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。

Prowl 近数个版本反复推敲书架视图，辅以自定义仓库图标与配色，并引入基于运行命令自动匹配的标签图标更换机制，终得一隅尚称称意的集成终端之境。不敢私藏，亦无意独飨，谨以此呈诸同好。欢迎诸君下载试用：

onevcat

14,111 subscribers

12,652 次观看 • 3 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

今年三月底在 Let's Vision 上介绍了我们正在做的让 agent 参与 mobile 开发自主验证的一些微小工作。现在终于可以把其中一部分我们日常使用的工具开源了。 sim-use 是让 AI agent 能看到模拟器/设备的屏幕并操作它的命令行工具。一条命令把整个屏幕变成 agent 能理解的紧凑表示，再一条命令点击任意元素，以完成验证循环。iOS Simulator 和 Android 通用。 Plan, code, verify, ship — verify 这一环现在可以交给 agent 了。欢迎大家试用/加星/反馈/一同改进！

今年三月底在 Let's Vision 上介绍了我们正在做的让 agent 参与 mobile 开发自主验证的一些微小工作。现在终于可以把其中一部分我们日常使用的工具开源了。 sim-use 是让 AI agent 能看到模拟器/设备的屏幕并操作它的命令行工具。一条命令把整个屏幕变成 agent 能理解的紧凑表示，再一条命令点击任意元素，以完成验证循环。iOS Simulator 和 Android 通用。 Plan, code, verify, ship — verify 这一环现在可以交给 agent 了。欢迎大家试用/加星/反馈/一同改进！

onevcat

67,870 次观看 • 1 个月前

当需要监控服务器状态或数据库性能，在终端里反复执行各种命令查看输出结果，密密麻麻的黑白字符输出看得眼花。最近发现了 Sampler 这款开源监控工具，它能把任何 shell 命令的输出转换成实时可视化图表。通过简单的 YAML 配置文件，就能将 CPU 使用率、内存状态、网络流量等各种系统指标以折线图、柱状图、仪表盘等形式实时展示。 GitHub：还可以配置告警触发器，超过阈值时声音或视觉提醒，提供交互式 Shell 链接，可监控数据库、远程服务器等。通过 Homebrew 或下载二进制文件即可安装，可自由切换浅色和暗色两种主题使用。

当需要监控服务器状态或数据库性能，在终端里反复执行各种命令查看输出结果，密密麻麻的黑白字符输出看得眼花。最近发现了 Sampler 这款开源监控工具，它能把任何 shell 命令的输出转换成实时可视化图表。通过简单的 YAML 配置文件，就能将 CPU 使用率、内存状态、网络流量等各种系统指标以折线图、柱状图、仪表盘等形式实时展示。 GitHub：还可以配置告警触发器，超过阈值时声音或视觉提醒，提供交互式 Shell 链接，可监控数据库、远程服务器等。通过 Homebrew 或下载二进制文件即可安装，可自由切换浅色和暗色两种主题使用。

GitHubDaily

27,801 次观看 • 9 个月前

卧槽 Telegram 发布重大更新 - 现在机器人能发富文本了 - 还能让AI帮你管理群聊 - Telegram 终于上手表了这不得够微信学习十来年？？以前 bot 回消息只能纯文本，现在AI Bot支持：・表格、清单、嵌套引用块・行内插图、图片轮播、拼图・可折叠段落、脚注、标题锚点・数学公式、上下标单条最多塞 32768 个字符，超过 8000 字会自动折叠成一个"显示更多"按钮适合 AI bot 输出长答案、做内容卡片的场景

卧槽 Telegram 发布重大更新 - 现在机器人能发富文本了 - 还能让AI帮你管理群聊 - Telegram 终于上手表了这不得够微信学习十来年？？以前 bot 回消息只能纯文本，现在AI Bot支持：・表格、清单、嵌套引用块・行内插图、图片轮播、拼图・可折叠段落、脚注、标题锚点・数学公式、上下标单条最多塞 32768 个字符，超过 8000 字会自动折叠成一个"显示更多"按钮适合 AI bot 输出长答案、做内容卡片的场景

