Video wird geladen...

Video konnte nicht geladen werden

Beim Laden dieses Videos ist ein Problem aufgetreten. Dies könnte an einem vorübergehenden Netzwerkproblem liegen oder das Video ist möglicherweise nicht verfügbar.

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

42,995 subscribers

42,390 Aufrufe • vor 1 Monat •via X (Twitter)

Wissenschaft & Technologie

Anya Rossi• Live Now

Private livecam show

0 Kommentare

Keine Kommentare verfügbar

Kommentare vom Original-Post werden hier angezeigt

Ähnliche Videos

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 Aufrufe • vor 7 Monaten

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 Aufrufe • vor 28 Tagen

一个能直接跑的 AIGC 平台，支持接入各种 OpenAI 兼容的图片/视频生成 API，前台后台一套搞定。一个前后端分离的 AIGC 平台，前端使用 Vue 3，后端使用 Node.js + Express + MySQL。用户可以配置多个 OpenAI 兼容的 API Provider，绑定图片模型或视频模型，支持文生图、图生图、文生视频、图生视频等多种生成模式。

一个能直接跑的 AIGC 平台，支持接入各种 OpenAI 兼容的图片/视频生成 API，前台后台一套搞定。一个前后端分离的 AIGC 平台，前端使用 Vue 3，后端使用 Node.js + Express + MySQL。用户可以配置多个 OpenAI 兼容的 API Provider，绑定图片模型或视频模型，支持文生图、图生图、文生视频、图生视频等多种生成模式。

Geek Lite

14,631 Aufrufe • vor 1 Monat

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 Aufrufe • vor 1 Monat

Gemini 2.5 Pro (I/O 预览版)已经可以在 Gemini 应用中使用了今天白嫖的会员可以有用武之地了可以使用Gemini 的 Canvas功能直接生成和预览程序我使用一个英语学习的YouTube 视频生成的应用程序非常的nice 它直接读取视频内容然后给我生成了这个程序

Gemini 2.5 Pro (I/O 预览版)已经可以在 Gemini 应用中使用了今天白嫖的会员可以有用武之地了可以使用Gemini 的 Canvas功能直接生成和预览程序我使用一个英语学习的YouTube 视频生成的应用程序非常的nice 它直接读取视频内容然后给我生成了这个程序

小互

61,730 Aufrufe • vor 1 Jahr

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 Aufrufe • vor 1 Jahr

最近发现之前推荐过的 Midreal AI 互动小说游戏更新了网页版本，不需要在 Discord 里面使用了。我尝试了一下将每句话都生成图片做视频小说，效果很不错。这次升级非常强大，Midreal已经不只是小说生成工具，正在朝着互动式内容消费平台进化。网页版本的Midreal每一句话都可以生成对应的图片，现在还是免费的，做互动小说生成视频搞流量也不错，还没有原创性问题。每句都能生成图片之后，比之前到分支的时候才生成会强非常多，图片从原来的DALL-E3 变成了他们自己训练的 SD 模型，图像质量和提示词遵循都比之前强很多。除了支持生成图片之外，现在网页版的Midreal分享功能也非常好用，分享出去就是一个带插图的完整小说页面，阅读体验很不错，还有评论和转发能力。他们自己训练的图像模型现在也有一个专门的页面可以使用，只用来生成图片也是可以的。感觉模型能力也有了比较大的提升，之前中文的小说都会有逻辑问题，这次尝试之后好了很多。这里尝试网页版Midreal：

最近发现之前推荐过的 Midreal AI 互动小说游戏更新了网页版本，不需要在 Discord 里面使用了。我尝试了一下将每句话都生成图片做视频小说，效果很不错。这次升级非常强大，Midreal已经不只是小说生成工具，正在朝着互动式内容消费平台进化。网页版本的Midreal每一句话都可以生成对应的图片，现在还是免费的，做互动小说生成视频搞流量也不错，还没有原创性问题。每句都能生成图片之后，比之前到分支的时候才生成会强非常多，图片从原来的DALL-E3 变成了他们自己训练的 SD 模型，图像质量和提示词遵循都比之前强很多。除了支持生成图片之外，现在网页版的Midreal分享功能也非常好用，分享出去就是一个带插图的完整小说页面，阅读体验很不错，还有评论和转发能力。他们自己训练的图像模型现在也有一个专门的页面可以使用，只用来生成图片也是可以的。感觉模型能力也有了比较大的提升，之前中文的小说都会有逻辑问题，这次尝试之后好了很多。这里尝试网页版Midreal：

