Loading video...

Video Failed to Load

There was a problem loading this video. This could be due to a temporary network issue or the video might be unavailable.

Figma 的画布简直是 Gemini 的天然战场。结合 Gemini API 的能力和 Figma 的形态，做了个一个言出法随改图插件，所有工作流都在一处完成，未来一定是这种原生多模态的天下

三秋十李 Sergio

4,447 subscribers

139,662 views • 1 year ago •via X (Twitter)

Education Science & Technology Arts

Anya Rossi• Live Now

Private livecam show

11 Comments

三秋十李 Sergio1 year ago

已经提交 Figma 审核，改名为 Evoke ，待审核通过大家就可以快乐的用起来了

OPEN1 year ago

OP3N brings you an immersive experience across multiple biomes, each with its unique game modes. Join the Adventure!

喵呜喵呜🐱1 year ago

还挺适合做landing page的用户头像的

三秋十李 Sergio1 year ago

只要涉及图片，都可以用

Alex1 year ago

太强辣！

三秋十李 Sergio1 year ago

谷歌牛🐮

azo1 year ago

非常不错的思路，结合到figma里面对设计师不要太方便

三秋十李 Sergio1 year ago

哈哈h谢谢

JEY1 year ago

我想问问Api贵吗

Journeyman1 year ago

那不还是原型吗？为啥不能更进一步，直接生成网站？彻底弥合从idea到产品的鸿沟，我相信很多公司都在为这个目标而努力

三秋十李 Sergio1 year ago

啊？这个只是生成或编辑图片的，不是搞设计到代码的

Related Videos

AI 动画的门槛被打下来以后，最先卷起来的一定是工作流，一个好用的工作流，可以让做视频这件事变得容易很多。谁能稳定完成，选题 → 脚本 → 角色 → 分镜 → 视频 → 配音 → 音乐 → 发布 → 复盘谁就更有机会把一个小 IP 跑出来。工具只是把第一道门打开了，后面拼的是连续生产能力。

AI 动画的门槛被打下来以后，最先卷起来的一定是工作流，一个好用的工作流，可以让做视频这件事变得容易很多。谁能稳定完成，选题 → 脚本 → 角色 → 分镜 → 视频 → 配音 → 音乐 → 发布 → 复盘谁就更有机会把一个小 IP 跑出来。工具只是把第一道门打开了，后面拼的是连续生产能力。

zhouluobo

24,414 views • 18 days ago

为什么 AI 播客的范式一定是未来？我找到了 NotebookLM 最早在今年5月 Google IO 大会的官方演示，看完就知道这一定是未来的形态。因为 AI 播客，听众可以随时 JOIN！你可以随时向主播提出任何问题你甚至可以引导主播谈论问题的倾向内容消费的下一个形态，就是用户直接偏好的实时内容生成。耐心看完，不是我吹，这TM就是未来。这种互动式的内容生成范式是未来，但不一定是播客，也许还是视频，视频就是声音做好之后加个图像模态而已。

为什么 AI 播客的范式一定是未来？我找到了 NotebookLM 最早在今年5月 Google IO 大会的官方演示，看完就知道这一定是未来的形态。因为 AI 播客，听众可以随时 JOIN！你可以随时向主播提出任何问题你甚至可以引导主播谈论问题的倾向内容消费的下一个形态，就是用户直接偏好的实时内容生成。耐心看完，不是我吹，这TM就是未来。这种互动式的内容生成范式是未来，但不一定是播客，也许还是视频，视频就是声音做好之后加个图像模态而已。

Orange AI

112,583 views • 1 year ago

科学家为什么找不到意识？因为它根本就不是一种物理现象。它是一种形而上的存在。量子物理学有一个基本原则，叫做“观察者效应”。当我们观察一个粒子，它的状态才真正显现出来。在被观察之前，它不存在于任何一个确定的状态。它同时处于所有可能的状态里。一个充满无限可能性的量子场。需要一个有意识的观察者，才能让其中一种可能性成为现实。这就是问题的关键。意识是“锁”，也是“钥匙”。观察者的选择，决定了最终的结果。观察者带着偏见，带着预设的立场，去设计他的实验，去构建他的认知。那么他得到的，必然是符合他预期的那个结果。这套逻辑，是不是听着很耳熟？一些所谓的“主流科学”和“主流媒体”，是不是也精于此道？他们先设定好一个结论，然后搭建一个只能通向这个结论的“实验”框架，最后宣布自己验证了“真理”。凡是不符合他们预设的，都被称之为“杂音”。但真相是，量子场里充满了无限的可能性。如果换一个观察者，换一套完全不同的意图和视角，结果会是什么？