小互

67,941 次观看 • 1 个月前

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 次观看 • 2 年前

vibe coding 做了一个图像逆向提示词生图工具智能分析原图和新生成的图片差异，并优化提示词。对提示词微调变量后生成图片对比生成的每一张图片，点击图片就可以方便地查看提示词并进行修改 ----------------下面是 ai 写的 ------------ ✨ 多智能体协作流 (Multi-Agent Pipeline) 由 Auditor（质检）、 Descriptor（描述）、 Architect（构图）、 Synthesizer（合成）组成的 AI 专家团队，全自动处理视觉任务。 🔍 专业级视觉对比 (Pro Comparison) 复刻 Figma 体验的丝滑缩放与平移，支持滑动 (Slider) 与并排 (Side-by-Side) 双模式，细节差异一目了然。 📝 逆向提示词工程 (Reverse Prompting) 支持“看图说话”，智能反推图像 Prompt，支持多语言（中/英）自动翻译与优化。 📐 智能蓝图分析 (Layout Analysis) 一键解析图像布局结构，自动识别并标注画面元素，辅助设计解构。 💡 智能交互工作台 (Smart Studio) 拖拽式交互：全局拖拽上传/替换图片。历史回溯：自动保存生成记录，随时回滚。即时反馈：流式输出分析结果，思考过程完全透明。 --- 功能介绍 AI 生成的,写的不怎么样，先偷懒。 #vibecoding #GenAI #DesignTools #AIWorkflow #VisualEngine

vibe coding 做了一个图像逆向提示词生图工具智能分析原图和新生成的图片差异，并优化提示词。对提示词微调变量后生成图片对比生成的每一张图片，点击图片就可以方便地查看提示词并进行修改 ----------------下面是 ai 写的 ------------ ✨ 多智能体协作流 (Multi-Agent Pipeline) 由 Auditor（质检）、 Descriptor（描述）、 Architect（构图）、 Synthesizer（合成）组成的 AI 专家团队，全自动处理视觉任务。 🔍 专业级视觉对比 (Pro Comparison) 复刻 Figma 体验的丝滑缩放与平移，支持滑动 (Slider) 与并排 (Side-by-Side) 双模式，细节差异一目了然。 📝 逆向提示词工程 (Reverse Prompting) 支持“看图说话”，智能反推图像 Prompt，支持多语言（中/英）自动翻译与优化。 📐 智能蓝图分析 (Layout Analysis) 一键解析图像布局结构，自动识别并标注画面元素，辅助设计解构。 💡 智能交互工作台 (Smart Studio) 拖拽式交互：全局拖拽上传/替换图片。历史回溯：自动保存生成记录，随时回滚。即时反馈：流式输出分析结果，思考过程完全透明。 --- 功能介绍 AI 生成的,写的不怎么样，先偷懒。 #vibecoding #GenAI #DesignTools #AIWorkflow #VisualEngine

ttmouse - 豆爸

53,824 次观看 • 6 个月前

感觉 Google 现在开窍了，先进的 Gemini 模型也不藏着掖着只给收费用户或者门槛很高的 AI Studio 里面用，现在免费用户也可以在 Gemini 官网上使用 Gemini 2.5 Pro 并使用 Canvas 工具，直接可以预览生成的代码，当然有一定次数限制。另外网上对 Gemini 2.5 Pro 的编程能力好评很多，很多评价觉得超过 Claude 3.7 Sonnet 的，在 Cursor 中可以直接使用 Gemini 2.5 Pro。给了几个用 Gemini 2.5 Pro 制作的可以直接 Canvas 预览的示例，看起来效果不错： 1️⃣ 用p5js设计一款万花筒，它能根据你的鼠标移动生成迷人的对称图案。 2️⃣ 你侄女随手写下的歌词，拍张照片就能变成一首简单、有趣的歌曲，陪她一起用钢琴弹奏出来吧。 3️⃣ 制作一个经典的街机小游戏：你操控屏幕底部的挡板，弹射小球去击碎上方一排排的砖块。 4️⃣ 开发一款考验反应速度的颜色配对游戏，限定时间内准确匹配颜色并获得分数。以上示例仅供参考，实际效果可能不同。

感觉 Google 现在开窍了，先进的 Gemini 模型也不藏着掖着只给收费用户或者门槛很高的 AI Studio 里面用，现在免费用户也可以在 Gemini 官网上使用 Gemini 2.5 Pro 并使用 Canvas 工具，直接可以预览生成的代码，当然有一定次数限制。另外网上对 Gemini 2.5 Pro 的编程能力好评很多，很多评价觉得超过 Claude 3.7 Sonnet 的，在 Cursor 中可以直接使用 Gemini 2.5 Pro。给了几个用 Gemini 2.5 Pro 制作的可以直接 Canvas 预览的示例，看起来效果不错： 1️⃣ 用p5js设计一款万花筒，它能根据你的鼠标移动生成迷人的对称图案。 2️⃣ 你侄女随手写下的歌词，拍张照片就能变成一首简单、有趣的歌曲，陪她一起用钢琴弹奏出来吧。 3️⃣ 制作一个经典的街机小游戏：你操控屏幕底部的挡板，弹射小球去击碎上方一排排的砖块。 4️⃣ 开发一款考验反应速度的颜色配对游戏，限定时间内准确匹配颜色并获得分数。以上示例仅供参考，实际效果可能不同。

