Video yükleniyor...

Video Yüklenemedi

Bu video yüklenirken bir sorun oluştu. Bu geçici bir ağ sorunundan kaynaklanıyor olabilir veya video kullanılamıyor olabilir.

Ana Sayfaya Dön

Google推出了一种在 StableDiffusion 图像生成中保证内容特征一致性的方式。这个其实是现在图像生成中一个非常重要的问题，故事可视化、游戏开发资产设计、广告等都需要在生成的时候具备角色或者内容的一致性。从演示来看效果非常好人物角色和其他内容的特征都保持的非常好，他们有一个示例是一个男人的一生十几张不同年龄段的图片都很像能看出来是一个人。而且这个项目还可以跟 SD 已有的控制方式结合，比如局部重绘和 Controlnet 等。下面是具体的介绍：实现方法：身份聚类：这一步骤涉及首先生成一系列图像，然后将这些图像嵌入到一个语义空间中。接着，使用聚类算法将这些图像分组，每个组代表一种可能的角色身份。这个过程旨在识别出一组视觉上一致的图像，从而确定角色的主要视觉特征。身份提取：在确定了一组具有高内聚性的图像之后，接下来的步骤是通过在这些图像上训练模型来提炼出一个更一致的角色身份。这意味着模型将学习到特定角色的关键视觉特征，以便在未来的生成中更准确地重现这些特征。收敛性：方法的最后一个步骤是迭代过程，该过程在达到一定的收敛标准时停止。在每次迭代中，模型基于最新的训练数据生成新的图像，并重新进行聚类和身份提取。这个过程重复进行，直到模型能够可靠地生成具有一致视觉身份的角色为止。效果验证：定性和定量比较：在这一部分，作者将他们的方法与其他个性化文本到图像生成技术进行比较。这包括通过视觉和数值指标来评估生成图像的一致性和质量。用户研究：作者还进行了一项用户研究，以评估他们的方法在实际使用中的效果。这包括让用户评价生成图像的一致性和吸引力。消融研究：这部分是对方法中不同组件的效果进行评估。通过修改或移除方法的某些部分，作者能够理解每个组成部分对最终结果的贡献。论文链接：

歸藏(guizang.ai)

156,942 subscribers

125,770 görüntüleme • 2 yıl önce •via X (Twitter)

Anya Rossi• Live Now

Private livecam show

0 Yorum

Yorum bulunmuyor

Orijinal gönderinin yorumları burada görünecek

Benzer Videolar

谷歌也发布了一个根据输入图片和音频就能生成对应人物讲话视频的项目VLOGGER。看起来没有阿里那个自然。项目简介：它可以根据一张人物图像,生成由文本和音频驱动的说话人视频。该方法建立在最近生成式扩散模型取得成功的基础之上。 VLOGGER 包含两个关键组件: 1) 一个随机的人体到 3D 运动的扩散模型; 2) 一个创新的基于扩散的架构,通过时间和空间控制来增强文本到图像模型的能力。这种方法可以生成高质量、可变长度的视频,并且可以通过人脸和身体的高级表示进行便捷控制。与之前的工作相比,我们的方法具有以下优势:不需要为每个人单独训练模型;不依赖人脸检测和裁剪;能生成完整的图像(而非仅限于脸部或嘴唇);适用于广泛场景(如躯干可见或身份多样化),这对于正确合成具有沟通能力的虚拟人至关重要。项目地址：

谷歌也发布了一个根据输入图片和音频就能生成对应人物讲话视频的项目VLOGGER。看起来没有阿里那个自然。项目简介：它可以根据一张人物图像,生成由文本和音频驱动的说话人视频。该方法建立在最近生成式扩散模型取得成功的基础之上。 VLOGGER 包含两个关键组件: 1) 一个随机的人体到 3D 运动的扩散模型; 2) 一个创新的基于扩散的架构,通过时间和空间控制来增强文本到图像模型的能力。这种方法可以生成高质量、可变长度的视频,并且可以通过人脸和身体的高级表示进行便捷控制。与之前的工作相比,我们的方法具有以下优势:不需要为每个人单独训练模型;不依赖人脸检测和裁剪;能生成完整的图像(而非仅限于脸部或嘴唇);适用于广泛场景(如躯干可见或身份多样化),这对于正确合成具有沟通能力的虚拟人至关重要。项目地址：

歸藏(guizang.ai)

31,171 görüntüleme • 2 yıl önce

可灵昨晚发布了 O1：一个大一统的视频、图像生成和编辑工具，支持你能想到所有图像和视频编辑能力。藏师傅会对这次新增的一些能力进行测试，同时大概教大家一下这个模式应该如何使用 👇下面是具体的教程和测试内容

可灵昨晚发布了 O1：一个大一统的视频、图像生成和编辑工具，支持你能想到所有图像和视频编辑能力。藏师傅会对这次新增的一些能力进行测试，同时大概教大家一下这个模式应该如何使用 👇下面是具体的教程和测试内容

歸藏(guizang.ai)

46,516 görüntüleme • 7 ay önce

英伟达版的“Banana”，英伟达开源了一款物理级图像编辑模型：ChronoEdit-14B，静态图+一句话，4秒生成一张符合物理的图像 ChronoEdit具备“时间观念”和“物理常识”，它能理解动作，比如说“推倒”、“拿起”这种动作，可以根据它学到的物理常识，画出这个动作发生后，世界应该变成什么样子 8 步扩散完成一次图像编辑，在H100上约4秒一张图从效果看，预测动作发生结果的能力比较强，改变姿势后，人物、服装、背景风格的一致性也保持的比较好，光影、反射效果处理的也比较符合逻辑可以用在游戏制作、电影特效、机器人训练等场景上 #ChronoEdit #AI图像编辑

英伟达版的“Banana”，英伟达开源了一款物理级图像编辑模型：ChronoEdit-14B，静态图+一句话，4秒生成一张符合物理的图像 ChronoEdit具备“时间观念”和“物理常识”，它能理解动作，比如说“推倒”、“拿起”这种动作，可以根据它学到的物理常识，画出这个动作发生后，世界应该变成什么样子 8 步扩散完成一次图像编辑，在H100上约4秒一张图从效果看，预测动作发生结果的能力比较强，改变姿势后，人物、服装、背景风格的一致性也保持的比较好，光影、反射效果处理的也比较符合逻辑可以用在游戏制作、电影特效、机器人训练等场景上 #ChronoEdit #AI图像编辑

