Sensitive content

This media may contain sensitive content.

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.

#R18 #オリジナル＃ゴブリン終於第一張圖的事件快搞定了，接下來只要把一些BUG與演出優化就可以了，預定28號以前會上傳Ver.0.2版本，影片為捕獲演出，目前捕獲技能是特定事件的報酬，取得捕獲技能後才可以對女性怪物強行捕捉，但須以掉等級為代價，而且並不是百分之百成功，其他的更新內容就先保密

加護三代目

10,930 subscribers

17,744 views • 2 years ago •via X (Twitter)

NSFW #R18 #オリジナル #ゴブリン

Anya Rossi• Live Now

Private livecam show

2 Comments

hexen2 years ago

感覺非洲人會體驗連續噴等級的惡夢

加護三代目2 years ago

嗯，會喔，雖然我把遊戲中的升級做成一個容易做到的部分，但倒楣鬼是真的會直接噴回一等喔XD

Related Videos

【日本針對外國人藍領人才的移民政策將做重大調整】今天早上NHK的節目中介紹，由於嚴重的勞動力不足，日本政府對於延續多年的勞務研修生和特定技能等藍領勞動者的簽證政策，將發生重大變化。主要變化如下： 1，將用以讓外國人勞動者能夠長期工作生活的“育成就勞制度”代替原來以為發展中國家培養人才為目的的“技能實習制度”。 2，以前是以藍領勞務研修生作為補償勞動力不足的主要方式，但研修生2-3年必須回國。今後將以新的“育成就勞制度“作為補償勞動力的主要方式，申請赴日的外國工人，只要明確職業技能，並掌握一定的日語，就有機會取得特定技能1號簽證，再經過努力，獲得特定技能2號簽證後，就可以接直係親屬來日本生活，並且可以申請永住資格。

【日本針對外國人藍領人才的移民政策將做重大調整】今天早上NHK的節目中介紹，由於嚴重的勞動力不足，日本政府對於延續多年的勞務研修生和特定技能等藍領勞動者的簽證政策，將發生重大變化。主要變化如下： 1，將用以讓外國人勞動者能夠長期工作生活的“育成就勞制度”代替原來以為發展中國家培養人才為目的的“技能實習制度”。 2，以前是以藍領勞務研修生作為補償勞動力不足的主要方式，但研修生2-3年必須回國。今後將以新的“育成就勞制度“作為補償勞動力的主要方式，申請赴日的外國工人，只要明確職業技能，並掌握一定的日語，就有機會取得特定技能1號簽證，再經過努力，獲得特定技能2號簽證後，就可以接直係親屬來日本生活，並且可以申請永住資格。

大阪麦哥

20,759 views • 2 years ago

影片裡前面的對話就是這對夫妻想無套我跟他說我思考一下並跟他說戴套主要是預防性病而且我也不可能準備避孕藥給他們所以我後來決定要彼此都去檢驗他說可以然後就消失了然後等到剛剛看終於封鎖了這位先生你可知道我因為要預留你們我拒絕多少妹子了嗎？真的是別來亂好嗎？ #傻眼貓咪

影片裡前面的對話就是這對夫妻想無套我跟他說我思考一下並跟他說戴套主要是預防性病而且我也不可能準備避孕藥給他們所以我後來決定要彼此都去檢驗他說可以然後就消失了然後等到剛剛看終於封鎖了這位先生你可知道我因為要預留你們我拒絕多少妹子了嗎？真的是別來亂好嗎？ #傻眼貓咪

無聊男子話家常

108,939 views • 2 years ago

昨天看到能自訂就直接買來玩了，直接半夜開搞，3小時搞定，小小的技術總結 1. 目前沒有直接的頭髮前角，然後我找不到側邊頭髮的檔案，所以我把羊角直接黏在臉頰兩側的頭髮 2.長耳朵可以用獸耳、鰭、惡魔耳朵來改 3.很重要! 衣服裡側是可以超出網格範圍的，你可以畫ㄋㄟㄋㄟ起伏 4.預覽窗顯示的內容就是他最終輸出的內容，目前是用滾輪操作，希望之後可以有調整條 #Emotelab

昨天看到能自訂就直接買來玩了，直接半夜開搞，3小時搞定，小小的技術總結 1. 目前沒有直接的頭髮前角，然後我找不到側邊頭髮的檔案，所以我把羊角直接黏在臉頰兩側的頭髮 2.長耳朵可以用獸耳、鰭、惡魔耳朵來改 3.很重要! 衣服裡側是可以超出網格範圍的，你可以畫ㄋㄟㄋㄟ起伏 4.預覽窗顯示的內容就是他最終輸出的內容，目前是用滾輪操作，希望之後可以有調整條 #Emotelab

祈祿 Prayblessing@全職委託開放中

29,331 views • 7 months ago

研究了一些Geometry Node 在同一個object內的不同網格，做距離判定的法線傳輸。配合之前的一些技巧，應該能應用在不同物件上。直接拓撲一堆網格，對我來說還是太麻煩了多善用modifier或這些工具，可以節省我很多時間跟精神上的損耗這個模型就只是幾條長方形，其他都是生成出來的 #blender

研究了一些Geometry Node 在同一個object內的不同網格，做距離判定的法線傳輸。配合之前的一些技巧，應該能應用在不同物件上。直接拓撲一堆網格，對我來說還是太麻煩了多善用modifier或這些工具，可以節省我很多時間跟精神上的損耗這個模型就只是幾條長方形，其他都是生成出來的 #blender