宝玉

85,267 次观看 • 1 年前

你遇到过这样的图书馆管理员吗？ seedance prompt: 😋😋😋以未经处理的iPhone手持不稳定视频素材风格呈现，所有相机设置均为自动，无任何后期调色或特效。画面带有真实的操作者呼吸感和轻微不规则手持抖动，自动对焦经常出现激烈搜索、短暂失焦和延迟恢复，自动白平衡随图书馆灯光在冷暖色调之间自然切换。图像整体平坦且略显泛白，保留真实的镜头光晕、边缘轻微模糊等光学瑕疵。在画面下部偶尔出现淡淡的指纹油渍伪影。仅使用画内自然环境音效（书架间极轻的脚步声、书本落地声、木质凳子晃动声、空调低鸣、低声对话），无任何背景音乐，强声时麦克风轻微失真。采用纯第一人称POV视角（学生主观视角），镜头运动完全跟随自然头部转动和本能反应，构图偶尔不完美，带有真实呼吸抖动。 0-4秒时，镜头以第一人称视角站在图书馆书架前。老师正站在有小楼梯的木质高凳子顶端，身体明显高于你的视线。她穿着加同衣服颜色过膝吊带丝袜，伸手去拿高处的一本书。自动对焦在老师高处的身体和伸手动作上，画面轻微晃动，你需要微微仰头才能看清她。 4-7秒时，你走近她身后，把刚才掉下来的书递给她。她接过书时低声说：“谢谢……你来得真及时。”声音轻柔，带着一点笑意。身体站在她身后很近的位置，但没有直接接触。自动对焦在递书和接书的动作上短暂搜索后重新锁定。 7-10秒时，老师拿到书后不慎脱手，书本从高处掉落到地面。她小心地转身下到凳子地面，边走边低声说：“哎呀……手滑了。”自动对焦跟随书本落地和老师下凳的动作，画面有轻微的晃动和对焦搜索。 10-14秒时，老师弯腰去捡地上的书。她故意朝向你这个方向弯下腰，一只手仿佛在护住胸前。她一边捡书一边低声说：“你。。就不能帮我捡一下吗？”声音很轻，却带着明显的故意。捡起书后她慢慢直起身，眼神与你对视。自动对焦在老师弯腰捡书的动作上短暂搜索后重新锁定。画面呈现出真实的未经处理手持视频质感，纪录片级别的自然不完美感，无任何后期调色或特效。所有相机行为均符合iPhone自动拍摄的物理特性。

你遇到过这样的图书馆管理员吗？ seedance prompt: 😋😋😋以未经处理的iPhone手持不稳定视频素材风格呈现，所有相机设置均为自动，无任何后期调色或特效。画面带有真实的操作者呼吸感和轻微不规则手持抖动，自动对焦经常出现激烈搜索、短暂失焦和延迟恢复，自动白平衡随图书馆灯光在冷暖色调之间自然切换。图像整体平坦且略显泛白，保留真实的镜头光晕、边缘轻微模糊等光学瑕疵。在画面下部偶尔出现淡淡的指纹油渍伪影。仅使用画内自然环境音效（书架间极轻的脚步声、书本落地声、木质凳子晃动声、空调低鸣、低声对话），无任何背景音乐，强声时麦克风轻微失真。采用纯第一人称POV视角（学生主观视角），镜头运动完全跟随自然头部转动和本能反应，构图偶尔不完美，带有真实呼吸抖动。 0-4秒时，镜头以第一人称视角站在图书馆书架前。老师正站在有小楼梯的木质高凳子顶端，身体明显高于你的视线。她穿着加同衣服颜色过膝吊带丝袜，伸手去拿高处的一本书。自动对焦在老师高处的身体和伸手动作上，画面轻微晃动，你需要微微仰头才能看清她。 4-7秒时，你走近她身后，把刚才掉下来的书递给她。她接过书时低声说：“谢谢……你来得真及时。”声音轻柔，带着一点笑意。身体站在她身后很近的位置，但没有直接接触。自动对焦在递书和接书的动作上短暂搜索后重新锁定。 7-10秒时，老师拿到书后不慎脱手，书本从高处掉落到地面。她小心地转身下到凳子地面，边走边低声说：“哎呀……手滑了。”自动对焦跟随书本落地和老师下凳的动作，画面有轻微的晃动和对焦搜索。 10-14秒时，老师弯腰去捡地上的书。她故意朝向你这个方向弯下腰，一只手仿佛在护住胸前。她一边捡书一边低声说：“你。。就不能帮我捡一下吗？”声音很轻，却带着明显的故意。捡起书后她慢慢直起身，眼神与你对视。自动对焦在老师弯腰捡书的动作上短暂搜索后重新锁定。画面呈现出真实的未经处理手持视频质感，纪录片级别的自然不完美感，无任何后期调色或特效。所有相机行为均符合iPhone自动拍摄的物理特性。