AIGCLINK

26,815 görüntüleme • 8 ay önce

玩币的过年坐小孩那桌！截止目前，上证连着第18个阳，反观加密近30天的恐惧指数有28天低于40。有这样一种感觉：你打开一个新的应用，点了几下，突然发现——“嘿，这比我想象中顺手多了！” 真正让人愿意重复进入一个产品的，并不是一堆炫酷的功能，而是细节上的 “无感优化”、行为路径上的连贯性提升。这些项目正在悄悄做的，正是这种让体验变得自然的改进。 Spaace 🟠 — NFT 不只是市场，而是用户体验的“积木场” Spaace 走得不是那种一次性爆发交易量的路线，而是在逐步把 NFT 交易转变为一种可持续参与的行为链条。在它的生态里，每一次挂单、浏览、任务参与不仅能获得奖励，还会形成一个更连贯的用户轨迹。你不再是“来一次、走一次”的游客，而是一个在生态里慢慢“成长”的参与者——这让 NFT 使用不再像一笔单一操作，而像一个可以反复进入、反复体验的互动空间。 Veera — 让链上入口变成你愿意点开的“探索入口” Veera 的方向并不只是做一个钱包，它试图把 Web3 的入口从命令式的“按钮堆栈”变成一种更像信息流的自然浏览感。你打开它，不是看到一墙按钮，而是像打开一个可以滑动、查看和探索的界面。这种把“入口”变成“探索空间”的思路，让用户从“被迫了解复杂操作”转向“顺手发现有趣内容”的习惯性行为，这对提高留存和用户连续参与是非常重要的一步。 MagicBlock ✨⬜ — 把实时体验和可扩展性带到链上应用 MagicBlock 是一个基于 Solana 的实时执行引擎，目标是让链上应用具备Web2 级的交互性能，并且保持去中心化的安全性。它使用 Ephemeral Rollups 技术，在不拆分状态的前提下提供极低延迟、几乎零手续费的执行环境，这适合实时游戏、DeFi 以及需要高频交互的场景。其设计让开发者不再为性能牺牲链上特性，同时也极大提升了用户“无延迟感”的体验可能性。除了技术本身，MagicBlock 还在孵化器层面发力，吸引开发者来构建更具创意和实时性质的应用，这让生态不仅是底层引擎，更成为创新场景的催化器。 Altura — 资产不再只是标签，而是可调用的“行为构件” Alturax 的核心变化在于，它让链上资产具备更强的生态参与能力：不是只有买和卖的逻辑，而是一种资产在不同协议与玩法之间调用的能力。资产不再是静止的符号，而是可以参与多种逻辑、被策略调用的构建块。这种思路让资产在链上进一步融入生态协同，而不是只能在市场上看价格。 Konnex — 把现实世界的任务纳入链上协作图谱 Konnex 的有趣点在于：它不单是一个链上协议，而是试图把现实世界的不确定性直接带进链上。在它的构想中，机器人、自动化系统和协议之间可以协作，通过链上可验证的数据完成现实任务的结算 —— 使得现实世界的执行与去中心化结算建立起一种可验证的信任。这是 Web3 往现实落地迈出的一步，不再把链上交互限定在数字资产，而是融入实体世界的执行逻辑之中。

玩币的过年坐小孩那桌！截止目前，上证连着第18个阳，反观加密近30天的恐惧指数有28天低于40。有这样一种感觉：你打开一个新的应用，点了几下，突然发现——“嘿，这比我想象中顺手多了！” 真正让人愿意重复进入一个产品的，并不是一堆炫酷的功能，而是细节上的 “无感优化”、行为路径上的连贯性提升。这些项目正在悄悄做的，正是这种让体验变得自然的改进。 Spaace 🟠 — NFT 不只是市场，而是用户体验的“积木场” Spaace 走得不是那种一次性爆发交易量的路线，而是在逐步把 NFT 交易转变为一种可持续参与的行为链条。在它的生态里，每一次挂单、浏览、任务参与不仅能获得奖励，还会形成一个更连贯的用户轨迹。你不再是“来一次、走一次”的游客，而是一个在生态里慢慢“成长”的参与者——这让 NFT 使用不再像一笔单一操作，而像一个可以反复进入、反复体验的互动空间。 Veera — 让链上入口变成你愿意点开的“探索入口” Veera 的方向并不只是做一个钱包，它试图把 Web3 的入口从命令式的“按钮堆栈”变成一种更像信息流的自然浏览感。你打开它，不是看到一墙按钮，而是像打开一个可以滑动、查看和探索的界面。这种把“入口”变成“探索空间”的思路，让用户从“被迫了解复杂操作”转向“顺手发现有趣内容”的习惯性行为，这对提高留存和用户连续参与是非常重要的一步。 MagicBlock ✨⬜ — 把实时体验和可扩展性带到链上应用 MagicBlock 是一个基于 Solana 的实时执行引擎，目标是让链上应用具备Web2 级的交互性能，并且保持去中心化的安全性。它使用 Ephemeral Rollups 技术，在不拆分状态的前提下提供极低延迟、几乎零手续费的执行环境，这适合实时游戏、DeFi 以及需要高频交互的场景。其设计让开发者不再为性能牺牲链上特性，同时也极大提升了用户“无延迟感”的体验可能性。除了技术本身，MagicBlock 还在孵化器层面发力，吸引开发者来构建更具创意和实时性质的应用，这让生态不仅是底层引擎，更成为创新场景的催化器。 Altura — 资产不再只是标签，而是可调用的“行为构件” Alturax 的核心变化在于，它让链上资产具备更强的生态参与能力：不是只有买和卖的逻辑，而是一种资产在不同协议与玩法之间调用的能力。资产不再是静止的符号，而是可以参与多种逻辑、被策略调用的构建块。这种思路让资产在链上进一步融入生态协同，而不是只能在市场上看价格。 Konnex — 把现实世界的任务纳入链上协作图谱 Konnex 的有趣点在于：它不单是一个链上协议，而是试图把现实世界的不确定性直接带进链上。在它的构想中，机器人、自动化系统和协议之间可以协作，通过链上可验证的数据完成现实任务的结算 —— 使得现实世界的执行与去中心化结算建立起一种可验证的信任。这是 Web3 往现实落地迈出的一步，不再把链上交互限定在数字资产，而是融入实体世界的执行逻辑之中。

搞子(明日香版)🕊️|🐬TermMax

102,534 görüntüleme • 6 ay önce

给大家开源一个小项目：一句话用Gemini写个连贯的小故事图集。使用宝玉的提示词用该程序复现了下，角色改成了小姑娘，效果见评论😊 这个项目的出发点是我女儿最近老喜欢抓别的小朋友，怎么劝都不行，我希望能够通过一个小故事来引导她，这个故事也贴到评论里了这个项目本来打算参加Gemini hackathon的，但感觉与他们的storybook有点像，就换了个项目投稿。不过我今天对比用下来，比他们的storybook质感要好很多的😊 在线试用地址（可能会消耗你Gemini 每天的免费生图额度）：开源地址：