歸藏(guizang.ai)

48,079 Aufrufe • vor 2 Jahren

看到 Gemini 3 Flash 发布的时候，第一反应是：终于有人跟 OpenAI 打价格战了。更快、更便宜、还能免费用—— 这才是独立开发者和小团队真正需要的东西。价格到底便宜多少？简单说：如果你之前用 GPT-4o 或 Gemini 3 Pro 跑应用，换成 Gemini 3 Flash，成本预计能直接降 50%-70%。 ZenMux 已经第一时间上线了 Gemini 3 Flash，并且每天有免费额度——你可以直接在 chat 里调用，不用单独申请 API，不用写代码集成。我扒了推特上互动最高的几个帖子，发现大家兴奋的点主要是：【零代码生成 3D 交互场景】有人用简单文本提示，生成了一个 Three.js 场景：数百万粒子悬浮在屏幕上，可以用手势控制它们形成任意形状。不需要懂 Three.js，不需要懂 WebGL，甚至不需要懂 HTML。【从截图到完整落地页】有人从零开始做了一个完整的产品落地页。先上传参考网站截图，然后逐步添加图标、动画、效果。整个过程像在跟设计师对话，而不是在写代码。【5 分钟做出能用的 App】有人做了个视频录制工具，AI 实时根据你说的内容给提示词，防止你卡壳。还有人做了手语识别 app，带置信度分数、采样设置、实时提示。现在，你可以用更低的价格重新实现一边这些！验证想法的成本降到接近零——你可以在一个下午内做出 5 个不同方向的原型，丢给用户测试，看哪个有反馈再深入。

看到 Gemini 3 Flash 发布的时候，第一反应是：终于有人跟 OpenAI 打价格战了。更快、更便宜、还能免费用—— 这才是独立开发者和小团队真正需要的东西。价格到底便宜多少？简单说：如果你之前用 GPT-4o 或 Gemini 3 Pro 跑应用，换成 Gemini 3 Flash，成本预计能直接降 50%-70%。 ZenMux 已经第一时间上线了 Gemini 3 Flash，并且每天有免费额度——你可以直接在 chat 里调用，不用单独申请 API，不用写代码集成。我扒了推特上互动最高的几个帖子，发现大家兴奋的点主要是：【零代码生成 3D 交互场景】有人用简单文本提示，生成了一个 Three.js 场景：数百万粒子悬浮在屏幕上，可以用手势控制它们形成任意形状。不需要懂 Three.js，不需要懂 WebGL，甚至不需要懂 HTML。【从截图到完整落地页】有人从零开始做了一个完整的产品落地页。先上传参考网站截图，然后逐步添加图标、动画、效果。整个过程像在跟设计师对话，而不是在写代码。【5 分钟做出能用的 App】有人做了个视频录制工具，AI 实时根据你说的内容给提示词，防止你卡壳。还有人做了手语识别 app，带置信度分数、采样设置、实时提示。现在，你可以用更低的价格重新实现一边这些！验证想法的成本降到接近零——你可以在一个下午内做出 5 个不同方向的原型，丢给用户测试，看哪个有反馈再深入。

Cell 细胞

23,039 Aufrufe • vor 6 Monaten

现在图生视频都在5秒或10秒，10秒的看上去像5秒的慢放，这个无论是在开源模型还是闭源模型上都有类似效果。尤其对于商业闭源视频来说，如果花费一倍以上的成本生成的10秒视频却只是5秒的慢放版，那就显得太不划算了。这里尝试一个方案：从商业闭源模型生成5秒视频，然后用插帧模型生成10秒视频，以下是使用Topaz插帧和原生的对比，供这里尝试一个方案：从商业闭源模型生成5秒视频，然后用插帧模型生成10秒视频，以下是使用Topaz插帧和原生的对比，供大家参考。 #女s #les #女仆 #AI视频