John

31,763 次观看 • 2 个月前

酷，浙大、vivo最新出的一款视频虚拟试衣模型：MagicTryOn，服装的时空一致性、稳定性、服装细节都保持的不错，效果可以直接用于电商广告了支持图像试穿、视频试穿，以及自定义试穿擅长在比如跳舞这种人体大幅度运动，和复杂场景中试穿具备泛化能力，可以在玩偶上进行虚拟试衣其用扩散Transformer取代U-Net架构，来提升模型的表达能力；结合全自注意力机制联合建模视频的时空一致性，确保试衣效果在时间和空间维度上自然流畅 #虚拟试穿 #MagicTryOn #tryon #AI穿衣

酷，浙大、vivo最新出的一款视频虚拟试衣模型：MagicTryOn，服装的时空一致性、稳定性、服装细节都保持的不错，效果可以直接用于电商广告了支持图像试穿、视频试穿，以及自定义试穿擅长在比如跳舞这种人体大幅度运动，和复杂场景中试穿具备泛化能力，可以在玩偶上进行虚拟试衣其用扩散Transformer取代U-Net架构，来提升模型的表达能力；结合全自注意力机制联合建模视频的时空一致性，确保试衣效果在时间和空间维度上自然流畅 #虚拟试穿 #MagicTryOn #tryon #AI穿衣

AIGCLINK

28,402 次观看 • 1 年前

最近在 GitHub 上刷到一个挺炸的开源项目：Wren AI 它本质上是在做一件我们都很熟、但一直没被真正解决好的事：让不懂 SQL 的人，也能自己查数据库。比如说，业务、运营想看数据，第一反应就是来敲后端：“帮我查下上个月销量前 3 的产品”“这个转化率能不能按渠道拆一下”。 SQL 本身不难，但沟通成本、来回确认、临时插队，才是真正耗时间的地方。 Wren AI 的思路很直接：对话即查询。你直接用自然语言问问题，它会自动生成 SQL、跑库、给结果，甚至顺手把图也画好（柱状图、折线图那种）。可以把它理解成一个 “自带 AI 分析师的开源版 Metabase”，但门槛更低，不用拖字段、不用写 SQL。比较关键的一点是，它不是那种“裸 Text-to-SQL”。 Wren AI 引入了 Semantic Layer（语义层），你可以提前把业务指标、表关系、口径定义清楚，相当于给大模型加了一层“业务护栏”。这一步虽然需要懂数据库的人前期配置一下，但一旦理顺，后面业务方基本很难把数据问歪，准确性和安全性都高很多。模型和部署这块也挺对技术人的胃口： ·云模型：OpenAI / Claude / Gemini 都能接 ·数据不出内网：可以配 Ollama + 本地模型（比如 DeepSeek） ·数据库支持也很全：MySQL、Postgres、ClickHouse、DuckDB 基本全覆盖 ·安装也不折腾，有 Docker 基本就是一键起整体看下来，我觉得它特别适合两种场景： 1）想给团队搭一套真正能用的自助查数平台 2）想研究 “AI + BI + 语义层” 这种更偏工程化的落地方案一句话总结：把“查数据”的自由还给业务，把时间还给开发。

最近在 GitHub 上刷到一个挺炸的开源项目：Wren AI 它本质上是在做一件我们都很熟、但一直没被真正解决好的事：让不懂 SQL 的人，也能自己查数据库。比如说，业务、运营想看数据，第一反应就是来敲后端：“帮我查下上个月销量前 3 的产品”“这个转化率能不能按渠道拆一下”。 SQL 本身不难，但沟通成本、来回确认、临时插队，才是真正耗时间的地方。 Wren AI 的思路很直接：对话即查询。你直接用自然语言问问题，它会自动生成 SQL、跑库、给结果，甚至顺手把图也画好（柱状图、折线图那种）。可以把它理解成一个 “自带 AI 分析师的开源版 Metabase”，但门槛更低，不用拖字段、不用写 SQL。比较关键的一点是，它不是那种“裸 Text-to-SQL”。 Wren AI 引入了 Semantic Layer（语义层），你可以提前把业务指标、表关系、口径定义清楚，相当于给大模型加了一层“业务护栏”。这一步虽然需要懂数据库的人前期配置一下，但一旦理顺，后面业务方基本很难把数据问歪，准确性和安全性都高很多。模型和部署这块也挺对技术人的胃口： ·云模型：OpenAI / Claude / Gemini 都能接 ·数据不出内网：可以配 Ollama + 本地模型（比如 DeepSeek） ·数据库支持也很全：MySQL、Postgres、ClickHouse、DuckDB 基本全覆盖 ·安装也不折腾，有 Docker 基本就是一键起整体看下来，我觉得它特别适合两种场景： 1）想给团队搭一套真正能用的自助查数平台 2）想研究 “AI + BI + 语义层” 这种更偏工程化的落地方案一句话总结：把“查数据”的自由还给业务，把时间还给开发。