龍の宴

69,196 views • 3 months ago

⚠️ 我在油管做了1091期節目，第一次被強制移除下架！還領了最嚴重的警告，說我騷擾張雪峰這個死人！涉案視頻片段如下，更確切來說是最後那個時間點，我說他「該死」！對於「死者為大」這個觀念，我是這樣看的：這本來應該是一種對死亡的節制，不是對惡的赦免。這句話如果被用來要求所有人一律閉嘴，不許追究，不許批評，不許清算，那它就從一種人情，變成了道德勒索。在中國文化裡，“死者為大”背後其實混了幾種東西：一種是喪葬倫理。人死之後，活人暫時收斂爭競，不在靈前失態，給家屬留一點面子與哀悼空間。這一層，我覺得可以理解。它有其文明性。但另一種，是把“人已經死了”直接變成“是非到此為止”。這就有問題了。因為一個人的死亡，並不會自動改寫他生前做過的事。壞事不會因為他斷氣了就變成好事。受害者的痛苦，也不會因為加害者死了就突然失效。所以真正該分開的是兩件事：「可以不在對方剛死時獵奇羞辱。」和「不能因此停止事實判斷與道德評價。」對普通人，尤其不是大奸大惡的人，我傾向於保留一點「死者為大」的節制。不是因為他們死了就神聖了，而是因為死亡本身已經是一個結束，活人沒必要靠踩屍取樂。但對壞人，尤其是：生前明確傷害過很多人；掌握權力而作惡；靠謊言、暴力、壓迫獲利；死後還可能被洗白、被神化、被拿來繼續壓人的，那就更不能濫用「死者為大」。因為這時候沉默的代價，不是體面一點而已。而是讓惡被重新包裝。很多社會最危險的地方就在這裡：對活著的受害者沒有多少體諒，對死掉的壞人卻忽然非常講文明、講厚道、講不要打擾亡者。這其實不是善良。這常常只是害怕面對真相。死者可以為大，但真相更大。如果一個壞人死了，最重要的不是還要不要罵他，而是能不能繼續準確地說出他做過什麼。只要基於事實，沒有造謠，沒有藉機羞辱無關家屬，那麼批評、清算、記錄、定性，都完全合理。甚至很多時候，正因為他死了，你更要說。因為死人最容易被神話，歷史最容易被改寫。 #張雪峰

⚠️ 我在油管做了1091期節目，第一次被強制移除下架！還領了最嚴重的警告，說我騷擾張雪峰這個死人！涉案視頻片段如下，更確切來說是最後那個時間點，我說他「該死」！對於「死者為大」這個觀念，我是這樣看的：這本來應該是一種對死亡的節制，不是對惡的赦免。這句話如果被用來要求所有人一律閉嘴，不許追究，不許批評，不許清算，那它就從一種人情，變成了道德勒索。在中國文化裡，“死者為大”背後其實混了幾種東西：一種是喪葬倫理。人死之後，活人暫時收斂爭競，不在靈前失態，給家屬留一點面子與哀悼空間。這一層，我覺得可以理解。它有其文明性。但另一種，是把“人已經死了”直接變成“是非到此為止”。這就有問題了。因為一個人的死亡，並不會自動改寫他生前做過的事。壞事不會因為他斷氣了就變成好事。受害者的痛苦，也不會因為加害者死了就突然失效。所以真正該分開的是兩件事：「可以不在對方剛死時獵奇羞辱。」和「不能因此停止事實判斷與道德評價。」對普通人，尤其不是大奸大惡的人，我傾向於保留一點「死者為大」的節制。不是因為他們死了就神聖了，而是因為死亡本身已經是一個結束，活人沒必要靠踩屍取樂。但對壞人，尤其是：生前明確傷害過很多人；掌握權力而作惡；靠謊言、暴力、壓迫獲利；死後還可能被洗白、被神化、被拿來繼續壓人的，那就更不能濫用「死者為大」。因為這時候沉默的代價，不是體面一點而已。而是讓惡被重新包裝。很多社會最危險的地方就在這裡：對活著的受害者沒有多少體諒，對死掉的壞人卻忽然非常講文明、講厚道、講不要打擾亡者。這其實不是善良。這常常只是害怕面對真相。死者可以為大，但真相更大。如果一個壞人死了，最重要的不是還要不要罵他，而是能不能繼續準確地說出他做過什麼。只要基於事實，沒有造謠，沒有藉機羞辱無關家屬，那麼批評、清算、記錄、定性，都完全合理。甚至很多時候，正因為他死了，你更要說。因為死人最容易被神話，歷史最容易被改寫。 #張雪峰

北靜 Bei.Jing

10,946 views • 5 months ago

大家還記得2022年伊朗人爲爭取女性權益而進行的抗爭嗎？這是最經典的一個場面之一。年輕的大學生載歌載舞，公開焚燒頭巾。但是抗議最後被鎮壓下去，數百人遇難，上萬人被捕。伊朗這些年為了爭取自由，付出了巨大的代價。這一次一定要成功！

大家還記得2022年伊朗人爲爭取女性權益而進行的抗爭嗎？這是最經典的一個場面之一。年輕的大學生載歌載舞，公開焚燒頭巾。但是抗議最後被鎮壓下去，數百人遇難，上萬人被捕。伊朗這些年為了爭取自由，付出了巨大的代價。這一次一定要成功！

唐柏桥 ( Baiqiao Tang )

35,036 views • 7 months ago

用 NotebookLM 快速生成「黑神話：悟空」英文新聞報導如同之前大家所知道的， NotebookLM 是一個 Google 推出的 AI 筆記服務，他可以免費整合各種文件檔、連結以及純文字，幫你生成出摘要、目錄、問答等內容。今天他推出音訊總覽，也就是他會藉由筆記的內容產出對話性節目，時間長度視你的內容多寡，產出時間大概是 10 分鐘以內，目前只提供英文。我拿現成有的黑神話悟空來做以下的內容：

用 NotebookLM 快速生成「黑神話：悟空」英文新聞報導如同之前大家所知道的， NotebookLM 是一個 Google 推出的 AI 筆記服務，他可以免費整合各種文件檔、連結以及純文字，幫你生成出摘要、目錄、問答等內容。今天他推出音訊總覽，也就是他會藉由筆記的內容產出對話性節目，時間長度視你的內容多寡，產出時間大概是 10 分鐘以內，目前只提供英文。我拿現成有的黑神話悟空來做以下的內容：

fox hsiao

17,912 views • 2 years ago

Grok Build is crazy. 先不管GPT-5.6是不是release到底好不好用。先來大大稱讚一下 Grok 的 Grok Build，目前唯一集大成的 coding agentic workflow。 Grok Build 內建 Image 生圖，甚至還有圖片生影片的功能，生圖速度真的快到不行，圖片品質也完全不比 Codex 差。更厲害的是，因為 Grok Build 本身就內建生圖和生影片能力，agent 可以直接完成圖像與影片生成，不需要再額外串其他 MCP 或外部服務，只要訂閱 Grok，就可以把這整套 creative coding workflow 跑起來。我在 Agent Sprite Forge 上面也新增了Grok專用的 video2dsprite，因為 Grok Build 內建影片生成，現在可以先生成一段連續的 6 秒角色動作影片，再反編譯成 game sprite，這樣做出來的角色元素圖會非常順，而且大幅減少之前常見的對齊問題。 Grok Build搭配 Agent Sprite Forge 真的超好用，我做完這個2D橫向卷軸遊戲總共花了不到30分鐘... 之前叫Codex做，光生圖就要花不少時間，要做成這樣的遊戲大概需要1~2小時，重點是Grok的品質還比Codex做的還要更好... Elon Musk Grok Build is crazy. Grok Build + Agent Sprite Forge feels like the future of agentic game development.