Sensitive content

现在图生视频都在5秒或10秒，10秒的看上去像5秒的慢放，这个无论是在开源模型还是闭源模型上都有类似效果。尤其对于商业闭源视频来说，如果花费一倍以上的成本生成的10秒视频却只是5秒的慢放版，那就显得太不划算了。这里尝试一个方案：从商业闭源模型生成5秒视频，然后用插帧模型生成10秒视频，以下是使用Topaz插帧和原生的对比，供这里尝试一个方案：从商业闭源模型生成5秒视频，然后用插帧模型生成10秒视频，以下是使用Topaz插帧和原生的对比，供大家参考。 #女s #les #女仆 #AI视频

獨自懵逼

18,922 Aufrufe • vor 1 Jahr

国内好多人都说Gemini是美国版豆包？我觉得这两者都不是一个量级的吧？Gemini可以混合notebooklm记笔记有多好用，用过都知道，还有深度联网搜索功能用来做深度详细报告，还有canvas模式（这个更是夯爆了好吗？）而且Gemini的可视化方面，还有审美ui设计方面绝对是世界顶级模型，还可以和Google ai studio混合交叉使用，夯中夯，还有生图功能的Nano Banana模型，在gpt的image2没出来之前一直是最强的图形生成模型吧，不知道为什么会有人拿Gemini跟豆包比较？那些人真的用过Gemini吗？对此表示怀疑🤔🤔🤔

国内好多人都说Gemini是美国版豆包？我觉得这两者都不是一个量级的吧？Gemini可以混合notebooklm记笔记有多好用，用过都知道，还有深度联网搜索功能用来做深度详细报告，还有canvas模式（这个更是夯爆了好吗？）而且Gemini的可视化方面，还有审美ui设计方面绝对是世界顶级模型，还可以和Google ai studio混合交叉使用，夯中夯，还有生图功能的Nano Banana模型，在gpt的image2没出来之前一直是最强的图形生成模型吧，不知道为什么会有人拿Gemini跟豆包比较？那些人真的用过Gemini吗？对此表示怀疑🤔🤔🤔

阿金

28,618 Aufrufe • vor 11 Tagen

玩了一下Suno ，太好玩了，随便输入111就能生成一首好听的歌曲，自定义模式下输入了"Coming Home"的歌词，重新生成的歌曲也很好听。第一个是原创，后面两个是用suno V3生成的。来对比下效果这是一款免费的AI音乐和语音生成工具，在他们官网上可以使用Chirp音乐模型生成2分钟的音乐，有谷歌账号的能一键登录使用，有两种模式，随便输入提示词和自定义模式。有音乐创作需求的可以收藏着备用。Suno AI 提供免费版和付费版，免费版每天提供 50 Credits，可创作 10 首歌曲。直达传送门：

玩了一下Suno ，太好玩了，随便输入111就能生成一首好听的歌曲，自定义模式下输入了"Coming Home"的歌词，重新生成的歌曲也很好听。第一个是原创，后面两个是用suno V3生成的。来对比下效果这是一款免费的AI音乐和语音生成工具，在他们官网上可以使用Chirp音乐模型生成2分钟的音乐，有谷歌账号的能一键登录使用，有两种模式，随便输入提示词和自定义模式。有音乐创作需求的可以收藏着备用。Suno AI 提供免费版和付费版，免费版每天提供 50 Credits，可创作 10 首歌曲。直达传送门：

穆尼

82,632 Aufrufe • vor 2 Jahren

来看苹果刚发布的视频模型——星流 starflow！苹果刚刚发布了一个新模型 starflow, 这个模型最大的特点是可以文生视频, 图生视频, 视频生成视频, 甚至还支持生成长视频. 模型大小7B, 视频部分使用 WAN-2.2-VAE 魔改, 图片部分使用 SD-VAE 魔改, 最高只支持生成 480p 的视频, 另外模型文件格式是pth, 通常是使用 PyTorch 炼丹的时候保存的原始检查点文件时 pth. 所以这个模型更可能是个技术探索? 并不是很实用.

