎么做的，推荐 HeyGen 这款数字人产品。它可以选择不同的数字人，套用不同的模板，生成各种演说类的视频口型准确，效果还是很逼真的，如果你不会的话，也可以找我。 🔗 #AIgirl #aitools

有人在之前推文里问像这样的数字人是怎么做的，推荐 HeyGen 这款数字人产品。它可以选择不同的数字人，套用不同的模板，生成各种演说类的视频口型准确，效果还是很逼真的，如果你不会的话，也可以找我。 🔗 #AIgirl #aitools

Cellier

132,131 次观看 • 3 年前

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

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

宝玉

67,320 次观看 • 1 年前

使用 Google Gemini 做出了目前最强的英语口语学习软件。Gemini的多模态能力目前来说应该是世界第一。之前也尝试过用OpenAI的语音模式学习英语，问题是我英语本来就不是很好，每次回答还默认英语，而且他也无法识别语调，发音等问题，实际上那种模式是通过语音转文字后进行分析，完全无法分析你的语调和发音问题。 Gemini2.0的多模态功能完美解决了这个问题，目前他可以非常强的理解你的真实发音，而不是单纯的转换成文字后纠正，他可以真正的触达你的真实声音。下面是我自己练习时的视频，它是可以真正的分析你的发音，真的太强大了！

使用 Google Gemini 做出了目前最强的英语口语学习软件。Gemini的多模态能力目前来说应该是世界第一。之前也尝试过用OpenAI的语音模式学习英语，问题是我英语本来就不是很好，每次回答还默认英语，而且他也无法识别语调，发音等问题，实际上那种模式是通过语音转文字后进行分析，完全无法分析你的语调和发音问题。 Gemini2.0的多模态功能完美解决了这个问题，目前他可以非常强的理解你的真实发音，而不是单纯的转换成文字后纠正，他可以真正的触达你的真实声音。下面是我自己练习时的视频，它是可以真正的分析你的发音，真的太强大了！

Box (mainnet arc)

141,403 次观看 • 1 年前