Grok Build is crazy. 先不管GPT-5.6是不是release到底好不好用。先來大大稱讚一下 Grok 的 Grok Build，目前唯一集大成的 coding agentic workflow。 Grok Build 內建 Image 生圖，甚至還有圖片生影片的功能，生圖速度真的快到不行，圖片品質也完全不比 Codex 差。更厲害的是，因為 Grok Build 本身就內建生圖和生影片能力，agent 可以直接完成圖像與影片生成，不需要再額外串其他 MCP 或外部服務，只要訂閱 Grok，就可以把這整套 creative coding workflow 跑起來。我在 Agent Sprite Forge 上面也新增了Grok專用的 video2dsprite，因為 Grok Build 內建影片生成，現在可以先生成一段連續的 6 秒角色動作影片，再反編譯成 game sprite，這樣做出來的角色元素圖會非常順，而且大幅減少之前常見的對齊問題。 Grok Build搭配 Agent Sprite Forge 真的超好用，我做完這個2D橫向卷軸遊戲總共花了不到30分鐘... 之前叫Codex做，光生圖就要花不少時間，要做成這樣的遊戲大概需要1~2小時，重點是Grok的品質還比Codex做的還要更好... Elon Musk Grok Build is crazy. Grok Build + Agent Sprite Forge feels like the future of agentic game development.

0xFunky

1,237,996 views • 1 month ago

OpenAI的鬧劇讓我對其中的主要人物升起了好感。我的一大感想是：只有在美國才會發生這樣的事情。在中國絕無可能。而這正是中國的悲哀。 OpenAI在4天之內換了4個CEO。最後的結果是起初被突然解僱的CEO Sam Altman又被請回來復職。這場鬧劇的核心是為什麼Sam Altman會被解僱，他又為什麼被復職？這裡面有一個重要人物是Ilya Sutskever。他是OpenAI的首席科學家，公司的聯合創始人之一，以及董事會成員。他是參與解僱Sam Altman的重要人物之一。因為就是他通知Altman參加公司會議的人，會上就宣布解僱了Altman。有報導說，他之所以要把Altman搞掉，是因為他和Altman在AI發展理念上出現了巨大分歧。Sutskever非常強調AI的安全性。OpenAI的員工對他的描述是，Sutskever聚焦在兩個問題上。首先，如何讓人工智能可以实现人类水平的思维，也被称为人工通用智能（AGI）。其次，如果AGI和人类价值观發生衝突，那么它们将是危险的。大家覺得他的這兩個聚焦矛盾，是吧？其實一點不矛盾。因為研究AGI是科技的潮流。他不做也會有別人做。與其別人先發展出來，不如他們自己先發展出來。這樣他們還有控制它和塑造它的餘地。《華爾街日報》的一篇報導說，他底下的一位科學家在向Sutskever匯報自己工作進展的時候，Sutskever說，很好，繼續。但是你應該花更多時間來研究如何把人工智能愛人類這件事用程序固定下來。有媒體報導說，他在人工智能的安全性方面和CEO Sam Altman發生了矛盾。他想讓AI變得更安全，而Altman在努力推進AI快速發展，以此為公司帶來更大利益。因為這個矛盾，Sutskever就發起了這次公司“政變”。但事實很可能並非如此。因為在這幾天中，其中一位被短暫任命為CEO的人發推說，她發現董事會解僱Altman的理由根本不是因為AI的安全性問題。因此，她對擔任新CEO這件事沒有興趣。也就是說，她也是在意AI安全性的。她以為Altman被解僱是因為他不顧安全性。但後來她發現不是。所以，她並不想參與這件事。那麼，Altman到底為什麼被解僱呢？有媒體透露，是因為Altman最近非常積極的接觸中東的投資人，要發展一些新的業務。例如，他想讓openAI自己做芯片，這樣就不依賴於NVIDIA。現在高級AI的芯片基本上都是NVIDIA造的。這樣就使openAI的發展受制於NVIDIA。而Altman想讓發展AI和AGI的核心掌握在自己公司手中。但是，他的這些新的做法可能引起了董事會的不滿。他們說他行為不透明。也許是他沒有和董事會溝通好這些事。這是他被解僱的真正原因。那麼，Sutskever為什麼在3天以後突然反悔，又支持Altman重返CEO的職位呢？我猜想是因為他也發現Altman在AI安全上和他並無什麼分歧。事實上openAI最初的創始人就是Altman和Elon Musk。而這間非營利組織的目的就是研究如何讓AI的發展不威脅人類的安全。所以Altman和他是一條心的。大家在下面這個視頻裡面就能看到Altman自己親口說出來的證據。下面我說點感想。這件事總體上讓我感覺不壞。因為如果鬧劇的起因是這些跑在AI發展最前面的科學家，CEO因為擔心AI的安全而做出的有點歇斯底里的舉動的話，我覺得這不是壞事。它讓我對人性更有信心。搞出這種鬧劇，起碼比不問AI對人類的危害，眾志成城的悶聲發大財強。而這種事情，只有在像美國這樣有思想自由的國家才能發生。在中國絕無可能。有人說，如果美國科學家對AI發展限制，而中共不限制，那不是更糟糕嗎？其實不然。中國因為政治體制的原因，對AI發展的限制更多。在發展人工通用智能方面，中共沒有可能超越西方。因為他們從根本上不允許AI自由思考。他們也不允許科學家自由思考。所以他們造不出來。在一些特殊領域，比如圖像識別等方面，中共有一些可能超越其他國家，因為他們收集的數據多。但是，因為AI現在算法的改變，數據量已經不起決定作用了。最後，我想用底下這個片子說明一下我對人工智能是否真能取代人腦，是否會產生真正的創造力的看法。這是我非營利組織西湖製作公司製作的節目：