sitin

30,018 次观看 • 5 个月前

🔥兄弟们，我终于找到了Seedance的奥义了！我自己写了一个脚本生成器，事无巨细的写了很精彩的脚本，但是每次我都要纠结，因为2000字的限制，另外也担心自己描述的不清楚，所以在把脚本转换为提示词的过程中，要耗费很多心力，我还想着要写一个新的程序用于精简脚本。结果，我上周在给社群上课的时候说到一个案例，随口说了一句，也许Seedance也可以像nano banana改图一样理解截图的文字，结果顺手尝试了一下。 🔥真的，那一刻，我真的觉得自己过去花了一堆时间精简提示词就是个傻逼！直接把脚本截图，把生成的9宫格扔个它，连台词带运镜，全部搞定！！！

🔥兄弟们，我终于找到了Seedance的奥义了！我自己写了一个脚本生成器，事无巨细的写了很精彩的脚本，但是每次我都要纠结，因为2000字的限制，另外也担心自己描述的不清楚，所以在把脚本转换为提示词的过程中，要耗费很多心力，我还想着要写一个新的程序用于精简脚本。结果，我上周在给社群上课的时候说到一个案例，随口说了一句，也许Seedance也可以像nano banana改图一样理解截图的文字，结果顺手尝试了一下。 🔥真的，那一刻，我真的觉得自己过去花了一堆时间精简提示词就是个傻逼！直接把脚本截图，把生成的9宫格扔个它，连台词带运镜，全部搞定！！！

肖师傅

53,558 次观看 • 3 个月前

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：

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)

125,802 次观看 • 2 年前

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 次观看 • 6 个月前

第一个使用 Claude 驱动的视频生成产品来了， Higgsfield 刚刚推出了 Vibe-Motion，由 Claude 模型驱动。他们把 Vibe Coding 那套逻辑，直接放到了视频生成里。以前做 AI 视频是把提示词写好，点生成，如果不满意还要改个词重来，之前的神态、光影全变了。接入 Claude 后的 Higgsfield Vibe-Motion，直接把 AI 视频从生成器变成了编辑器，现在用它生成视频能够： 1. 深入理解创作意图：比如 “让这个视频看起来高端”，它能够自动调整几十个参数来匹配你的意图。 2. 实时掌握世界知识：比如你只要上传品牌素材，无需解释就能理解当前品牌参考、相关风格，自动应用到视频里。 3. 持续上下文：Claude 会记住你的对话，只需要对视频提出修改意见，能够自动推理你要修改哪个细节，不会把已经确定好的视频风格搞乱。 4. 更强大的一致性：通过 Claude 它能够自动推理出视频要修改的时间、布局、层级关系，自动维护视频的一致性。 Vibe Video 已来，先生成 Demo，再通过对话不断微调细节。

第一个使用 Claude 驱动的视频生成产品来了， Higgsfield 刚刚推出了 Vibe-Motion，由 Claude 模型驱动。他们把 Vibe Coding 那套逻辑，直接放到了视频生成里。以前做 AI 视频是把提示词写好，点生成，如果不满意还要改个词重来，之前的神态、光影全变了。接入 Claude 后的 Higgsfield Vibe-Motion，直接把 AI 视频从生成器变成了编辑器，现在用它生成视频能够： 1. 深入理解创作意图：比如 “让这个视频看起来高端”，它能够自动调整几十个参数来匹配你的意图。 2. 实时掌握世界知识：比如你只要上传品牌素材，无需解释就能理解当前品牌参考、相关风格，自动应用到视频里。 3. 持续上下文：Claude 会记住你的对话，只需要对视频提出修改意见，能够自动推理你要修改哪个细节，不会把已经确定好的视频风格搞乱。 4. 更强大的一致性：通过 Claude 它能够自动推理出视频要修改的时间、布局、层级关系，自动维护视频的一致性。 Vibe Video 已来，先生成 Demo，再通过对话不断微调细节。

耳朵

37,338 次观看 • 5 个月前

这个工作流可以稳定输出时尚质感短片受到 willie 和 underwood 的启发，突然有了灵感，也想试试看。整个流程比想象中更可控，而且每一步都有明确的作用。这个视频的生成教程： 1. 生成一张基础人物图 2. 将图像导入 Nano Banana Pro，使用提示词：在一个 3×3 的网格中展示这个角色，从不同的角度呈现，单色的渐变背景，姿势随机。如果需要特定姿势，直接在提示词中指定即可。 3. 生成后截图喜欢的关键帧，然后使用提示词：放大到 4K。得到高清图片 4. 使用 Kling 2.5 Turbo 将首尾帧变成视频，提示词：摄影机在摇臂上缓慢平稳地下降 5. 使用 willie 开发的速度曲线工具使用预设调整每个片段的播放节奏，最后拼接成完整视频。对比在传统剪辑软件慢慢调试实在方便太多。自从有了 AI 之后，每个人都可以高效地开发出解决痛点的小工具，让我们可以把更多精力投入到创意本身，而不是被技术细节困住，这个转变真的很棒。