给大家开源一个小项目：一句话用Gemini写个连贯的小故事图集。使用宝玉的提示词用该程序复现了下，角色改成了小姑娘，效果见评论😊 这个项目的出发点是我女儿最近老喜欢抓别的小朋友，怎么劝都不行，我希望能够通过一个小故事来引导她，这个故事也贴到评论里了这个项目本来打算参加Gemini hackathon的，但感觉与他们的storybook有点像，就换了个项目投稿。不过我今天对比用下来，比他们的storybook质感要好很多的😊 在线试用地址（可能会消耗你Gemini 每天的免费生图额度）：开源地址：

岚叔

17,956 görüntüleme • 7 ay önce

确实好用，直接把后端干掉了生成部分用 AI 完成我用这个功能创建创建了一个分享图生成工具用的我原来那个 Bento Grid 风格提示词现在每个人都可以用这个网页快速生成对应文案的分享图片了！

确实好用，直接把后端干掉了生成部分用 AI 完成我用这个功能创建创建了一个分享图生成工具用的我原来那个 Bento Grid 风格提示词现在每个人都可以用这个网页快速生成对应文案的分享图片了！

歸藏(guizang.ai)

37,032 görüntüleme • 1 yıl önce

基于神奇小喷菇AIGC 的思路和解析，实验基本成功。主要思路包括以下几点： 1. 基础素材的准备，也就是首尾帧。就像最终呈现的结果，首帧是一个脏乱差的图片，尾帧是一个最终的装修结果图。基于这个思路，就比较好办了。如果你有一张比较不错的图（比如你直接把你家的客厅、卧室拍下来，或者之前去网上找精致的装修图）。让AI帮你完成做旧。提示词如下： “基于底图，生成一张年久失修，脏乱的室内场景，有很多老旧的家具与肮脏的使用痕迹” 根据需求决定是否要移除家具，如果需要，增加这个提示词： “移除家具，保留脏乱的毛坯房的效果，但是要注意保持结构的一致性” 这样我们就能获得一张脏乱差的原始底图了。至于尾帧，我们可以直接用比较好的成果图，如果你觉得你现有的这种照片不够好看，可以让AI帮你进行润色和修改。提示词参考： “保持原图视角和墙体结构，生成室内{客厅} 真实渲染图。进行合理的室内家具布置与材质搭配，为室内天花板、墙面、地板分别赋予材质，整体呈现 {现代轻奢风格} 。房间内外均进行真实感渲染。包括 {沙发, 地毯 ,茶几} ，材质质感逼真，光线自然。整体画面呈现出专业建筑摄影的光线效果，具备4K超高清分辨率的图像细节。” 拿到首尾帧之后就可以进行视频生成了，在测试了即梦、可灵、Veo之后。目前最稳定的就是可灵2.6（O1在这个场景下表现一般，不推荐）视频提示词如下：房间装修延时摄影视频。工人们在一间简陋的毛坯房内工作，水泥墙面，。快进画面展示：人们清理杂物和垃圾袋、移除所有旧家具，{将房屋还原至毛坯房，擦洗墙壁、将灰色水泥墙刷成现代轻奢风格、先完成主体框架装修，再放入家具，再逐渐将一个房屋搭建成最终的现代轻奢风格的客厅}。多名工人在加速画面中快速移动，工具和材料不断出现又消失，窗外自然光线随时间变化。施工灰尘逐渐落定，从冷蓝色调转变为温暖的环境光。纪实风格，8-16倍速延时，4K画质。中间的步骤可以再详细点，我这个比较泛用性。这个版本还是可以再次进行迭代的

基于神奇小喷菇AIGC 的思路和解析，实验基本成功。主要思路包括以下几点： 1. 基础素材的准备，也就是首尾帧。就像最终呈现的结果，首帧是一个脏乱差的图片，尾帧是一个最终的装修结果图。基于这个思路，就比较好办了。如果你有一张比较不错的图（比如你直接把你家的客厅、卧室拍下来，或者之前去网上找精致的装修图）。让AI帮你完成做旧。提示词如下： “基于底图，生成一张年久失修，脏乱的室内场景，有很多老旧的家具与肮脏的使用痕迹” 根据需求决定是否要移除家具，如果需要，增加这个提示词： “移除家具，保留脏乱的毛坯房的效果，但是要注意保持结构的一致性” 这样我们就能获得一张脏乱差的原始底图了。至于尾帧，我们可以直接用比较好的成果图，如果你觉得你现有的这种照片不够好看，可以让AI帮你进行润色和修改。提示词参考： “保持原图视角和墙体结构，生成室内{客厅} 真实渲染图。进行合理的室内家具布置与材质搭配，为室内天花板、墙面、地板分别赋予材质，整体呈现 {现代轻奢风格} 。房间内外均进行真实感渲染。包括 {沙发, 地毯 ,茶几} ，材质质感逼真，光线自然。整体画面呈现出专业建筑摄影的光线效果，具备4K超高清分辨率的图像细节。” 拿到首尾帧之后就可以进行视频生成了，在测试了即梦、可灵、Veo之后。目前最稳定的就是可灵2.6（O1在这个场景下表现一般，不推荐）视频提示词如下：房间装修延时摄影视频。工人们在一间简陋的毛坯房内工作，水泥墙面，。快进画面展示：人们清理杂物和垃圾袋、移除所有旧家具，{将房屋还原至毛坯房，擦洗墙壁、将灰色水泥墙刷成现代轻奢风格、先完成主体框架装修，再放入家具，再逐渐将一个房屋搭建成最终的现代轻奢风格的客厅}。多名工人在加速画面中快速移动，工具和材料不断出现又消失，窗外自然光线随时间变化。施工灰尘逐渐落定，从冷蓝色调转变为温暖的环境光。纪实风格，8-16倍速延时，4K画质。中间的步骤可以再详细点，我这个比较泛用性。这个版本还是可以再次进行迭代的

MarioTan

86,292 görüntüleme • 6 ay önce

很多基础设施讨论的都是“最终结果”，但在真实使用中，更影响体验的是：从你产生一个操作意图，到结果真正生效，中间隔了多久。这段时间越不可控，系统就越难被放进复杂流程里。不确定的等待，会直接放大风险判断，也会压缩操作空间。从这个角度看 Plasma 它关注的并不是把结果推到极限，而是缩短并稳定这段“意图到生效”的路径。当行为反馈更清晰、时间预期更稳定，使用者才敢连续操作，而不是每一步都重新评估风险。也正因为如此 $XPL 更像是一种对操作确定性和系统响应质量的判断。真正可被反复使用的基础设施，往往不是最耀眼的，而是让你不用反复确认“这一步会不会出问题”的那一个。 #plasma