OpenAI的鬧劇讓我對其中的主要人物升起了好感。我的一大感想是：只有在美國才會發生這樣的事情。在中國絕無可能。而這正是中國的悲哀。 OpenAI在4天之內換了4個CEO。最後的結果是起初被突然解僱的CEO Sam Altman又被請回來復職。這場鬧劇的核心是為什麼Sam Altman會被解僱，他又為什麼被復職？這裡面有一個重要人物是Ilya Sutskever。他是OpenAI的首席科學家，公司的聯合創始人之一，以及董事會成員。他是參與解僱Sam Altman的重要人物之一。因為就是他通知Altman參加公司會議的人，會上就宣布解僱了Altman。有報導說，他之所以要把Altman搞掉，是因為他和Altman在AI發展理念上出現了巨大分歧。Sutskever非常強調AI的安全性。OpenAI的員工對他的描述是，Sutskever聚焦在兩個問題上。首先，如何讓人工智能可以实现人类水平的思维，也被称为人工通用智能（AGI）。其次，如果AGI和人类价值观發生衝突，那么它们将是危险的。大家覺得他的這兩個聚焦矛盾，是吧？其實一點不矛盾。因為研究AGI是科技的潮流。他不做也會有別人做。與其別人先發展出來，不如他們自己先發展出來。這樣他們還有控制它和塑造它的餘地。《華爾街日報》的一篇報導說，他底下的一位科學家在向Sutskever匯報自己工作進展的時候，Sutskever說，很好，繼續。但是你應該花更多時間來研究如何把人工智能愛人類這件事用程序固定下來。有媒體報導說，他在人工智能的安全性方面和CEO Sam Altman發生了矛盾。他想讓AI變得更安全，而Altman在努力推進AI快速發展，以此為公司帶來更大利益。因為這個矛盾，Sutskever就發起了這次公司“政變”。但事實很可能並非如此。因為在這幾天中，其中一位被短暫任命為CEO的人發推說，她發現董事會解僱Altman的理由根本不是因為AI的安全性問題。因此，她對擔任新CEO這件事沒有興趣。也就是說，她也是在意AI安全性的。她以為Altman被解僱是因為他不顧安全性。但後來她發現不是。所以，她並不想參與這件事。那麼，Altman到底為什麼被解僱呢？有媒體透露，是因為Altman最近非常積極的接觸中東的投資人，要發展一些新的業務。例如，他想讓openAI自己做芯片，這樣就不依賴於NVIDIA。現在高級AI的芯片基本上都是NVIDIA造的。這樣就使openAI的發展受制於NVIDIA。而Altman想讓發展AI和AGI的核心掌握在自己公司手中。但是，他的這些新的做法可能引起了董事會的不滿。他們說他行為不透明。也許是他沒有和董事會溝通好這些事。這是他被解僱的真正原因。那麼，Sutskever為什麼在3天以後突然反悔，又支持Altman重返CEO的職位呢？我猜想是因為他也發現Altman在AI安全上和他並無什麼分歧。事實上openAI最初的創始人就是Altman和Elon Musk。而這間非營利組織的目的就是研究如何讓AI的發展不威脅人類的安全。所以Altman和他是一條心的。大家在下面這個視頻裡面就能看到Altman自己親口說出來的證據。下面我說點感想。這件事總體上讓我感覺不壞。因為如果鬧劇的起因是這些跑在AI發展最前面的科學家，CEO因為擔心AI的安全而做出的有點歇斯底里的舉動的話，我覺得這不是壞事。它讓我對人性更有信心。搞出這種鬧劇，起碼比不問AI對人類的危害，眾志成城的悶聲發大財強。而這種事情，只有在像美國這樣有思想自由的國家才能發生。在中國絕無可能。有人說，如果美國科學家對AI發展限制，而中共不限制，那不是更糟糕嗎？其實不然。中國因為政治體制的原因，對AI發展的限制更多。在發展人工通用智能方面，中共沒有可能超越西方。因為他們從根本上不允許AI自由思考。他們也不允許科學家自由思考。所以他們造不出來。在一些特殊領域，比如圖像識別等方面，中共有一些可能超越其他國家，因為他們收集的數據多。但是，因為AI現在算法的改變，數據量已經不起決定作用了。最後，我想用底下這個片子說明一下我對人工智能是否真能取代人腦，是否會產生真正的創造力的看法。這是我非營利組織西湖製作公司製作的節目：

蕭茗

25,958 views • 2 years ago

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 • 2 months ago

[ 話撈與日常 ] 不知道大家會不會覺得一直看我這張臉看得很膩啊？我從觸及率看出來了啦（貝拉應該要多分享些臀褲開發與化妝相關的技法啊，別總是躲在閉眼面具裡面啊！）事實上因為這張臉我之前花了很多時間調整～直到目前為止她已經是完全貼合我臉部的狀態且相當的緊縛與舒適，所以我真的很習慣平常就讓她陪著我的生活，近期還在忙其他面具修改的工作，目標是能盡可能的在面具狀態待久一點是最好的，而對我來說要能夠常常配戴的動機就是源自於方便與舒適（人年紀大了體力不是太好，著裝的一點點不舒適都是會快速消耗耐力的，更不用說穿著當起居服裝了）可以的話我更想將手邊面具全部給改一遍，每週換臉這樣，很多想做的事都在龜速的進行我也很慚愧，但這就是業餘人士需要付出的代價啊⋯先到這，這些不是正片的日常分享就請追求高畫素的大家多包涵一下拍攝品質啦～

Sensitive content

[ 話撈與日常 ] 不知道大家會不會覺得一直看我這張臉看得很膩啊？我從觸及率看出來了啦（貝拉應該要多分享些臀褲開發與化妝相關的技法啊，別總是躲在閉眼面具裡面啊！）事實上因為這張臉我之前花了很多時間調整～直到目前為止她已經是完全貼合我臉部的狀態且相當的緊縛與舒適，所以我真的很習慣平常就讓她陪著我的生活，近期還在忙其他面具修改的工作，目標是能盡可能的在面具狀態待久一點是最好的，而對我來說要能夠常常配戴的動機就是源自於方便與舒適（人年紀大了體力不是太好，著裝的一點點不舒適都是會快速消耗耐力的，更不用說穿著當起居服裝了）可以的話我更想將手邊面具全部給改一遍，每週換臉這樣，很多想做的事都在龜速的進行我也很慚愧，但這就是業餘人士需要付出的代價啊⋯先到這，這些不是正片的日常分享就請追求高畫素的大家多包涵一下拍攝品質啦～

Bella Paprika

35,429 views • 3 years ago

江西的统一回复有事直接说，不用打招呼，废话的就不回了，线下可以聊但是有定金，不可能先见面（不随便见面）可以定制视频我们现在也有现成很多视频可以出，诚心的来，骗子不要来我们也不会上当，刚开始玩有很多不懂支持一下吧，可以转发一下吗尽量经常更新

Sensitive content

江西的统一回复有事直接说，不用打招呼，废话的就不回了，线下可以聊但是有定金，不可能先见面（不随便见面）可以定制视频我们现在也有现成很多视频可以出，诚心的来，骗子不要来我们也不会上当，刚开始玩有很多不懂支持一下吧，可以转发一下吗尽量经常更新