这个工作流可以稳定输出时尚质感短片受到 willie 和 underwood 的启发，突然有了灵感，也想试试看。整个流程比想象中更可控，而且每一步都有明确的作用。这个视频的生成教程： 1. 生成一张基础人物图 2. 将图像导入 Nano Banana Pro，使用提示词：在一个 3×3 的网格中展示这个角色，从不同的角度呈现，单色的渐变背景，姿势随机。如果需要特定姿势，直接在提示词中指定即可。 3. 生成后截图喜欢的关键帧，然后使用提示词：放大到 4K。得到高清图片 4. 使用 Kling 2.5 Turbo 将首尾帧变成视频，提示词：摄影机在摇臂上缓慢平稳地下降 5. 使用 willie 开发的速度曲线工具使用预设调整每个片段的播放节奏，最后拼接成完整视频。对比在传统剪辑软件慢慢调试实在方便太多。自从有了 AI 之后，每个人都可以高效地开发出解决痛点的小工具，让我们可以把更多精力投入到创意本身，而不是被技术细节困住，这个转变真的很棒。

Latte

41,771 次观看 • 7 个月前

我有个朋友，做油管频道，从头到尾不露脸，基本全自动跑起来。你猜他上个月赚了多少？11833美元，到手。他怎么干的呢？不搞情怀，不聊爱好——纯粹看哪个领域的RPM高就冲进去。RPM就是每千次播放能拿到的广告分成，说白了，哪块内容单价高他就做哪块。更离谱的是他那一套工具，一个月才花25美金： · Claude写脚本、标题、标签那些，20刀 · ElevenLabs配音，入门版5刀 · 剪辑用剪映CapCut，免费 · 封面图Canva，也免费 · 视频素材去Pexels扒，还是免费一个月下来，播放量39.7万次。他每周就花3个小时来维护。最绝的是啥？一个Claude提示词能干90%的活，包括： · 写全英文的口语化脚本 · 脚本里直接标好场景标签，方便后面匹配画面 · 顺带把视频时长、备选标题、封面的思路全给你生成好他自己需要动脑子的地方只有一个——就是决定下一期做哪个选题。他说这才是真正决定这个频道能不能成的关键。工具谁都会用，选题方向的本事才值钱。

我有个朋友，做油管频道，从头到尾不露脸，基本全自动跑起来。你猜他上个月赚了多少？11833美元，到手。他怎么干的呢？不搞情怀，不聊爱好——纯粹看哪个领域的RPM高就冲进去。RPM就是每千次播放能拿到的广告分成，说白了，哪块内容单价高他就做哪块。更离谱的是他那一套工具，一个月才花25美金： · Claude写脚本、标题、标签那些，20刀 · ElevenLabs配音，入门版5刀 · 剪辑用剪映CapCut，免费 · 封面图Canva，也免费 · 视频素材去Pexels扒，还是免费一个月下来，播放量39.7万次。他每周就花3个小时来维护。最绝的是啥？一个Claude提示词能干90%的活，包括： · 写全英文的口语化脚本 · 脚本里直接标好场景标签，方便后面匹配画面 · 顺带把视频时长、备选标题、封面的思路全给你生成好他自己需要动脑子的地方只有一个——就是决定下一期做哪个选题。他说这才是真正决定这个频道能不能成的关键。工具谁都会用，选题方向的本事才值钱。