很多基础设施讨论的都是“最终结果”，但在真实使用中，更影响体验的是：从你产生一个操作意图，到结果真正生效，中间隔了多久。这段时间越不可控，系统就越难被放进复杂流程里。不确定的等待，会直接放大风险判断，也会压缩操作空间。从这个角度看 Plasma 它关注的并不是把结果推到极限，而是缩短并稳定这段“意图到生效”的路径。当行为反馈更清晰、时间预期更稳定，使用者才敢连续操作，而不是每一步都重新评估风险。也正因为如此 $XPL 更像是一种对操作确定性和系统响应质量的判断。真正可被反复使用的基础设施，往往不是最耀眼的，而是让你不用反复确认“这一步会不会出问题”的那一个。 #plasma

DD

65,689 görüntüleme • 5 ay önce

很多人用Seedance2.0生成视频的随机性非常大，非常令人头疼。今天分享一个Seedance2.0提示词技巧，就是将涉及到的元素进行具象化，比如用具体的参考图定义人物、着装、场景、动作，就可以防止生成视频走偏。定义地越丰富，生成的就越稳定。 Seedance2.0提示词👇 摄像机对着一双玉足，镜头环绕着【@图1】角色，缓慢网上拉，来到角色屁股，最后地绕道角色下巴，看不到整张脸，镜头拉远，看到整个角色上半身，角色在【@图2】场景内开始扭动婀娜多姿的身躯跳舞，西域风格舞蹈

很多人用Seedance2.0生成视频的随机性非常大，非常令人头疼。今天分享一个Seedance2.0提示词技巧，就是将涉及到的元素进行具象化，比如用具体的参考图定义人物、着装、场景、动作，就可以防止生成视频走偏。定义地越丰富，生成的就越稳定。 Seedance2.0提示词👇 摄像机对着一双玉足，镜头环绕着【@图1】角色，缓慢网上拉，来到角色屁股，最后地绕道角色下巴，看不到整张脸，镜头拉远，看到整个角色上半身，角色在【@图2】场景内开始扭动婀娜多姿的身躯跳舞，西域风格舞蹈

Adam也叫吉米

304,500 görüntüleme • 4 ay önce

我的天，Higgsfield已经进化到这种程度了吗？一年前我 YouTube 做到 15 万订阅，还多亏了 Higgsfield 的帮助。那时候它还只能凑合生成视频，现在竟然已经开始进入游戏开发领域了。。。在Claude里面调用Fable 5写代码，再接入Higgsfield MCP生成角色、场景和道具，就能直出任何类型的多人2D/3D游戏！这件事放在以前真的很难想象。过去对我们普通人来说，涉及到复杂代码和角色道具图，开发游戏基本是可望而不可即的事情。但是Higgsfield Games 真的在把“做游戏”的门槛压到前所未有的低：一个完整的游戏可以用一句提示词就生成了。比如下面这个哥特悬疑画风的游戏，就是由Fable 5 + Higgsfield 用简单提示词生成出来的。。。所以，任何人，只要有一个好的游戏想法，都可以借助 Fable 5+ Higgsfield 先把它做成一个能玩的版本，然后快速发布出来验证市场。

我的天，Higgsfield已经进化到这种程度了吗？一年前我 YouTube 做到 15 万订阅，还多亏了 Higgsfield 的帮助。那时候它还只能凑合生成视频，现在竟然已经开始进入游戏开发领域了。。。在Claude里面调用Fable 5写代码，再接入Higgsfield MCP生成角色、场景和道具，就能直出任何类型的多人2D/3D游戏！这件事放在以前真的很难想象。过去对我们普通人来说，涉及到复杂代码和角色道具图，开发游戏基本是可望而不可即的事情。但是Higgsfield Games 真的在把“做游戏”的门槛压到前所未有的低：一个完整的游戏可以用一句提示词就生成了。比如下面这个哥特悬疑画风的游戏，就是由Fable 5 + Higgsfield 用简单提示词生成出来的。。。所以，任何人，只要有一个好的游戏想法，都可以借助 Fable 5+ Higgsfield 先把它做成一个能玩的版本，然后快速发布出来验证市场。

逸尘

31,510 görüntüleme • 1 ay önce

我去！image2和seedance2.0简直绝配还记得在视频号上「流量上百万」靠流量日入过千的机器人变形视频吗现在又有羊毛可以薅了而且光变现就有两种方式，第一种直接发布这种视频，我能赚流量的钱第二种，那通过这个视频会有很多的商家来找我给他们做，一单200，这个是我验证过的而且获客也很简单，发两条在自己的视频号上就可以了，土老板很喜欢这个，做出来的视频样式就在下面而且这个平台是「字节官方开白名单的平台」我一定要推荐一下！就是之前我推GPT会员购买的GamsGo做出来的rita 真的一定要去试一下，链接我放下面了，而且这是我实际接到的第一个需求，后面还有一个需求，我下一条就马上写出来给你。真的AI赚钱很轻松而且 Rita 不只是视频生成这一个功能，它一站式集成了 Seedance 2.0、Kling、Runway 这些视频模型，还有 Midjourney、Flux 、image2这些生图模型，Claude、GPT、Gemini 这些对话模型一个平台搞定全部，不用在五六个工具之间反复横跳，效率真的不是提升一点还有一点很实在：新人注册直接送 100 积分，Seedance 2.0 可以先体验再决定要不要付费 Mega 套餐 $11.99 一个月，1200 积分，算下来比官方便宜不少，试错成本低很多。想试试的直接点这个链接，有什么问题直接评论区反馈给我！：

我去！image2和seedance2.0简直绝配还记得在视频号上「流量上百万」靠流量日入过千的机器人变形视频吗现在又有羊毛可以薅了而且光变现就有两种方式，第一种直接发布这种视频，我能赚流量的钱第二种，那通过这个视频会有很多的商家来找我给他们做，一单200，这个是我验证过的而且获客也很简单，发两条在自己的视频号上就可以了，土老板很喜欢这个，做出来的视频样式就在下面而且这个平台是「字节官方开白名单的平台」我一定要推荐一下！就是之前我推GPT会员购买的GamsGo做出来的rita 真的一定要去试一下，链接我放下面了，而且这是我实际接到的第一个需求，后面还有一个需求，我下一条就马上写出来给你。真的AI赚钱很轻松而且 Rita 不只是视频生成这一个功能，它一站式集成了 Seedance 2.0、Kling、Runway 这些视频模型，还有 Midjourney、Flux 、image2这些生图模型，Claude、GPT、Gemini 这些对话模型一个平台搞定全部，不用在五六个工具之间反复横跳，效率真的不是提升一点还有一点很实在：新人注册直接送 100 积分，Seedance 2.0 可以先体验再决定要不要付费 Mega 套餐 $11.99 一个月，1200 积分，算下来比官方便宜不少，试错成本低很多。想试试的直接点这个链接，有什么问题直接评论区反馈给我！：