科学家为什么找不到意识？因为它根本就不是一种物理现象。它是一种形而上的存在。量子物理学有一个基本原则，叫做“观察者效应”。当我们观察一个粒子，它的状态才真正显现出来。在被观察之前，它不存在于任何一个确定的状态。它同时处于所有可能的状态里。一个充满无限可能性的量子场。需要一个有意识的观察者，才能让其中一种可能性成为现实。这就是问题的关键。意识是“锁”，也是“钥匙”。观察者的选择，决定了最终的结果。观察者带着偏见，带着预设的立场，去设计他的实验，去构建他的认知。那么他得到的，必然是符合他预期的那个结果。这套逻辑，是不是听着很耳熟？一些所谓的“主流科学”和“主流媒体”，是不是也精于此道？他们先设定好一个结论，然后搭建一个只能通向这个结论的“实验”框架，最后宣布自己验证了“真理”。凡是不符合他们预设的，都被称之为“杂音”。但真相是，量子场里充满了无限的可能性。如果换一个观察者，换一套完全不同的意图和视角，结果会是什么？

墓碑科技

19,702 views • 5 months ago

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 views • 7 months ago

兄弟们这可能是目前全球最强的AI图像生成设计工具了我测试了一周多，真的是非常强大它把【深度思考】的理念引入到了AI图像生成领域你只需描述你的需求，它会进逐步的推理和思考来分解和理解你的任务需求，然后调用合适的模型工具进行创作。而且在一个展开的画布中直接呈现，还能随时修改 Lovart 集成 GPT image-1、Flux Pro、OpenAI-o3、Gemini Imagen 3、Kling AI、Tripo AI、Suno AI 等市面上主流的多模态工具一站式调用，无需来回切换工具和跳来跳去，一个画布内即可完成你的所有图像、视频生成和设计需求。下面是我通过我的头像批量生产表情包和体恤、手机壳的过程效果和速度都非常的炸裂

兄弟们这可能是目前全球最强的AI图像生成设计工具了我测试了一周多，真的是非常强大它把【深度思考】的理念引入到了AI图像生成领域你只需描述你的需求，它会进逐步的推理和思考来分解和理解你的任务需求，然后调用合适的模型工具进行创作。而且在一个展开的画布中直接呈现，还能随时修改 Lovart 集成 GPT image-1、Flux Pro、OpenAI-o3、Gemini Imagen 3、Kling AI、Tripo AI、Suno AI 等市面上主流的多模态工具一站式调用，无需来回切换工具和跳来跳去，一个画布内即可完成你的所有图像、视频生成和设计需求。下面是我通过我的头像批量生产表情包和体恤、手机壳的过程效果和速度都非常的炸裂

小互

76,345 views • 1 year ago

有些形态你只需看一眼就知道要下跌了。盘点十大逃顶形态！所有的顶，都不是主力画出来的，而是人性和筹码堆出来的

有些形态你只需看一眼就知道要下跌了。盘点十大逃顶形态！所有的顶，都不是主力画出来的，而是人性和筹码堆出来的

0x鸣人

47,940 views • 12 days ago

Figma 昨晚终于做了他们最应该做的功能！ PPT 制作和演示工具 Figma Slides。我所有的 PPT 几乎都是在 Figma 中完成的，之前每次都需要把图片粘贴到 keynote 上进行演示。现在不需要了进入 Figma Slides 之后可以在 PPT 编辑和画布编辑之间切换，演示需要的功能也都有。目前测试阶段是免费的，强烈推荐试一下用 Figma 做 PPT 比 Keynote 和 office 套件好用一万倍。

Figma 昨晚终于做了他们最应该做的功能！ PPT 制作和演示工具 Figma Slides。我所有的 PPT 几乎都是在 Figma 中完成的，之前每次都需要把图片粘贴到 keynote 上进行演示。现在不需要了进入 Figma Slides 之后可以在 PPT 编辑和画布编辑之间切换，演示需要的功能也都有。目前测试阶段是免费的，强烈推荐试一下用 Figma 做 PPT 比 Keynote 和 office 套件好用一万倍。

歸藏(guizang.ai)