余🐷（跟兄弟原创）

58,194 views • 8 months ago

【Live2D小技巧分享】昨天有一個同學敲我問我個製作問題: 他前面衣服的長條布做了三段物理, 可是看起來沒有很柔軟,怎麼才能讓布飄起來再更軟一點? 幫同學看了一下, 同學三段處理的其實已經滿好的(影片前半段) 滿多人製作這類布飄, 大致也都是使用多層曲面去包覆圖層物件的處理方式. 看起來物理晃動的參數也滿合理適中的. 不過因為前面三段都是讓布的左右兩側維持著均寬, 我個人覺得如果要讓布看起來更軟的話, 可以將布的下擺再做一段翻面處理, 這樣就會多一段縱向的深度, 不會只有橫向的擺動. 會讓布動起來更有立體感,也會看起來更軟些. 同學可以試看看~😊 *範例為影片的X4 , X5是我為了不要讓X4看起來太單調再追加的一小段尾巴 *X4可以用曲面做,也可以用圖層物件製作. 我個人喜歡最底層用圖層物件處理. *Y軸也可以加上去,效果會更自然.不過不是這題的範圍就先掠過 #Live2D

【Live2D小技巧分享】昨天有一個同學敲我問我個製作問題: 他前面衣服的長條布做了三段物理, 可是看起來沒有很柔軟,怎麼才能讓布飄起來再更軟一點? 幫同學看了一下, 同學三段處理的其實已經滿好的(影片前半段) 滿多人製作這類布飄, 大致也都是使用多層曲面去包覆圖層物件的處理方式. 看起來物理晃動的參數也滿合理適中的. 不過因為前面三段都是讓布的左右兩側維持著均寬, 我個人覺得如果要讓布看起來更軟的話, 可以將布的下擺再做一段翻面處理, 這樣就會多一段縱向的深度, 不會只有橫向的擺動. 會讓布動起來更有立體感,也會看起來更軟些. 同學可以試看看~😊 範例為影片的X4 , X5是我為了不要讓X4看起來太單調再追加的一小段尾巴 X4可以用曲面做,也可以用圖層物件製作. 我個人喜歡最底層用圖層物件處理. *Y軸也可以加上去,效果會更自然.不過不是這題的範圍就先掠過 #Live2D

【SODAART】Red SodaのLive2D

11,017 views • 9 months ago

SanDisk CTO Alper Ilkbahar 在 Investor Day 放出了一個我認為比「HBF 有多快」更值得看的數字： 4 張 HBF GPU，可以做到 8 張 HBM GPU 的 token output。表面上看，很容易把它理解成「HBF 讓 GPU 性能提升 2 倍」。但我覺得這樣理解反而低估了這個 demo。因為 HBF 真正解掉的東西，不是算力，而是現在 AI inference 裡一個越來越昂貴的問題：很多時候，我們買更多 GPU，不是因為缺 FLOPS，而是因為模型塞不進去。 SanDisk 的模擬很直接。他們先拿一顆類似目前市場主流高階 GPU 的架構，每張 GPU 配 192GB HBM。然後做第二個版本，把 HBM 全部換成 HBF，讓單張 GPU 的 near-compute memory 從 192GB 拉到大約 4TB。這個 4TB 其實也和現在公開的 HBF 架構方向對得上。SanDisk 與 SK hynix 最新公布的第一版開放 HBF 規格，單個 HBF stack 最高 512GB；如果一顆 accelerator 配八組，就是大約 4TB。HBF 的目標 bandwidth 則分成約 0.4TB/s 到 3TB/s 三個等級。接著他們跑一個模擬的 agentic coding workload：AI agent 不斷寫 code、產生新任務、讀取上下文，再繼續工作，底層是一個接近 490B 級別的 Qwen3 模型。這類 workload 很有意思，因為它不是一次問答就結束。 Agent 活得越久，context 越長，KV cache 越大，同時還要把巨大的 model weights 放在離 GPU 足夠近的位置。Qwen 官方公開的 Qwen3-Coder-480B 本身就是 480B total parameters、35B active parameters，而且原生 context 已經做到 256K。所以當 SanDisk 把它丟進只有 192GB HBM 的 GPU 時，第一個問題根本還不是 GPU 算得快不快。第一個問題是：放不下。按照他們的模擬，HBM 系統至少需要 8 張 GPU 才能開始跑這個 workload。注意這裡的「8」。這八張 GPU 並不是因為模型需要八張 GPU 的 compute 才算得動，而是 memory capacity 逼你先買八張 GPU。你本來可能只需要其中一部分算力，但為了取得綁在 GPU 上面的 HBM capacity，只能把 GPU 一起買回家。這就是我會稱它為 GPU memory tax 的地方。 GPU 現在其實同時賣給你兩樣東西：compute 和 memory capacity。但 AI inference 對這兩樣東西的需求成長速度並不一定一致。你可能缺 1TB memory，卻沒有缺對應那麼多 FP8 FLOPS。可是 HBM 又焊在 accelerator package 上。於是缺 memory 的解法變成：買更多 GPU。這才是 SanDisk 這個 demo 真正想拆掉的東西。把同樣架構換成大約 4TB HBF 之後，一張 GPU 就已經可以把整個 workload 裝進去。一張 HBF GPU 當然沒有八張 HBM GPU 快，SanDisk 自己也沒有假裝它會比較快。但事情到這裡已經完全變了。因為以前你的「minimum viable system」是八張 GPU；現在 minimum viable system 變成了一張。然後 SanDisk 再把 HBF GPU 加到四張。結果： 4 HBF GPU ≈ 8 HBM GPU 的 token output。這裡才出現所謂的「2× performance per GPU」。但我要特別強調：這不是 HBF 的 NAND cell 比 HBM DRAM 快兩倍。也不是同一顆 GPU 換上 HBF 之後 matrix multiplication 突然快兩倍。真正發生的是，memory capacity 改變了 workload 怎麼被切割。原本八張 HBM GPU 必須共同承擔一個巨大的 memory footprint，模型被迫跨 GPU 分散，GPU 之間還需要搬資料、同步、做 tensor/model parallel。 HBF 把單 GPU memory pool 拉到 TB 級之後，很多原本為了「塞下模型」而存在的 GPU partitioning 可以被拿掉。 GPU 終於比較像是在買 compute，而不是買昂貴的 HBM 擴充卡。所以我反而會把 SanDisk 的數字寫成： HBF 沒有讓一張 GPU 算得快兩倍；它讓同樣的 inference throughput，只需要一半的 GPU。這兩句話看起來很像，經濟意義卻完全不同。前者是一個 memory benchmark。後者是在談 AI Factory 的資本效率。如果四張 accelerator 可以完成過去八張 accelerator 的工作，那被影響的就不只是 memory BOM。 GPU 數量、server 數量、NVLink / scale-up fabric、NIC、switch、power delivery、液冷、機櫃空間，甚至整個 data center 的 MW / token 都可能一起往下走。這也是為什麼 SanDisk 現在一直講 token economics，而不只是 NAND ASP。官方在最新 HBF 規格公告裡，也把目標直接寫成改善 inference 的 power、performance 與 total cost of ownership。而對我來說，這才是 HBF 對 SNDK 最大的想像空間。以前 NAND 在 AI infrastructure 裡的位置很清楚： GPU → HBM → DRAM → SSD → storage。離 compute 越遠，價值密度越低。 SanDisk 現在想做的，其實是在這個 hierarchy 裡硬插一層： GPU → HBM / HBF → DRAM / SSD。 SK hynix 自己也直接把 HBF 定義成位於 HBM 與 SSD 之間的新 memory layer，而 SanDisk 的 OCP 規格更明確談到 HBF 與 HBM 可以 coexist。這點很重要。我不認為最合理的 bull case 是： HBF 把 HBM 幹掉。 HBM 的 latency、write characteristics，以及真正需要極低延遲反覆讀寫的 hot data，依然有很強的物理優勢。更合理的架構反而可能是：最熱的 activation、KV cache 留在 HBM；大量 model weights、較冷的 KV、agent state，以及那些「需要非常大容量、但不需要每一個 byte 都享受 HBM latency」的東西，逐漸搬到 HBF。這樣反而更麻煩。因為如果 HBF 真的成立，SanDisk 搶的並不只是 SSD 裡面多幾顆 NAND。它是在嘗試讓 NAND 向 compute 靠近一層。從 storage media，變成 accelerator architecture 裡的一部分。這會直接改變 NAND 的價值量。不過現在也不能把這張 simulation graph 當成產品已經完成。目前我們看到的是 simulation + technical specification + ecosystem building，不是 NVIDIA/AMD production GPU 上的大規模實機 benchmark。 2026 年 8 月公開的第一版 HBF standard 已經定義了 xPU-HBF interface、electrical、packaging、reliability 與 software I/O，而且 Google、Tenstorrent 已經參與標準制定；這代表它已經從 SanDisk 自己的 PowerPoint 往 ecosystem standard 前進了一步，但距離 hyperscaler 大規模 deployment 還有一段 execution 要證明。所以我現在看 HBF，最重要的 observation 不是：「哇，NAND 比 HBM 快了。」而是： AI inference 開始出現 memory capacity 和 compute capacity 的錯配。過去解決這個錯配的方法，是繼續塞更多昂貴的 HBM，或者乾脆再買更多 GPU。 SanDisk 現在提出第三條路：不要為了 memory 去買 compute。如果這條路最後真的走通，那「4 張 HBF GPU = 8 張 HBM GPU」就不只是一張漂亮的 Investor Day benchmark。它代表的可能是一件更大的事： AI Factory 下一輪優化，不一定是讓 GPU 更快，而是讓每一顆已經買下來的 GPU，不再因為記憶體不夠而被浪費。而如果 NAND 可以做到這件事，那市場最後要重新估的，就不只是 HBF 能賣多少。而是： NAND 到底還是不是 storage。