来看苹果刚发布的视频模型——星流 starflow！苹果刚刚发布了一个新模型 starflow, 这个模型最大的特点是可以文生视频, 图生视频, 视频生成视频, 甚至还支持生成长视频. 模型大小7B, 视频部分使用 WAN-2.2-VAE 魔改, 图片部分使用 SD-VAE 魔改, 最高只支持生成 480p 的视频, 另外模型文件格式是pth, 通常是使用 PyTorch 炼丹的时候保存的原始检查点文件时 pth. 所以这个模型更可能是个技术探索? 并不是很实用.

karminski-牙医

42,175 Aufrufe • vor 7 Monaten

兄弟们！今天已经可以在ZenMux上免费体验Gemini 3.5 Flash 了！我第一时间用它跑了那个经典的「AI模型递归二叉树生长测试」. 同一个 Prompt ，不同模型画出的树形态完全不一样。（见视频-Prompt见评论区） Gemini 3.5 Flash 从输入提示词到生成完整 HTML 动画网页（树干慢慢长出、分支递归展开、最后随风摇摆），全程只用了 77.56 秒！整体效果非常惊艳：树形态自然优雅、生长动画丝滑、视频和内容呈现都顶级！熟悉的老朋友都知道，ZenMux 每次新模型都是 ZeroDelay 首发. Google I/O 2026 今天刚发布，现在立刻就能通过 API 调用！还有免费额度可以白嫖～速度是真的没话说，还完美保留了旗舰级模型的能力。专为 Agent 设计，在 MCP Atlas、Toolathlon、Finance Agent 等多项榜单直接拿下第一！多模态理解也极强：MMMU-Pro 83.6%、CharXiv Reasoning 84.2%，全面超越上一代 Gemini 3.1 Pro。完全兼容主流 API 格式，无需改动现有工具链。支持按量计费 + Builder 套餐。 👇 直接体验正式版 → 免费试用 →

兄弟们！今天已经可以在ZenMux上免费体验Gemini 3.5 Flash 了！我第一时间用它跑了那个经典的「AI模型递归二叉树生长测试」. 同一个 Prompt ，不同模型画出的树形态完全不一样。（见视频-Prompt见评论区） Gemini 3.5 Flash 从输入提示词到生成完整 HTML 动画网页（树干慢慢长出、分支递归展开、最后随风摇摆），全程只用了 77.56 秒！整体效果非常惊艳：树形态自然优雅、生长动画丝滑、视频和内容呈现都顶级！熟悉的老朋友都知道，ZenMux 每次新模型都是 ZeroDelay 首发. Google I/O 2026 今天刚发布，现在立刻就能通过 API 调用！还有免费额度可以白嫖～速度是真的没话说，还完美保留了旗舰级模型的能力。专为 Agent 设计，在 MCP Atlas、Toolathlon、Finance Agent 等多项榜单直接拿下第一！多模态理解也极强：MMMU-Pro 83.6%、CharXiv Reasoning 84.2%，全面超越上一代 Gemini 3.1 Pro。完全兼容主流 API 格式，无需改动现有工具链。支持按量计费 + Builder 套餐。 👇 直接体验正式版 → 免费试用 →

Berryxia.AI

22,206 Aufrufe • vor 1 Monat

开源分解图层大模型这么快就来了? 给大家带来阿里刚刚发布的 Qwen-Image-Layered 模型实测, 这是一个可以把图片分成不同图层的大模型, 模型是基于 Qwen-Image 微调的. 本次我的测试覆盖这个模型的擅长场景(海报), 指令遵循测试(指定抽取目标), 边缘处理(头发), 极限测试(全是贴纸, 一个贴纸一个图层的话可以抽取50多个图层). 直接说结论, 首先还是模型太大了, 因为这个模型基于 Qwen-Image 所以是个20B的模型, 我是用HuggingFace Zero GPU 测试, 每次运行大概2分钟左右, 模型的确可以做到分离图层, 而且边缘处理很不错, 不过稳定性有待优化, 在我测试中4个图层可以输出, 但是8个或者10个图层就炸了, 怀疑可能是超过了Zero GPU超时或者bug (GPU是H200, 不太可能爆显存), 输出尺寸只有 544*736, 官方也推荐640分辨力, 这点也需要提升, 以及模型还是太大了, 20B, 希望能优化下尺寸.