65,302 views • 2 years ago

这种形态的个股，一般都是妖股。

这种形态的个股，一般都是妖股。

Crypto/戒色交易员

47,619 views • 10 months ago

速度是真滴快！兄弟们，刚在Zenmux ZenMux 评测了一下Gemini 3.5 Flash，ChatGPT 5.4和Claude Opus 4.6，按下回车的那一刻，Gemini 3.5 Flash的吐词速度真是快的飞起。评测方法很简单，让他们按照同一个指令生成一个个人网页，生成的结果都还不错，都能满足指令的要求，但Gemini 3.5 Flash已经跑完很久了，另外两个还在输出。不知大家有没有发现？现在我们大部分时间都是在等AI干完活，复杂一点的项目一晚上可能都跑不完，现在这个节点，这时间效率其实有点差强人意的。未来输出效率肯定也是一个非常重要的指标，毕竟前期大家的模型能力越来越接近，接下来就看谁能更快干完活，这一点Google又走在前头了。想要亲自评测的朋友，可以去Zenmux上自己测一下，目前Gemini 3.5 Flash还能限时免费使用。

速度是真滴快！兄弟们，刚在Zenmux ZenMux 评测了一下Gemini 3.5 Flash，ChatGPT 5.4和Claude Opus 4.6，按下回车的那一刻，Gemini 3.5 Flash的吐词速度真是快的飞起。评测方法很简单，让他们按照同一个指令生成一个个人网页，生成的结果都还不错，都能满足指令的要求，但Gemini 3.5 Flash已经跑完很久了，另外两个还在输出。不知大家有没有发现？现在我们大部分时间都是在等AI干完活，复杂一点的项目一晚上可能都跑不完，现在这个节点，这时间效率其实有点差强人意的。未来输出效率肯定也是一个非常重要的指标，毕竟前期大家的模型能力越来越接近，接下来就看谁能更快干完活，这一点Google又走在前头了。想要亲自评测的朋友，可以去Zenmux上自己测一下，目前Gemini 3.5 Flash还能限时免费使用。

李岳

16,858 views • 1 month ago

我这两天被这个爆火的Flipbook刷屏并被震撼到，现在的UI界面也许会在不久的将来彻底改变。Flipbook是三星工程师(前Open AI)Zain Shah和另外两个伙伴做的一个无限视觉浏览器，根据你的搜索词，实时用像素生成一张类似百科全书里的动态插画，连文字也是像素组成，没有代码，没有HTML，画面上的任何区域你都可以点击，生成这块区域的进一步画面。而且作者们调制的这个画面风格太好看了，我小时候要是有这玩意能玩一整天不吃不喝，完全就是一本无限魔法书。作者直接展示了在这上面搜索巴黎旅游景点，还直接买了巴黎圣母院的票。我自己也用来搜索了清迈，效果惊人，但可惜这两天太火了我一直没能连接上视频动态效果。虽然目前的算力无法实现规模化，作者也说目前只是展示测试阶段，但是我这次是真真切切感受到了AI带来的改革，未来就快来了。

我这两天被这个爆火的Flipbook刷屏并被震撼到，现在的UI界面也许会在不久的将来彻底改变。Flipbook是三星工程师(前Open AI)Zain Shah和另外两个伙伴做的一个无限视觉浏览器，根据你的搜索词，实时用像素生成一张类似百科全书里的动态插画，连文字也是像素组成，没有代码，没有HTML，画面上的任何区域你都可以点击，生成这块区域的进一步画面。而且作者们调制的这个画面风格太好看了，我小时候要是有这玩意能玩一整天不吃不喝，完全就是一本无限魔法书。作者直接展示了在这上面搜索巴黎旅游景点，还直接买了巴黎圣母院的票。我自己也用来搜索了清迈，效果惊人，但可惜这两天太火了我一直没能连接上视频动态效果。虽然目前的算力无法实现规模化，作者也说目前只是展示测试阶段，但是我这次是真真切切感受到了AI带来的改革，未来就快来了。