SanDisk CTO Alper Ilkbahar 在 Investor Day 放出了一個我認為比「HBF 有多快」更值得看的數字： 4 張 HBF GPU，可以做到 8 張 HBM GPU 的 token output。表面上看，很容易把它理解成「HBF 讓 GPU 性能提升 2 倍」。但我覺得這樣理解反而低估了這個 demo。因為 HBF 真正解掉的東西，不是算力，而是現在 AI inference 裡一個越來越昂貴的問題：很多時候，我們買更多 GPU，不是因為缺 FLOPS，而是因為模型塞不進去。 SanDisk 的模擬很直接。他們先拿一顆類似目前市場主流高階 GPU 的架構，每張 GPU 配 192GB HBM。然後做第二個版本，把 HBM 全部換成 HBF，讓單張 GPU 的 near-compute memory 從 192GB 拉到大約 4TB。這個 4TB 其實也和現在公開的 HBF 架構方向對得上。SanDisk 與 SK hynix 最新公布的第一版開放 HBF 規格，單個 HBF stack 最高 512GB；如果一顆 accelerator 配八組，就是大約 4TB。HBF 的目標 bandwidth 則分成約 0.4TB/s 到 3TB/s 三個等級。接著他們跑一個模擬的 agentic coding workload：AI agent 不斷寫 code、產生新任務、讀取上下文，再繼續工作，底層是一個接近 490B 級別的 Qwen3 模型。這類 workload 很有意思，因為它不是一次問答就結束。 Agent 活得越久，context 越長，KV cache 越大，同時還要把巨大的 model weights 放在離 GPU 足夠近的位置。Qwen 官方公開的 Qwen3-Coder-480B 本身就是 480B total parameters、35B active parameters，而且原生 context 已經做到 256K。所以當 SanDisk 把它丟進只有 192GB HBM 的 GPU 時，第一個問題根本還不是 GPU 算得快不快。第一個問題是：放不下。按照他們的模擬，HBM 系統至少需要 8 張 GPU 才能開始跑這個 workload。注意這裡的「8」。這八張 GPU 並不是因為模型需要八張 GPU 的 compute 才算得動，而是 memory capacity 逼你先買八張 GPU。你本來可能只需要其中一部分算力，但為了取得綁在 GPU 上面的 HBM capacity，只能把 GPU 一起買回家。這就是我會稱它為 GPU memory tax 的地方。 GPU 現在其實同時賣給你兩樣東西：compute 和 memory capacity。但 AI inference 對這兩樣東西的需求成長速度並不一定一致。你可能缺 1TB memory，卻沒有缺對應那麼多 FP8 FLOPS。可是 HBM 又焊在 accelerator package 上。於是缺 memory 的解法變成：買更多 GPU。這才是 SanDisk 這個 demo 真正想拆掉的東西。把同樣架構換成大約 4TB HBF 之後，一張 GPU 就已經可以把整個 workload 裝進去。一張 HBF GPU 當然沒有八張 HBM GPU 快，SanDisk 自己也沒有假裝它會比較快。但事情到這裡已經完全變了。因為以前你的「minimum viable system」是八張 GPU；現在 minimum viable system 變成了一張。然後 SanDisk 再把 HBF GPU 加到四張。結果： 4 HBF GPU ≈ 8 HBM GPU 的 token output。這裡才出現所謂的「2× performance per GPU」。但我要特別強調：這不是 HBF 的 NAND cell 比 HBM DRAM 快兩倍。也不是同一顆 GPU 換上 HBF 之後 matrix multiplication 突然快兩倍。真正發生的是，memory capacity 改變了 workload 怎麼被切割。原本八張 HBM GPU 必須共同承擔一個巨大的 memory footprint，模型被迫跨 GPU 分散，GPU 之間還需要搬資料、同步、做 tensor/model parallel。 HBF 把單 GPU memory pool 拉到 TB 級之後，很多原本為了「塞下模型」而存在的 GPU partitioning 可以被拿掉。 GPU 終於比較像是在買 compute，而不是買昂貴的 HBM 擴充卡。所以我反而會把 SanDisk 的數字寫成： HBF 沒有讓一張 GPU 算得快兩倍；它讓同樣的 inference throughput，只需要一半的 GPU。這兩句話看起來很像，經濟意義卻完全不同。前者是一個 memory benchmark。後者是在談 AI Factory 的資本效率。如果四張 accelerator 可以完成過去八張 accelerator 的工作，那被影響的就不只是 memory BOM。 GPU 數量、server 數量、NVLink / scale-up fabric、NIC、switch、power delivery、液冷、機櫃空間，甚至整個 data center 的 MW / token 都可能一起往下走。這也是為什麼 SanDisk 現在一直講 token economics，而不只是 NAND ASP。官方在最新 HBF 規格公告裡，也把目標直接寫成改善 inference 的 power、performance 與 total cost of ownership。而對我來說，這才是 HBF 對 SNDK 最大的想像空間。以前 NAND 在 AI infrastructure 裡的位置很清楚： GPU → HBM → DRAM → SSD → storage。離 compute 越遠，價值密度越低。 SanDisk 現在想做的，其實是在這個 hierarchy 裡硬插一層： GPU → HBM / HBF → DRAM / SSD。 SK hynix 自己也直接把 HBF 定義成位於 HBM 與 SSD 之間的新 memory layer，而 SanDisk 的 OCP 規格更明確談到 HBF 與 HBM 可以 coexist。這點很重要。我不認為最合理的 bull case 是： HBF 把 HBM 幹掉。 HBM 的 latency、write characteristics，以及真正需要極低延遲反覆讀寫的 hot data，依然有很強的物理優勢。更合理的架構反而可能是：最熱的 activation、KV cache 留在 HBM；大量 model weights、較冷的 KV、agent state，以及那些「需要非常大容量、但不需要每一個 byte 都享受 HBM latency」的東西，逐漸搬到 HBF。這樣反而更麻煩。因為如果 HBF 真的成立，SanDisk 搶的並不只是 SSD 裡面多幾顆 NAND。它是在嘗試讓 NAND 向 compute 靠近一層。從 storage media，變成 accelerator architecture 裡的一部分。這會直接改變 NAND 的價值量。不過現在也不能把這張 simulation graph 當成產品已經完成。目前我們看到的是 simulation + technical specification + ecosystem building，不是 NVIDIA/AMD production GPU 上的大規模實機 benchmark。 2026 年 8 月公開的第一版 HBF standard 已經定義了 xPU-HBF interface、electrical、packaging、reliability 與 software I/O，而且 Google、Tenstorrent 已經參與標準制定；這代表它已經從 SanDisk 自己的 PowerPoint 往 ecosystem standard 前進了一步，但距離 hyperscaler 大規模 deployment 還有一段 execution 要證明。所以我現在看 HBF，最重要的 observation 不是：「哇，NAND 比 HBM 快了。」而是： AI inference 開始出現 memory capacity 和 compute capacity 的錯配。過去解決這個錯配的方法，是繼續塞更多昂貴的 HBM，或者乾脆再買更多 GPU。 SanDisk 現在提出第三條路：不要為了 memory 去買 compute。如果這條路最後真的走通，那「4 張 HBF GPU = 8 張 HBM GPU」就不只是一張漂亮的 Investor Day benchmark。它代表的可能是一件更大的事： AI Factory 下一輪優化，不一定是讓 GPU 更快，而是讓每一顆已經買下來的 GPU，不再因為記憶體不夠而被浪費。而如果 NAND 可以做到這件事，那市場最後要重新估的，就不只是 HBF 能賣多少。而是： NAND 到底還是不是 storage。