开源分解图层大模型这么快就来了? 给大家带来阿里刚刚发布的 Qwen-Image-Layered 模型实测, 这是一个可以把图片分成不同图层的大模型, 模型是基于 Qwen-Image 微调的. 本次我的测试覆盖这个模型的擅长场景(海报), 指令遵循测试(指定抽取目标), 边缘处理(头发), 极限测试(全是贴纸, 一个贴纸一个图层的话可以抽取50多个图层). 直接说结论, 首先还是模型太大了, 因为这个模型基于 Qwen-Image 所以是个20B的模型, 我是用HuggingFace Zero GPU 测试, 每次运行大概2分钟左右, 模型的确可以做到分离图层, 而且边缘处理很不错, 不过稳定性有待优化, 在我测试中4个图层可以输出, 但是8个或者10个图层就炸了, 怀疑可能是超过了Zero GPU超时或者bug (GPU是H200, 不太可能爆显存), 输出尺寸只有 544*736, 官方也推荐640分辨力, 这点也需要提升, 以及模型还是太大了, 20B, 希望能优化下尺寸.

karminski-牙医

14,175 Aufrufe • vor 6 Monaten

大佬huangserva 开源的这个项目很有可玩性。只花了不到2个小时就重新搭建了一个3D汉服的网站。方法简单介绍一下： 1/ 将大佬的开源项目地址扔给CodeX或者Agent，告诉它：请先阅读一下这个Github项目，然后模仿这个项目，帮我做一个3D汉服展示的网站，功能要求与原项目一致，语言改成中文，并重新调整复合汉服审美的UI。 2/ 在混元3D网站上将图片生成3D模型GLB文件并下载。地址： 3/ 将下载的GLB文件上传到你已经开发好的网站就可以了。效果可能没有原项目好，但做项目展示够用了。

大佬huangserva 开源的这个项目很有可玩性。只花了不到2个小时就重新搭建了一个3D汉服的网站。方法简单介绍一下： 1/ 将大佬的开源项目地址扔给CodeX或者Agent，告诉它：请先阅读一下这个Github项目，然后模仿这个项目，帮我做一个3D汉服展示的网站，功能要求与原项目一致，语言改成中文，并重新调整复合汉服审美的UI。 2/ 在混元3D网站上将图片生成3D模型GLB文件并下载。地址： 3/ 将下载的GLB文件上传到你已经开发好的网站就可以了。效果可能没有原项目好，但做项目展示够用了。

李岳

51,824 Aufrufe • vor 2 Monaten

周末用TanStarter模板给娃做了个学习网站后台生成学习任务，主要是学单词，用 Workers AI 免费生成学习内容，图片用之前买的 Thiings Icons 图库，语音用 CF Workers AI 上免费模型，前端界面用 Animal UI，简单好看，数据库、存储、部署都用Cloudflare，成本为0，这就是 TanStarter 模板的优势！

周末用TanStarter模板给娃做了个学习网站后台生成学习任务，主要是学单词，用 Workers AI 免费生成学习内容，图片用之前买的 Thiings Icons 图库，语音用 CF Workers AI 上免费模型，前端界面用 Animal UI，简单好看，数据库、存储、部署都用Cloudflare，成本为0，这就是 TanStarter 模板的优势！

Indie Fox

11,991 Aufrufe • vor 1 Monat

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 Aufrufe • vor 1 Monat

🤣Sketch to 3D！！！做了一个简单好玩的工作流，可以直接把手绘快速变成 3D 模型图像模型用了 Playground v2.5 保证图像语义和主体的高质量生成（可以生成主体+纯色背景），3D 生成用了可以秒出的 TripoSR 模型如果更加追求速度，可以换成 XL-Lightning、TCD 等工作流：