叫我阿杭

58,522 görüntüleme • 2 ay önce

大半夜体验完 Manus AI, 达到了今天的使用限制，说一下自己的感受🧵 整体来讲，真的很强大，主要体现在 Manus 能够： 🔧展示完整的推理逻辑，有个 Manus 电脑的东西为你呈现所有过程和进展； 🏗️调用各种API 协同完成任务； 📃最终非常实际的交付给你一个可用的文件。 🌟「真正能干活」的AI Agent，这个定位真的太准确了。以下是一些实例： 1️⃣基础任务完成度高比如最近日本可以看樱花了，整理一个具体的旅行清单包括日程、推荐景点、住宿、交通等等；家里领导喜欢看红楼梦，梳理一下红楼梦的人物关系。以下是分别让他做的一个 pdf 文档和可以互动的网页，完成度是真的很高，不过人物关系上有一点小错误，无伤大雅。其他比如让他阅读视频给到总结，甚至让他剪辑播客都是可以的（只是效果不太好）。但是我尝试让他给我画一些图🗺️，这方面还有所欠缺，给到的理由是第三方 API 接口出错。同时网上说她可以做ppt，确实是可以的，但是能做ppt的工具都存在一个共同问题，逻辑还行，但就是丑。所以“美术”相关工作我理解还是做不了的。另外，他是一个完成特定任务的助手，不要把它当作聊天机器人，不然他每次跟你聊天都要思考十几分钟，真的很难受。 2️⃣测一测他懂不懂Web3 给了两个任务： a) 我们今天发了一个depin的研报，花了一个多月，自认为还行，让他给这个研报评分，并且给到其他更好的文章推荐。我们的depin报告如下他给到的内容如图3，更详细的评价文档我传了一个Google 链接，放在最后了，各位可以自行查看（包括前面的红楼梦人物关系图）。整体来看，他快速学习和阅读了大量 web3 depin 的报告，并且从多个维度给出了我们报告的评价，以及推荐的其他报告和对应的评价。 b) 假设我是一个交易所cmo，如何做华语市场的传播策略，包括华语媒体和华语kol的整理和评级。很遗憾，我已经等了一个多小时他还没思考完，如果明天有结果，我也会传到Google link里。（Manus 可以离线、多任务思考，所以可以同时开启多个任务，或者关机后之前的任务仍然会运行）不过我看到了他的实时分析过程，在阅读各个媒体、kol 的官网文章，历史推文等等，形成自己的分析。见图4 所以我理解在他的大脑里是有 web3 内容，并可以实时学习的。 3️⃣除了懂，他能否与 Web3 交互以上的推理其实都和 Web3 没有实际关系，我更关心他能否拿到链上数据，甚至能够交互。比如是否知道 $SOL $ETH 能在哪些地方质押，收益如何等等，还有一些深入的分析问题。很遗憾，今天的使用次数达到限制了。明天再说吧👋 -------------------------------------------- 等待 Manus 思考结果的时候，我也看了一些其他的博主评价和官方的介绍，我觉得有一点说的很好： “没有开源，就没有 Manus AI” 从一个体验过多个AI产品的小白角度，我其实觉得 Manus 会这么火爆的原因主要在于：调用了多种 API 接口，配合自己的推理算法最终呈现了一个很好的产品。这让我想到 ai16zdao 每周都有新的人贡献 plugin(比如微信，deepseek)，让这个网络不断壮大； Virtuals Protocol 通过打通 agent 得底层框架，形成 agent 经济体；还有 Hey Anon 不只是有链上数据，还能直接帮你交互等等。某一天，web2 和 web3 的 AI 产品肯定会更加紧密的相互协作，并出来几个不错的case。最近有一些 betting 的产品已经初现端倪。 Manus 也会开源自己的能力，为了更大的 AGI 世界。如果真到了那一天，我就真的要失业了🥲 ( Google drive 素材链接：

大半夜体验完 Manus AI, 达到了今天的使用限制，说一下自己的感受🧵 整体来讲，真的很强大，主要体现在 Manus 能够： 🔧展示完整的推理逻辑，有个 Manus 电脑的东西为你呈现所有过程和进展； 🏗️调用各种API 协同完成任务； 📃最终非常实际的交付给你一个可用的文件。 🌟「真正能干活」的AI Agent，这个定位真的太准确了。以下是一些实例： 1️⃣基础任务完成度高比如最近日本可以看樱花了，整理一个具体的旅行清单包括日程、推荐景点、住宿、交通等等；家里领导喜欢看红楼梦，梳理一下红楼梦的人物关系。以下是分别让他做的一个 pdf 文档和可以互动的网页，完成度是真的很高，不过人物关系上有一点小错误，无伤大雅。其他比如让他阅读视频给到总结，甚至让他剪辑播客都是可以的（只是效果不太好）。但是我尝试让他给我画一些图🗺️，这方面还有所欠缺，给到的理由是第三方 API 接口出错。同时网上说她可以做ppt，确实是可以的，但是能做ppt的工具都存在一个共同问题，逻辑还行，但就是丑。所以“美术”相关工作我理解还是做不了的。另外，他是一个完成特定任务的助手，不要把它当作聊天机器人，不然他每次跟你聊天都要思考十几分钟，真的很难受。 2️⃣测一测他懂不懂Web3 给了两个任务： a) 我们今天发了一个depin的研报，花了一个多月，自认为还行，让他给这个研报评分，并且给到其他更好的文章推荐。我们的depin报告如下他给到的内容如图3，更详细的评价文档我传了一个Google 链接，放在最后了，各位可以自行查看（包括前面的红楼梦人物关系图）。整体来看，他快速学习和阅读了大量 web3 depin 的报告，并且从多个维度给出了我们报告的评价，以及推荐的其他报告和对应的评价。 b) 假设我是一个交易所cmo，如何做华语市场的传播策略，包括华语媒体和华语kol的整理和评级。很遗憾，我已经等了一个多小时他还没思考完，如果明天有结果，我也会传到Google link里。（Manus 可以离线、多任务思考，所以可以同时开启多个任务，或者关机后之前的任务仍然会运行）不过我看到了他的实时分析过程，在阅读各个媒体、kol 的官网文章，历史推文等等，形成自己的分析。见图4 所以我理解在他的大脑里是有 web3 内容，并可以实时学习的。 3️⃣除了懂，他能否与 Web3 交互以上的推理其实都和 Web3 没有实际关系，我更关心他能否拿到链上数据，甚至能够交互。比如是否知道 $SOL $ETH 能在哪些地方质押，收益如何等等，还有一些深入的分析问题。很遗憾，今天的使用次数达到限制了。明天再说吧👋 -------------------------------------------- 等待 Manus 思考结果的时候，我也看了一些其他的博主评价和官方的介绍，我觉得有一点说的很好： “没有开源，就没有 Manus AI” 从一个体验过多个AI产品的小白角度，我其实觉得 Manus 会这么火爆的原因主要在于：调用了多种 API 接口，配合自己的推理算法最终呈现了一个很好的产品。这让我想到 ai16zdao 每周都有新的人贡献 plugin(比如微信，deepseek)，让这个网络不断壮大； Virtuals Protocol 通过打通 agent 得底层框架，形成 agent 经济体；还有 Hey Anon 不只是有链上数据，还能直接帮你交互等等。某一天，web2 和 web3 的 AI 产品肯定会更加紧密的相互协作，并出来几个不错的case。最近有一些 betting 的产品已经初现端倪。 Manus 也会开源自己的能力，为了更大的 AGI 世界。如果真到了那一天，我就真的要失业了🥲 ( Google drive 素材链接：