Jingyuan缘缘

329,261 views • 2 months ago

对我这种不会 blender 的小白，要做这种 3D 模型，最好的方法竟然是 vibe 一个工具来生成

对我这种不会 blender 的小白，要做这种 3D 模型，最好的方法竟然是 vibe 一个工具来生成

CatsJuice

118,285 views • 2 months ago

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

67,275 views • 1 year ago

空间智能赛道刚刚又出了新模型：Moonlake，能生成3D世界，还能同时处理物理、声音、逻辑规则等多种模态与李飞飞的World Labs不同的是，World Labs偏场景生成，Moonlake更重交互，更像是在构建一个可交互、物理正确、逻辑完整、视听一体的“活世界” 给定一句“在街机室里做一个赛博朋克风格的保龄球游戏”需求它能自动拆解成生成3D模型、加物理、摆位置、写规则等10个阶段，自主完成从零到一的开发过程输出一个实时可玩的虚拟保龄球馆，能交互，拿球、投掷、有声音、有分数变化，所有东西都按物理规律运作的核心机制是所有模态绑定在同一个实体上，一次事件，比如球击中瓶子时，位置、物理状态、分数、音效等全模态同步更新对于做游戏的，原来要用一个团队干的活，现在可能一个人就能完成对于老师，几句话生成学生能实时交互的物理实验场景 #世界模型生成 #Moonlake #WorldLabs #空间智能

空间智能赛道刚刚又出了新模型：Moonlake，能生成3D世界，还能同时处理物理、声音、逻辑规则等多种模态与李飞飞的World Labs不同的是，World Labs偏场景生成，Moonlake更重交互，更像是在构建一个可交互、物理正确、逻辑完整、视听一体的“活世界” 给定一句“在街机室里做一个赛博朋克风格的保龄球游戏”需求它能自动拆解成生成3D模型、加物理、摆位置、写规则等10个阶段，自主完成从零到一的开发过程输出一个实时可玩的虚拟保龄球馆，能交互，拿球、投掷、有声音、有分数变化，所有东西都按物理规律运作的核心机制是所有模态绑定在同一个实体上，一次事件，比如球击中瓶子时，位置、物理状态、分数、音效等全模态同步更新对于做游戏的，原来要用一个团队干的活，现在可能一个人就能完成对于老师，几句话生成学生能实时交互的物理实验场景 #世界模型生成 #Moonlake #WorldLabs #空间智能

AIGCLINK

10,970 views • 4 months ago

昨天把这条视频发到抖音后，小火了一下，评论最多的就是问我怎么做这个视频，这里我简单录制个小视频，用到的工具是 Rotato，将手机录屏好的视频，直接拖进来，然后配置下每个节点的形态，就会自动生成流畅的过渡动画，操作很简单，基本几分钟就能搞一条高质量的宣传视频～

昨天把这条视频发到抖音后，小火了一下，评论最多的就是问我怎么做这个视频，这里我简单录制个小视频，用到的工具是 Rotato，将手机录屏好的视频，直接拖进来，然后配置下每个节点的形态，就会自动生成流畅的过渡动画，操作很简单，基本几分钟就能搞一条高质量的宣传视频～

Paidax

41,542 views • 1 month ago

拿到了之前那个 Dreamer 的邀请，这个在 web 上模拟 macOS 桌面 widget 的交互逻辑，和我想做的东西想法不谋而合。 - 可以创建自定义 widget - 每个 widget 都是一个独立的 agent - 有 agent 市场，可以 fork 用户创建的 agent 这种形态的小龙虾看起来才像是给人用的产品。

拿到了之前那个 Dreamer 的邀请，这个在 web 上模拟 macOS 桌面 widget 的交互逻辑，和我想做的东西想法不谋而合。 - 可以创建自定义 widget - 每个 widget 都是一个独立的 agent - 有 agent 市场，可以 fork 用户创建的 agent 这种形态的小龙虾看起来才像是给人用的产品。

Ding

31,421 views • 3 months ago

说个暴论，这才是2026年到目前为止，AI行业最有价值的一次更新，没有之一🚀🚀🚀 Claude一口气接入了8个创意行业的顶级工具，Blender，Adobe，Autodesk，Ableton，Splice，Canva，SketchUp，Resolume。它不再是让你在聊天框里生成东西，再导出到软件里修改，而是直接钻进你每天打开8小时的软件内部，帮你调试场景，批量修改物体，写自定义脚本，处理所有你不想做的重复性劳动。以前的AI是让你换个地方工作，现在的AI是跑到你的工位上帮你干活。这标志着AI正式进入工具原生时代，它的下一个战场再也不是谁的模型更大，而是谁能无缝嵌入普通人的真实工作流。我认为对所有创作者来说，学会用好这些连接器，比追任何新出的大模型都重要。