🤣Sketch to 3D！！！做了一个简单好玩的工作流，可以直接把手绘快速变成 3D 模型图像模型用了 Playground v2.5 保证图像语义和主体的高质量生成（可以生成主体+纯色背景），3D 生成用了可以秒出的 TripoSR 模型如果更加追求速度，可以换成 XL-Lightning、TCD 等工作流：

-Zho-

60,752 Aufrufe • vor 2 Jahren

Kimi-K2.6 前端/后端/Agent编程能力实测! 甚至还帮我做了个游戏! 给大家带来刚刚正式发布的 kimi-k2.6 的正式版本的实测! 本次为了考验它的长程Agentic Coding能力, 我用 kimi-k2.6-code-preview 写了个 harness 游戏自动生成框架, 它可以根据给到的人设/场景/数值设计等规则, 自动生成关卡, 背景图片, 甚至配音! 其中框架驱动和草稿模型使用 kimi-k2.6, 文生图和生成语音由 kimi-k2.6 生成 prompt 后调用其它大模型生成. 最好玩的是, 我做了个"无头"版本的游戏cli接口, kimi-k2.6 能像玩互联网早期Mud游戏一样, 使用纯文本玩这个游戏, 每当它生成关卡之后, 他就可以直接进入游戏游玩一下, 来验证关卡设计得是否正确. 而内部设计又分为了对话生成skill, 脚本生成skill, 关卡生成skill, 游戏测试大师skill, 游戏资深玩家skill(由于检讨游戏性) 等等, 从而实现了让大模型自己写游戏自己玩! 每个关卡大概需要一个小时生成和验证, 如果并行验证应该还能更快一些(做多线程BFS/DFS). 另外本次依旧使用大家都熟悉的测试项目进行了前端/后端/Agent能力测试, 从测试来看, 复杂项目前端能力(建模, 空间理解, 物理模拟等)略有下降, 但后端和 Agent 能力有明显提升. 不过如果你是纯做网站的话, 可以用 kimi 网站上的的 k2.6 Agent 模式, 由于 Agent 能力足够强所以可以在这个模式下多步来提升生成的网站质量和交互体验. #kimi #kimik26 #moonshot #月之暗面 #kimicli

Kimi-K2.6 前端/后端/Agent编程能力实测! 甚至还帮我做了个游戏! 给大家带来刚刚正式发布的 kimi-k2.6 的正式版本的实测! 本次为了考验它的长程Agentic Coding能力, 我用 kimi-k2.6-code-preview 写了个 harness 游戏自动生成框架, 它可以根据给到的人设/场景/数值设计等规则, 自动生成关卡, 背景图片, 甚至配音! 其中框架驱动和草稿模型使用 kimi-k2.6, 文生图和生成语音由 kimi-k2.6 生成 prompt 后调用其它大模型生成. 最好玩的是, 我做了个"无头"版本的游戏cli接口, kimi-k2.6 能像玩互联网早期Mud游戏一样, 使用纯文本玩这个游戏, 每当它生成关卡之后, 他就可以直接进入游戏游玩一下, 来验证关卡设计得是否正确. 而内部设计又分为了对话生成skill, 脚本生成skill, 关卡生成skill, 游戏测试大师skill, 游戏资深玩家skill(由于检讨游戏性) 等等, 从而实现了让大模型自己写游戏自己玩! 每个关卡大概需要一个小时生成和验证, 如果并行验证应该还能更快一些(做多线程BFS/DFS). 另外本次依旧使用大家都熟悉的测试项目进行了前端/后端/Agent能力测试, 从测试来看, 复杂项目前端能力(建模, 空间理解, 物理模拟等)略有下降, 但后端和 Agent 能力有明显提升. 不过如果你是纯做网站的话, 可以用 kimi 网站上的的 k2.6 Agent 模式, 由于 Agent 能力足够强所以可以在这个模式下多步来提升生成的网站质量和交互体验. #kimi #kimik26 #moonshot #月之暗面 #kimicli

karminski-牙医

40,013 Aufrufe • vor 2 Monaten

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 Aufrufe • vor 6 Monaten