Zolo 🌊

40,376 görüntüleme • 1 yıl önce

当 AI 走进法庭，它最缺的其实是一份证据当 AI 真正走出实验室，开始大规模进入我们的现实生活时大家讨论最多的其实并不是它的智力到了什么程度，而是这个系统一旦出了问题法律层面到底该怎么判定责任归属，很多人可能还没意识到，目前几乎所有的 AI 系统在法律层面上都有一个致命的伤那就是它们根本拿不出任何可以被第三方采信的证据。想象一下，在未来的金融系统或者交易场景里如果一个 AI 驱动的协议突然出现了巨大的亏损，或者是在清算的时候出了偏差，现在的处理方式其实非常尴尬，模型厂商会说这只是概率问题而开发者会说自己只是写了代码，这种模糊的解释在技术圈里或许能混过去，但在法官或者是仲裁员面前，这种话是完全没有法律效力的，因为法律不相信任何口头上的解释，法律只看证据。现在的情况就是这样，因为 AI 具有天然的黑箱特性，导致法律体系无法对它的行为进行复现和验证，所以一旦真的出了事。现实社会往往只有两种极端的处理办法，要么就是由于风险不可控而直接禁用，要么就是找一个具体的人出来背黑锅。这并不是因为我们的监管机构太守旧，而是法律体系的底层逻辑决定的，它无法接受任何无法自证的黑箱行为。说到底，法律其实从来不关心一个模型到底是聪明还是笨。它关心的只有三件事，那就是你到底做了什么，你是按照什么样的流程去做的，以及最重要的，你能不能拿出实实在在的证据来证明这一切。这就是 Inference Labs 最核心的价值所在，它其实不是在跟人比拼算法的优劣，而是在给 AI 的每一个行为补齐那一层法律意义上的证据结构。这个项目实际上是解决了 AI 的可仲裁性问题，这虽然是一个很少被人提及的法律视角，但它却是 AI 从辅助工具走向核心执行层的必经之路。以前的 AI 推理过程就像一团理不清楚的乱麻，在仲裁机构眼里，它既不是一个能负责的人，也不是一套可以被审计的标准流程，这就导致大家只敢让 AI 提提建议，而不敢让它去真正掌握决策大权。 Inference Labs 提供的推理证明，本质上是在用法律能听懂的语言去记录 AI 的行为，它不需要向外界解释模型当时到底是怎么想的，它只需要负责向法庭或者是受害者证明，在那个特定的时间点，确实是这个版本的模型，在特定的输入环境下，产出了这么一个确定的结果，这在仲裁场景下简直就是定海神针。有了这层证明之后，AI 产生的决策就有了可以被法律认可的证据，在未来的 DeFi 自动风控或者是合约执行中，一旦双方发生了争议。我们就不再需要去争论开发者的初心，而是直接把那份不可篡改的推理证明丢进仲裁程序，系统不需要证明自己是善良的，只需要证明自己是如实执行的。这就是 AI 从灰色地带走向主流市场的关键转折点，所以它的真实用户绝对不是那些每天在推特上找空投的散户，而是那些真正身处一线、需要设计协议并承担合规风险的专业人士，这些人可能平时很低调，但他们对这种能保命的工具极其看重，一旦采用了就很难再换掉。大家习惯了去追逐那些爆发性的技术热点，却往往忽略了 AI 融入社会体系时最真实的摩擦力，这个项目的眼光其实放得很长远，它在赌一个非常确定的趋势，那就是所有的 AI 最终都必须被拉进法律的框架里，到那个时候。那些拿不出证据结构的 AI 都会被迅速淘汰，而像它这样提前搭好仲裁入口的项目，才会真正成为系统的基石。 Inference Labs #inference_labs #KAITO

当 AI 走进法庭，它最缺的其实是一份证据当 AI 真正走出实验室，开始大规模进入我们的现实生活时大家讨论最多的其实并不是它的智力到了什么程度，而是这个系统一旦出了问题法律层面到底该怎么判定责任归属，很多人可能还没意识到，目前几乎所有的 AI 系统在法律层面上都有一个致命的伤那就是它们根本拿不出任何可以被第三方采信的证据。想象一下，在未来的金融系统或者交易场景里如果一个 AI 驱动的协议突然出现了巨大的亏损，或者是在清算的时候出了偏差，现在的处理方式其实非常尴尬，模型厂商会说这只是概率问题而开发者会说自己只是写了代码，这种模糊的解释在技术圈里或许能混过去，但在法官或者是仲裁员面前，这种话是完全没有法律效力的，因为法律不相信任何口头上的解释，法律只看证据。现在的情况就是这样，因为 AI 具有天然的黑箱特性，导致法律体系无法对它的行为进行复现和验证，所以一旦真的出了事。现实社会往往只有两种极端的处理办法，要么就是由于风险不可控而直接禁用，要么就是找一个具体的人出来背黑锅。这并不是因为我们的监管机构太守旧，而是法律体系的底层逻辑决定的，它无法接受任何无法自证的黑箱行为。说到底，法律其实从来不关心一个模型到底是聪明还是笨。它关心的只有三件事，那就是你到底做了什么，你是按照什么样的流程去做的，以及最重要的，你能不能拿出实实在在的证据来证明这一切。这就是 Inference Labs 最核心的价值所在，它其实不是在跟人比拼算法的优劣，而是在给 AI 的每一个行为补齐那一层法律意义上的证据结构。这个项目实际上是解决了 AI 的可仲裁性问题，这虽然是一个很少被人提及的法律视角，但它却是 AI 从辅助工具走向核心执行层的必经之路。以前的 AI 推理过程就像一团理不清楚的乱麻，在仲裁机构眼里，它既不是一个能负责的人，也不是一套可以被审计的标准流程，这就导致大家只敢让 AI 提提建议，而不敢让它去真正掌握决策大权。 Inference Labs 提供的推理证明，本质上是在用法律能听懂的语言去记录 AI 的行为，它不需要向外界解释模型当时到底是怎么想的，它只需要负责向法庭或者是受害者证明，在那个特定的时间点，确实是这个版本的模型，在特定的输入环境下，产出了这么一个确定的结果，这在仲裁场景下简直就是定海神针。有了这层证明之后，AI 产生的决策就有了可以被法律认可的证据，在未来的 DeFi 自动风控或者是合约执行中，一旦双方发生了争议。我们就不再需要去争论开发者的初心，而是直接把那份不可篡改的推理证明丢进仲裁程序，系统不需要证明自己是善良的，只需要证明自己是如实执行的。这就是 AI 从灰色地带走向主流市场的关键转折点，所以它的真实用户绝对不是那些每天在推特上找空投的散户，而是那些真正身处一线、需要设计协议并承担合规风险的专业人士，这些人可能平时很低调，但他们对这种能保命的工具极其看重，一旦采用了就很难再换掉。大家习惯了去追逐那些爆发性的技术热点，却往往忽略了 AI 融入社会体系时最真实的摩擦力，这个项目的眼光其实放得很长远，它在赌一个非常确定的趋势，那就是所有的 AI 最终都必须被拉进法律的框架里，到那个时候。那些拿不出证据结构的 AI 都会被迅速淘汰，而像它这样提前搭好仲裁入口的项目，才会真正成为系统的基石。 Inference Labs #inference_labs #KAITO