Crypto.Sol

129,811 次观看 • 2 个月前

全自动科学论文工厂，它真的来了。你该看看这个新仓库。之前那个中国大学生搞了个MiroFish，做实时社会模拟；字节跳动那边出了OpenViking，把记忆结构化；还有Percepta，把数学计算直接嵌进大模型的权重里；吴恩达那边也推了个Context Hub，相当于给代理加了一层自己标注的文档系统。 👉 Polymarket 官方入口：现在，AutoResearchClaw 刚在 GitHub 上线——一个全自动的科学论文生成器。仓库上线几个小时，就拿了差不多 4k 星。给一个原始的想法进去，出来的就是一篇 6000 字、能直接用的 PDF 论文。关键它不是那种垃圾玩意儿。它背后跑的是真正的代理系统： · 自己做实验：写代码、跑测试、读日志，崩了还能自己调 · 几乎没有幻觉：走硬核四层验证，对接真实科学数据库，没有假引用 · 格式也挑不出毛病：图表自动生成，LaTeX 排版，直接对标 NeurIPS / ICML 的标准挺有意思的悖论是：这东西不会把 arXiv 搞死。仓库：当生成一篇论文的成本几乎为零，真正的权力就到了“筛选者”手里。行业里的新神，会是那些活人审稿人——他们要在无穷无尽的 AI 论文洪流里，手动淘出真东西。愿安息吧，五年磨一篇的突破性论文——可能一夜之间就被批量淹没了。把这几样东西拼在一起看： MiroFish 的集群 + OpenViking 的记忆 + Percepta 的真实数学 + Context Hub 的干净文档 + AutoResearchClaw 的自主研究你就得到了一类代理——能自己跑完整个研究闭环，用真数学去验证假设，反复推敲，以远超人类的速度做出真正的突破。这不就是在 Polymarket 和各类条件市场上，搭建下一代预测机器人要用的那套东西吗？代理自己去研究、模拟、验证概率，用科学的方法更新判断，而不是靠猜。一个真正能发现、能证明的预测超级代理时代，就这么来了。存好这套配置。如果想在 Polymarket 上搞跟单交易，我推荐用这个： #Polymarket

全自动科学论文工厂，它真的来了。你该看看这个新仓库。之前那个中国大学生搞了个MiroFish，做实时社会模拟；字节跳动那边出了OpenViking，把记忆结构化；还有Percepta，把数学计算直接嵌进大模型的权重里；吴恩达那边也推了个Context Hub，相当于给代理加了一层自己标注的文档系统。 👉 Polymarket 官方入口：现在，AutoResearchClaw 刚在 GitHub 上线——一个全自动的科学论文生成器。仓库上线几个小时，就拿了差不多 4k 星。给一个原始的想法进去，出来的就是一篇 6000 字、能直接用的 PDF 论文。关键它不是那种垃圾玩意儿。它背后跑的是真正的代理系统： · 自己做实验：写代码、跑测试、读日志，崩了还能自己调 · 几乎没有幻觉：走硬核四层验证，对接真实科学数据库，没有假引用 · 格式也挑不出毛病：图表自动生成，LaTeX 排版，直接对标 NeurIPS / ICML 的标准挺有意思的悖论是：这东西不会把 arXiv 搞死。仓库：当生成一篇论文的成本几乎为零，真正的权力就到了“筛选者”手里。行业里的新神，会是那些活人审稿人——他们要在无穷无尽的 AI 论文洪流里，手动淘出真东西。愿安息吧，五年磨一篇的突破性论文——可能一夜之间就被批量淹没了。把这几样东西拼在一起看： MiroFish 的集群 + OpenViking 的记忆 + Percepta 的真实数学 + Context Hub 的干净文档 + AutoResearchClaw 的自主研究你就得到了一类代理——能自己跑完整个研究闭环，用真数学去验证假设，反复推敲，以远超人类的速度做出真正的突破。这不就是在 Polymarket 和各类条件市场上，搭建下一代预测机器人要用的那套东西吗？代理自己去研究、模拟、验证概率，用科学的方法更新判断，而不是靠猜。一个真正能发现、能证明的预测超级代理时代，就这么来了。存好这套配置。如果想在 Polymarket 上搞跟单交易，我推荐用这个： #Polymarket

区块链行情研究

62,604 次观看 • 4 个月前

之前跟大家分享过 Android 系统开源虚拟定位工具 GoGoGo，底下评论不少人在问 iOS 有没有。无独有偶，今天在 GitHub 上发现了一款支持虚拟定位到全球任意位置的跨平台开源工具：GeoPort。不仅支持 iOS 17/18 系统，还可以在 Windows 和 Mac 上运行，无需复杂的 Python 环境配置，直接开箱即用。 GitHub：主要功能： - 全球任意位置模拟，可随便更换任意城市或地标 - 支持最新 iOS 17 和 iOS 18 系统的位置欺骗 - 一键启用开发者模式，自动处理复杂的权限设置 - 提供直观可视化界面，点几下就能开启虚拟位置在项目的 GitHub 发布页就提供了安装包下载，有需要的同学可以试下。

之前跟大家分享过 Android 系统开源虚拟定位工具 GoGoGo，底下评论不少人在问 iOS 有没有。无独有偶，今天在 GitHub 上发现了一款支持虚拟定位到全球任意位置的跨平台开源工具：GeoPort。不仅支持 iOS 17/18 系统，还可以在 Windows 和 Mac 上运行，无需复杂的 Python 环境配置，直接开箱即用。 GitHub：主要功能： - 全球任意位置模拟，可随便更换任意城市或地标 - 支持最新 iOS 17 和 iOS 18 系统的位置欺骗 - 一键启用开发者模式，自动处理复杂的权限设置 - 提供直观可视化界面，点几下就能开启虚拟位置在项目的 GitHub 发布页就提供了安装包下载，有需要的同学可以试下。