Leonard

137,147 views • 25 days ago

【Live2D小技巧分享】前幾天有同學傳了張圖給我, 問我說這樣圖層一整片的後髮要怎麼製作才會比較流暢好看? 我看了一下,這張其實要看前面是甚麼頭髮造型結構. 如果前髮擋得夠多的話, 後髮這樣子一張,我其實也會直接整張套個曲面來處理. 不過因為這張的髮尾其實是很多根分枝出去的, 加上上色法主要是單一色塊,加個外框線的畫法. 真的要拆的話也可以幫它一根根拆開來, 然後最底下把每根再加個框線一起處理. 這樣就可以在維持框線下晃動了. 給同學參考~😊 #Live2D #RedSoda

【Live2D小技巧分享】前幾天有同學傳了張圖給我, 問我說這樣圖層一整片的後髮要怎麼製作才會比較流暢好看? 我看了一下,這張其實要看前面是甚麼頭髮造型結構. 如果前髮擋得夠多的話, 後髮這樣子一張,我其實也會直接整張套個曲面來處理. 不過因為這張的髮尾其實是很多根分枝出去的, 加上上色法主要是單一色塊,加個外框線的畫法. 真的要拆的話也可以幫它一根根拆開來, 然後最底下把每根再加個框線一起處理. 這樣就可以在維持框線下晃動了. 給同學參考~😊 #Live2D #RedSoda

【SODAART】Red SodaのLive2D

13,299 views • 9 months ago

使用 Codex 搭配 agent-sprite-forge，並指定 Godot 作為遊戲引擎，就可以快速生成可編輯的 2D RPG 地圖資產。使用這個Prompt：「幫我使用 Generate 2D Map 生成一個 2D RPG 遊戲地圖，要有分開的 Props，包含遇怪獸的草叢，連接 Godot 遊戲引擎，做完之後要可以開啟 Godot 進行所有元素調整。」最後輸出的不是單純一張地圖圖檔，而是一個可以直接在 Godot 裡編輯的專案： - 可調整的 TileMapLayer - 分離式 Props - 遇怪草叢 Area2D - 碰撞 StaticBody2D - 出口區 - Debug 玩家角色 agent-sprite-forge 可以從文字需求快速變成Godot 裡面可調整的 RPG 地圖原型，之後有機會再來試試看Unity行不行。