说个暴论，这才是2026年到目前为止，AI行业最有价值的一次更新，没有之一🚀🚀🚀 Claude一口气接入了8个创意行业的顶级工具，Blender，Adobe，Autodesk，Ableton，Splice，Canva，SketchUp，Resolume。它不再是让你在聊天框里生成东西，再导出到软件里修改，而是直接钻进你每天打开8小时的软件内部，帮你调试场景，批量修改物体，写自定义脚本，处理所有你不想做的重复性劳动。以前的AI是让你换个地方工作，现在的AI是跑到你的工位上帮你干活。这标志着AI正式进入工具原生时代，它的下一个战场再也不是谁的模型更大，而是谁能无缝嵌入普通人的真实工作流。我认为对所有创作者来说，学会用好这些连接器，比追任何新出的大模型都重要。

AYi

102,960 views • 2 months ago

前端设计这一块谷歌是真没问题！我用Gemini 3.5 Flash做了个3D飞机模型展览，太帅了呀！制作方法： 1.GPT2-image生生成正视图、背视图、左视图和右视图 2.3D模型生成，注意需要用纹理 3.UI预览图生成，调用Codex内置GPT2-image即可 4.用Gemini 3.5 Flash生成网站生成网站这一步在Google AI Studio上传不了3D模型的glb文件，所以就必须要调API在本地做个网站了。我是在Zenmux调用的，大家应该对Zenmux也不陌生，就是那个一有新模型就免费给大家玩的网站。它提供一个KEY调用所有顶级大模型的功能，不仅可以用Gemini 3.5 Flash绘制前端，如果有小BUG，还可以再切换到GPT5.5或Oplu4.7进行修复，使用非常丝滑！想先免费试一试下 Gemini 3.5 Flash的能力？壕气冲天的Zenmux现在直接免费送一周TOKEN（有限额）！传送门直达：

前端设计这一块谷歌是真没问题！我用Gemini 3.5 Flash做了个3D飞机模型展览，太帅了呀！制作方法： 1.GPT2-image生生成正视图、背视图、左视图和右视图 2.3D模型生成，注意需要用纹理 3.UI预览图生成，调用Codex内置GPT2-image即可 4.用Gemini 3.5 Flash生成网站生成网站这一步在Google AI Studio上传不了3D模型的glb文件，所以就必须要调API在本地做个网站了。我是在Zenmux调用的，大家应该对Zenmux也不陌生，就是那个一有新模型就免费给大家玩的网站。它提供一个KEY调用所有顶级大模型的功能，不仅可以用Gemini 3.5 Flash绘制前端，如果有小BUG，还可以再切换到GPT5.5或Oplu4.7进行修复，使用非常丝滑！想先免费试一试下 Gemini 3.5 Flash的能力？壕气冲天的Zenmux现在直接免费送一周TOKEN（有限额）！传送门直达：

逸尘

42,390 views • 1 month ago

卧槽，这个模型真的有点东西啊! 看完后就想问什么时候可以上手啊！ Odyssey AI实验室刚刚扔出一个真正让人眼前一亮的家伙：Starchild-1。这是全球第一个实时多模态世界模型。它不只是生成画面，还能同时生成真实世界的声音。视频里你能看到一个完整的场景：画面在动，声音同步响起，视觉和听觉完全融为一体，像真正活过来的世界模拟。以前的世界模型大多只能“看”世界，现在Starchild-1直接学会了“听”。这不仅仅是又一个视频生成工具，更大的意义是朝着通用世界模型又迈出的关键一步，真正理解并模拟物理世界的下一步。 Odyssey团队说，他们正在用这种新形式的多模态智能，重新定义AI对现实的认知。

卧槽，这个模型真的有点东西啊! 看完后就想问什么时候可以上手啊！ Odyssey AI实验室刚刚扔出一个真正让人眼前一亮的家伙：Starchild-1。这是全球第一个实时多模态世界模型。它不只是生成画面，还能同时生成真实世界的声音。视频里你能看到一个完整的场景：画面在动，声音同步响起，视觉和听觉完全融为一体，像真正活过来的世界模拟。以前的世界模型大多只能“看”世界，现在Starchild-1直接学会了“听”。这不仅仅是又一个视频生成工具，更大的意义是朝着通用世界模型又迈出的关键一步，真正理解并模拟物理世界的下一步。 Odyssey团队说，他们正在用这种新形式的多模态智能，重新定义AI对现实的认知。

Berryxia.AI

37,222 views • 1 month ago