阿川

147,843 görüntüleme • 6 ay önce

MiMo推出1000 Token/s超高速模型｜体验测评 MiMo 推出了 MiMo V2.5 Pro UltraSpeed 超高速的模型版本，能够实现每秒输出超过 1,000 Token 的速度。同时，这应该也是全球第一个达到这个速度的万亿（1T）参数模型。藏师傅提前试了一下，做了三个测试，确实爽。第一个跑了一个比较复杂的 3D 采矿小游戏测试。在没有素材的情况下，我让它全部用 Three.js 前端代码来生成素材。整体要求比较完整，虽然第一次实践时出了一些小问题，但在跟他沟通修改建议后，非常完美地实现了任务。这次测试的各项指标如下：思考的 TPS：804 Token/s，峰值速度：810 Token/s，首次响应时间：4.71 秒。第二个测试给了一个官网，其头部包含一个相对复杂的 3D 动画。这次的输出速度快了非常多：峰值达到了 1426 Token/s，首次响应只用了 0.83 秒，在 32 秒内输出了 25624 个 Token，总计生成了 1000 行代码。第三个测试给了一个更复杂的官网。我要求这个官网的 Header 头部包含以下 3D 效果：地球边缘、轨道上的飞船、星际尘埃、航线图、舷窗的 HUD 样式。这个效果非常好，整体的视觉样式、状态、SVG 动画和驾驶卡片都非常精细，还有滚动的视差效果这个输出的 TPS 达到了 1136 tokens/s，首次响应是 4.5 秒官方测试平台下面有个数据展示，会显示相关信息在流式输出的情况下，当你看着它只用 20 秒就产生一个非常复杂的 3D 游戏时，那种场景还是比较震撼的之前的这些（比如说 Groq 之类的）超高速推理方案，在模型能力或者是整体水平上都会有所下降，但是 MiMo 这个在测试的时候，我没有看到这种迹象最近很多公司都开始推出这种超高速的 API 服务，比如之前 OpenAI 和 Anthropic 都有 Fast 模式在 Agent 场景下，模型输出效率的提升会直接带动每一步 Agent 操作的效率：如果一个任务预估一分钟完成，你就会盯着它直到结束，然后立刻投入测试。如果需要五分钟才完成，你可能就会去干别的事，然后再回来看，难免会浪费一些时间这种效率提升在 Sub-Agent 和并发场景下更加明显。因为它可以更快地产出大量结果，想象一下，如果同时启动一两百个 Sub-Agent，在模型能力没有衰减的前提下，速度提高 10 倍，体验是非常爽的毕竟这本质上是面向那种对效率有极高要求的 To B 客户所推出的希望后面大家卷起来，优化一下成本，让普通用户也能放开用这种 UltraSpeed 模型

MiMo推出1000 Token/s超高速模型｜体验测评 MiMo 推出了 MiMo V2.5 Pro UltraSpeed 超高速的模型版本，能够实现每秒输出超过 1,000 Token 的速度。同时，这应该也是全球第一个达到这个速度的万亿（1T）参数模型。藏师傅提前试了一下，做了三个测试，确实爽。第一个跑了一个比较复杂的 3D 采矿小游戏测试。在没有素材的情况下，我让它全部用 Three.js 前端代码来生成素材。整体要求比较完整，虽然第一次实践时出了一些小问题，但在跟他沟通修改建议后，非常完美地实现了任务。这次测试的各项指标如下：思考的 TPS：804 Token/s，峰值速度：810 Token/s，首次响应时间：4.71 秒。第二个测试给了一个官网，其头部包含一个相对复杂的 3D 动画。这次的输出速度快了非常多：峰值达到了 1426 Token/s，首次响应只用了 0.83 秒，在 32 秒内输出了 25624 个 Token，总计生成了 1000 行代码。第三个测试给了一个更复杂的官网。我要求这个官网的 Header 头部包含以下 3D 效果：地球边缘、轨道上的飞船、星际尘埃、航线图、舷窗的 HUD 样式。这个效果非常好，整体的视觉样式、状态、SVG 动画和驾驶卡片都非常精细，还有滚动的视差效果这个输出的 TPS 达到了 1136 tokens/s，首次响应是 4.5 秒官方测试平台下面有个数据展示，会显示相关信息在流式输出的情况下，当你看着它只用 20 秒就产生一个非常复杂的 3D 游戏时，那种场景还是比较震撼的之前的这些（比如说 Groq 之类的）超高速推理方案，在模型能力或者是整体水平上都会有所下降，但是 MiMo 这个在测试的时候，我没有看到这种迹象最近很多公司都开始推出这种超高速的 API 服务，比如之前 OpenAI 和 Anthropic 都有 Fast 模式在 Agent 场景下，模型输出效率的提升会直接带动每一步 Agent 操作的效率：如果一个任务预估一分钟完成，你就会盯着它直到结束，然后立刻投入测试。如果需要五分钟才完成，你可能就会去干别的事，然后再回来看，难免会浪费一些时间这种效率提升在 Sub-Agent 和并发场景下更加明显。因为它可以更快地产出大量结果，想象一下，如果同时启动一两百个 Sub-Agent，在模型能力没有衰减的前提下，速度提高 10 倍，体验是非常爽的毕竟这本质上是面向那种对效率有极高要求的 To B 客户所推出的希望后面大家卷起来，优化一下成本，让普通用户也能放开用这种 UltraSpeed 模型

歸藏(guizang.ai)

26,998 görüntüleme • 1 ay önce

看到好多人在现有影视作品里截几张图或者截段视频，然后给Seedance2.0做参考，生成出来的效果不错就大夸特夸，但越想越不对，这模型不就是拿海量的这些作品训练的吗？？另外，还是不建议这么玩，直接用原角色人物，真的极容易有版权风险！之前生图，不少人大量用了真实的品牌和产品，部分账号，就突然无了，也许大概和这方面有点关系！不管生图，还是生视频，建议不要拿真实品牌、真实人物去做。这次我试着不要任何参考图，只给文字脚本，一次性做出个广告短片。效果已经相当不错了，节奏、音效还有特色的“电视广告腔”！