使用 Codex 搭配 agent-sprite-forge，並指定 Godot 作為遊戲引擎，就可以快速生成可編輯的 2D RPG 地圖資產。使用這個Prompt：「幫我使用 Generate 2D Map 生成一個 2D RPG 遊戲地圖，要有分開的 Props，包含遇怪獸的草叢，連接 Godot 遊戲引擎，做完之後要可以開啟 Godot 進行所有元素調整。」最後輸出的不是單純一張地圖圖檔，而是一個可以直接在 Godot 裡編輯的專案： - 可調整的 TileMapLayer - 分離式 Props - 遇怪草叢 Area2D - 碰撞 StaticBody2D - 出口區 - Debug 玩家角色 agent-sprite-forge 可以從文字需求快速變成Godot 裡面可調整的 RPG 地圖原型，之後有機會再來試試看Unity行不行。

0xFunky

53,931 views • 4 months ago

有些作品，可能一生只可寫出一部；有些書籍，也可能一生只做一次。在幾年前，曾與Penso合作過《九龍城寨場景畫集》，以場景作主角，那時候就知道，之後也不會重複做同樣的事。今年，我們創作另了一故事畫集《城與風的告別式》，以龍捲風第一身，描寫他生前最後四季的心路歷程。由於知道之後未必可能再做同類形的事情，故此在裝幀設計想做完美一點，在不知怎去計算印刷成本的情況下，我們決定「合埋眼」不要被「成本」束縛，想到了什麼合適的印刷效果就放進去，結果⋯⋯成本真的很可怕，也因為這個關係，應該都好難可以再版。跟去年《信一傳》小說珍藏版一樣，一期一會。為了答應前往書展支持「創造館」的讀者，於現場購買畫集，更會免費得到港式懷舊紙燈籠一個（今年中秋可以一齊掛出來）。音楽：ユーフルカ曲：Farewell #九龍城寨 #城與的的告別式

有些作品，可能一生只可寫出一部；有些書籍，也可能一生只做一次。在幾年前，曾與Penso合作過《九龍城寨場景畫集》，以場景作主角，那時候就知道，之後也不會重複做同樣的事。今年，我們創作另了一故事畫集《城與風的告別式》，以龍捲風第一身，描寫他生前最後四季的心路歷程。由於知道之後未必可能再做同類形的事情，故此在裝幀設計想做完美一點，在不知怎去計算印刷成本的情況下，我們決定「合埋眼」不要被「成本」束縛，想到了什麼合適的印刷效果就放進去，結果⋯⋯成本真的很可怕，也因為這個關係，應該都好難可以再版。跟去年《信一傳》小說珍藏版一樣，一期一會。為了答應前往書展支持「創造館」的讀者，於現場購買畫集，更會免費得到港式懷舊紙燈籠一個（今年中秋可以一齊掛出來）。音楽：ユーフルカ曲：Farewell #九龍城寨 #城與的的告別式

YUYI 余兒

28,796 views • 2 months ago

以下為租努對於Fanart想做的小小改動，想做個宣導，感謝大家😌 租努：關於Fanart的部分我可能不會全轉，我看到的話我會按愛心，但不會全部都轉發了，我可能只會轉部分，先跟大家講完後再做這件事。因為我偶爾看，一次看就轉一坨，然後一坨之後我就找不到我原本的東西了，這樣的改動也方便大家找資訊

以下為租努對於Fanart想做的小小改動，想做個宣導，感謝大家😌 租努：關於Fanart的部分我可能不會全轉，我看到的話我會按愛心，但不會全部都轉發了，我可能只會轉部分，先跟大家講完後再做這件事。因為我偶爾看，一次看就轉一坨，然後一坨之後我就找不到我原本的東西了，這樣的改動也方便大家找資訊

blue /⁠ᐠ⁠｡⁠_｡⁠ᐟ⁠\ 好期待KKF的互動！🥰

13,832 views • 9 months ago

花榭花會開你早洩我離開最後一天上班日拉先來個搞笑視評放鬆一下最近很多在 X 上認真 yapping 的人應該都有感演算法改得很突然流量一夕之間掉光明明每天都有在產內容卻被當成 bot 真的很挫折 Ferra 這次其實是直接正面回應這件事 Yapping v1 上線了目的很簡單不管平台怎麼改你為 Ferra 產出的內容都要被「記錄、被看見、被計算」現在的流程其實不複雜你照常在 X 發 Ferra 相關內容把錢包跟社群帳號連到 Ferra 再把貼文連結丟進 Ferra Feeds 點一下 Yap 不管是以前發的還是新發的內容都能送只要通過審核就會顯示在 Yappers 分頁你自己也能在「My Yaps」看到哪些內容已經被認可接下來 v2 還會加入 AI 評分不是只看你發多不多而是會看內容品質、頻率、互動之後還會有 Top Yappers 排行榜老實說這東西現在還在實驗階段可能會有 bug 但我覺得重點不是完不完美而是 Ferra 至少先站在創作者這一邊把努力不被浪費這件事補起來 X 的規則可以隨時改但如果你的內容價值能被跨平台記錄那就不會一夜歸零一起每日打卡一起YAP 使用我的連結

花榭花會開你早洩我離開最後一天上班日拉先來個搞笑視評放鬆一下最近很多在 X 上認真 yapping 的人應該都有感演算法改得很突然流量一夕之間掉光明明每天都有在產內容卻被當成 bot 真的很挫折 Ferra 這次其實是直接正面回應這件事 Yapping v1 上線了目的很簡單不管平台怎麼改你為 Ferra 產出的內容都要被「記錄、被看見、被計算」現在的流程其實不複雜你照常在 X 發 Ferra 相關內容把錢包跟社群帳號連到 Ferra 再把貼文連結丟進 Ferra Feeds 點一下 Yap 不管是以前發的還是新發的內容都能送只要通過審核就會顯示在 Yappers 分頁你自己也能在「My Yaps」看到哪些內容已經被認可接下來 v2 還會加入 AI 評分不是只看你發多不多而是會看內容品質、頻率、互動之後還會有 Top Yappers 排行榜老實說這東西現在還在實驗階段可能會有 bug 但我覺得重點不是完不完美而是 Ferra 至少先站在創作者這一邊把努力不被浪費這件事補起來 X 的規則可以隨時改但如果你的內容價值能被跨平台記錄那就不會一夜歸零一起每日打卡一起YAP 使用我的連結

小美哥🕊️∞ KIN MemeMax⚡️🐬TermMax

19,575 views • 7 months ago