GitHubDaily

76,091 次观看 • 1 年前

这个超级视觉分析神器在 GitHub 上拿下了 2.7 万⭐️—Supervision。不管是动态运动还是静态图片，重复又繁琐的视觉分析工作都交给它，你只管拿结果炫耀就行。它能做的事情： - 高速公路车辆测速：自动跟踪每辆车的轨迹和速度，再也不用人工数车流量 - 足球比赛球员分析：谁跑得快，谁停着不动，一眼就能统计清楚 - 宠物动作追踪：家里小猫小狗乱跑，也能全程记录 - 静态画面分析：图片里的物体状态、位置、数量，全套一体化解决 - 可视化报告：生成漂亮图表和标注图，开会汇报直接用 - 数据集处理：加载、转换、拆分、格式互转，一条龙搞定它让复杂、重复的视觉分析工作变得简单高效，你只管用结果就行。

这个超级视觉分析神器在 GitHub 上拿下了 2.7 万⭐️—Supervision。不管是动态运动还是静态图片，重复又繁琐的视觉分析工作都交给它，你只管拿结果炫耀就行。它能做的事情： - 高速公路车辆测速：自动跟踪每辆车的轨迹和速度，再也不用人工数车流量 - 足球比赛球员分析：谁跑得快，谁停着不动，一眼就能统计清楚 - 宠物动作追踪：家里小猫小狗乱跑，也能全程记录 - 静态画面分析：图片里的物体状态、位置、数量，全套一体化解决 - 可视化报告：生成漂亮图表和标注图，开会汇报直接用 - 数据集处理：加载、转换、拆分、格式互转，一条龙搞定它让复杂、重复的视觉分析工作变得简单高效，你只管用结果就行。

开发者Hailey

113,839 次观看 • 4 个月前

华为的第一款“韬定律”手机来了，Mate 90将首发麒麟2026芯片，每平方毫米芯片面积上集成2.38亿个晶体管，性能接近初代台积电3nm水平。这款手机我是一定要买的，还要买高配版本。这势必是今年中国市场最爆卖的一款手机，没有之一，华为已经自主掌握了芯片技术，还输出了光刻/芯片标准，我相信华为的企图将不止于此，当中国人掌握了芯片，制定了“韬定律”的标准之后，就给这个世界带来天翻地覆的改变。西方所有通讯业的制造技术都会遭遇到严重的成本危机，华为对复仇虽然但一定不会缺席。

华为的第一款“韬定律”手机来了，Mate 90将首发麒麟2026芯片，每平方毫米芯片面积上集成2.38亿个晶体管，性能接近初代台积电3nm水平。这款手机我是一定要买的，还要买高配版本。这势必是今年中国市场最爆卖的一款手机，没有之一，华为已经自主掌握了芯片技术，还输出了光刻/芯片标准，我相信华为的企图将不止于此，当中国人掌握了芯片，制定了“韬定律”的标准之后，就给这个世界带来天翻地覆的改变。西方所有通讯业的制造技术都会遭遇到严重的成本危机，华为对复仇虽然但一定不会缺席。

司马平邦

27,571 次观看 • 2 个月前

知道逻辑，Skill 就不难了！已经复刻完成！最重要的 skill 中的分帧逻辑，先后顺序，将单镜头拆分成多个元素依次入场的短镜头序列。单一长镜头拆分成多个短镜头，每个镜头对应一个元素"入场"： Shot 1：背景+文字出现 Shot 2：仓鼠轮出现 Shot 3：女性角色入场 + 开始跑 Shot 4：图标依次飘入每个 shot 独立生成动画片段，最后在组装时形成"逐帧出元素"的叙事节奏。测试了一下，完美！这不就搞定了？得学会举一反三，动动脑筋！也不难。我还加了复古爵士打击乐 + 钟表滴答感！复制案例中的某个片段。以后自己做 Broll，我挺喜欢这种风格的。

知道逻辑，Skill 就不难了！已经复刻完成！最重要的 skill 中的分帧逻辑，先后顺序，将单镜头拆分成多个元素依次入场的短镜头序列。单一长镜头拆分成多个短镜头，每个镜头对应一个元素"入场"： Shot 1：背景+文字出现 Shot 2：仓鼠轮出现 Shot 3：女性角色入场 + 开始跑 Shot 4：图标依次飘入每个 shot 独立生成动画片段，最后在组装时形成"逐帧出元素"的叙事节奏。测试了一下，完美！这不就搞定了？得学会举一反三，动动脑筋！也不难。我还加了复古爵士打击乐 + 钟表滴答感！复制案例中的某个片段。以后自己做 Broll，我挺喜欢这种风格的。

冰河

14,590 次观看 • 22 天前