看到好多人在现有影视作品里截几张图或者截段视频，然后给Seedance2.0做参考，生成出来的效果不错就大夸特夸，但越想越不对，这模型不就是拿海量的这些作品训练的吗？？另外，还是不建议这么玩，直接用原角色人物，真的极容易有版权风险！之前生图，不少人大量用了真实的品牌和产品，部分账号，就突然无了，也许大概和这方面有点关系！不管生图，还是生视频，建议不要拿真实品牌、真实人物去做。这次我试着不要任何参考图，只给文字脚本，一次性做出个广告短片。效果已经相当不错了，节奏、音效还有特色的“电视广告腔”！

沐阳

10,878 görüntüleme • 5 ay önce

Step 3：多图参考生成游览视频这一步不要把空间图当成普通图片轮播，而要把它们当成一条“看房动线”来规划：先从 3D 户型图建立空间认知，再推进进入客厅，然后按真实参观顺序进入厨房、卧室、卫生间，最后回到阳台收尾。让镜头的运动有快慢结合，这样出来的效果才不像图片轮播，而更像一条真实的样板间漫游视频。另外一个小经验：用 Seedance 生成这类视频时，尽量不要开 fast 模式，整体运动和过渡会更顺一些。如果这条内容对你有启发，欢迎转发、收藏、点赞👍 关注我 Larus Canus ，后面我会分享更多实用的AI教程，谢谢！🫡

Step 3：多图参考生成游览视频这一步不要把空间图当成普通图片轮播，而要把它们当成一条“看房动线”来规划：先从 3D 户型图建立空间认知，再推进进入客厅，然后按真实参观顺序进入厨房、卧室、卫生间，最后回到阳台收尾。让镜头的运动有快慢结合，这样出来的效果才不像图片轮播，而更像一条真实的样板间漫游视频。另外一个小经验：用 Seedance 生成这类视频时，尽量不要开 fast 模式，整体运动和过渡会更顺一些。如果这条内容对你有启发，欢迎转发、收藏、点赞👍 关注我 Larus Canus ，后面我会分享更多实用的AI教程，谢谢！🫡

Larus Canus

13,665 görüntüleme • 1 ay önce

全程靠 Google Antigravity 和 Google AI Studio 嘴撸 Vibe coding 的鲜花滤镜平台太好看了！谁能想到这些鲜花滤镜，都是就地取材拍摄出来，通过 Prompt 在 AI 里面加工成不同的效果，再叠加用户上传的人像，变成了独一无二的图像和视频。每一款鲜花，都是一个独一无二的滤镜。能在生活中随意拍摄路边的花花草草，生成自己的专属滤镜。 🥲 AI 太伟大了，0 代码，全程嘴撸，大概 3 天做出来的。唯一有点惆怅的是，接下来要折腾部署了…

全程靠 Google Antigravity 和 Google AI Studio 嘴撸 Vibe coding 的鲜花滤镜平台太好看了！谁能想到这些鲜花滤镜，都是就地取材拍摄出来，通过 Prompt 在 AI 里面加工成不同的效果，再叠加用户上传的人像，变成了独一无二的图像和视频。每一款鲜花，都是一个独一无二的滤镜。能在生活中随意拍摄路边的花花草草，生成自己的专属滤镜。 🥲 AI 太伟大了，0 代码，全程嘴撸，大概 3 天做出来的。唯一有点惆怅的是，接下来要折腾部署了…

Penny777 🦊

77,494 görüntüleme • 7 ay önce

不花一分钱快，速用Seedance2.0生成真人质感的假面全网爆火的打斗短视频呢？就是已经被说烂随便app和豆包，具体怎么操作，我先分享这个提示词再我写个文吧，这些app每天10次的抽卡加上豆包10个积分机会其实足够生成一个小片段用的，只要你的提示词写得好，抽卡几率也大大降低！另外再分享一个小云雀上都有的、但是热度一直很高的提示词，作为一名合格的搬运工！！我必须要说的是，这些其实都可以找豆包写的，完全不用问东问西，更不用付费！！！！（因为我抠搜，我至今没花过一毛钱在ai软件，gemini的其实也算是白嫖的）最近因为敏感词和IP等不再提供假面、铠甲变身的素材，导致很多提示词不能用？那不是因为词的问题，问题在你的图，不要去垫图，用自己画的假面或者机甲，下面你只需要准备三样素材（正派、反派、背景（根据需求，也可以文字描述）： 1️⃣主角：@你的数字人/@图1的cos真人版（不要用IP） 2️⃣主角变身后：@图2（一定得用真实的照片，最好用mj/grok艺术化以后，用🍌转成真实风格（一定是写实的）保证成片！ 3️⃣反派：@图3/你用文字描述的即可（各大app一大堆） 4️⃣场景：@图4（如果你需要固定场景的长篇幅确保一致性，必须要垫的图）这样只用写动作和特效即可！（提示词我放在评论区了）👇👇👇 基本能保证你的账号日更基本不成问题！👇

不花一分钱快，速用Seedance2.0生成真人质感的假面全网爆火的打斗短视频呢？就是已经被说烂随便app和豆包，具体怎么操作，我先分享这个提示词再我写个文吧，这些app每天10次的抽卡加上豆包10个积分机会其实足够生成一个小片段用的，只要你的提示词写得好，抽卡几率也大大降低！另外再分享一个小云雀上都有的、但是热度一直很高的提示词，作为一名合格的搬运工！！我必须要说的是，这些其实都可以找豆包写的，完全不用问东问西，更不用付费！！！！（因为我抠搜，我至今没花过一毛钱在ai软件，gemini的其实也算是白嫖的）最近因为敏感词和IP等不再提供假面、铠甲变身的素材，导致很多提示词不能用？那不是因为词的问题，问题在你的图，不要去垫图，用自己画的假面或者机甲，下面你只需要准备三样素材（正派、反派、背景（根据需求，也可以文字描述）： 1️⃣主角：@你的数字人/@图1的cos真人版（不要用IP） 2️⃣主角变身后：@图2（一定得用真实的照片，最好用mj/grok艺术化以后，用🍌转成真实风格（一定是写实的）保证成片！ 3️⃣反派：@图3/你用文字描述的即可（各大app一大堆） 4️⃣场景：@图4（如果你需要固定场景的长篇幅确保一致性，必须要垫的图）这样只用写动作和特效即可！（提示词我放在评论区了）👇👇👇 基本能保证你的账号日更基本不成问题！👇

𝟡𝟜 ᴾᴸᴬʸᶠᴼᴿᴳᴱ

49,997 görüntüleme • 4 ay önce