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.

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)

182,187 subscribers

46,685 views • 11 months ago •via X (Twitter)

Anya Rossi• Live Now

Private livecam show

0 Comments

No comments available

Comments from the original post will appear here

Related Videos

Skywork 上线了视频 Agent 能力，他们这个流程有意思你可以从第一个分镜开始，左边生成之后，将生成的视频和音频素材发到右边的视频编辑器里面去进行编辑。支持使用主流的视频模型和能力，文生、图生、首尾帧都有，另外支持生成音乐和语音。我用首尾帧做了一条香水广告的演示，还不错。也上线了一些特效模版，你可以不用管提示词直接复用。而且会员从昨天（0106）开始会有为期七天的无限使用优惠，只要你是会员就可以一直用。最近有需求的朋友们可以看看，说不定这几天直接回本了。

Skywork 上线了视频 Agent 能力，他们这个流程有意思你可以从第一个分镜开始，左边生成之后，将生成的视频和音频素材发到右边的视频编辑器里面去进行编辑。支持使用主流的视频模型和能力，文生、图生、首尾帧都有，另外支持生成音乐和语音。我用首尾帧做了一条香水广告的演示，还不错。也上线了一些特效模版，你可以不用管提示词直接复用。而且会员从昨天（0106）开始会有为期七天的无限使用优惠，只要你是会员就可以一直用。最近有需求的朋友们可以看看，说不定这几天直接回本了。

歸藏(guizang.ai)

18,228 views • 10 months ago

这个视频是用出的，即梦的 SEEDANCE 不能用人像照片直出生成视频。但是可以。不过我发现用照片生视频不如用5视图加提示词生成的视频自然。这个视频用的提示词和我上一个视频是一样的，唯一不同就是一个是照片生一个是5视图生，大家可以比较一下差别。

这个视频是用出的，即梦的 SEEDANCE 不能用人像照片直出生成视频。但是可以。不过我发现用照片生视频不如用5视图加提示词生成的视频自然。这个视频用的提示词和我上一个视频是一样的，唯一不同就是一个是照片生一个是5视图生，大家可以比较一下差别。

John

14,729 views • 3 months ago

推荐一个蛮屌的免费图像处理工具：ClipDrop ClipDrop是一个提供AI驱动图像编辑工具，功能包括去除或替换背景、移除图片中的物体、人物或缺陷、图像放大和将涂鸦转换成真实图片。试了试去除物体功能，处理速度非常快而且无残留，网站还提供API，以便将其AI工具集成到其他应用程序中。感兴趣的可以尝试一下。链接：

推荐一个蛮屌的免费图像处理工具：ClipDrop ClipDrop是一个提供AI驱动图像编辑工具，功能包括去除或替换背景、移除图片中的物体、人物或缺陷、图像放大和将涂鸦转换成真实图片。试了试去除物体功能，处理速度非常快而且无残留，网站还提供API，以便将其AI工具集成到其他应用程序中。感兴趣的可以尝试一下。链接：

知识分享官

106,319 views • 2 years ago

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)

31,202 views • 2 years ago

Qwen3.8发布了，据官方说仅次于 Fable 5？简单做个对比测试，给了一张古建筑的各个角度的图，一句提示词用threejs生成3D模型。左边是Qwen3.8-Max-Preview，右边是Fable 5的效果。两个模型均使用Chat模式生成。 Qwen3.8对图像的理解能力还是欠缺了一些，Fable 5明显还原的效果更加好。当然前端能力不能代表全部，但也是最直观能体现出来的能力。参考图像和提示词⬇️

Qwen3.8发布了，据官方说仅次于 Fable 5？简单做个对比测试，给了一张古建筑的各个角度的图，一句提示词用threejs生成3D模型。左边是Qwen3.8-Max-Preview，右边是Fable 5的效果。两个模型均使用Chat模式生成。 Qwen3.8对图像的理解能力还是欠缺了一些，Fable 5明显还原的效果更加好。当然前端能力不能代表全部，但也是最直观能体现出来的能力。参考图像和提示词⬇️

WY

56,883 views • 3 months ago

DeepSeek V4 和 Opus 4.7的对比测试，一个很实用的场景，生成数学立体几何的3D演示。很多学生缺乏三维想象空间，需要3D工具做辅助，我也做过一些调研，大部分的数学老师是用geogebra做立体几何的演示，但是这个工具用起来繁琐，做图的速度跟不上用量，如果能用AI生成，妥妥的生产力工具。这次测试的平台依旧选择了ZenMux，目前ZenMux中的DeepSeek V4有免费的额度，必须蹭一波，直达链接同样的提示词，在没有任何Skills的加持下，猜猜看哪个是DeepSeek V4，哪个是Opus 4.7？

DeepSeek V4 和 Opus 4.7的对比测试，一个很实用的场景，生成数学立体几何的3D演示。很多学生缺乏三维想象空间，需要3D工具做辅助，我也做过一些调研，大部分的数学老师是用geogebra做立体几何的演示，但是这个工具用起来繁琐，做图的速度跟不上用量，如果能用AI生成，妥妥的生产力工具。这次测试的平台依旧选择了ZenMux，目前ZenMux中的DeepSeek V4有免费的额度，必须蹭一波，直达链接同样的提示词，在没有任何Skills的加持下，猜猜看哪个是DeepSeek V4，哪个是Opus 4.7？

WY

13,315 views • 6 months ago

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)

125,894 views • 3 years ago

爽了，AI视频终于卷起来了，MiniMax H3 牛逼！！！ Seedance 2.0 30% 的价格 + 2K 画质 + 原生声音 + 角色一致 + 指令编辑真香！我来给大家详细讲一讲这个模型：它原生同时出画面和声音。给一段描述，视频出来自带对话、音效、环境音，不用像以前一样跑完视频再去配 TTS、找音效、对口型。之前做一条完整有声视频至少串三四个工具，现在一步全出来。光这一个能力就已经省掉巨多时间了。比如，你设计好一个品牌模特，把参考图喂进去，最多同时喂 9 张图 + 3 段视频 + 3 段音频，模型生成的每条视频里这个人物长相和声音都一致。而且生成完不满意不用整条重跑，直接说"背景换成卧室""手里的产品换一个"，视频编辑能力 Artificial Analysis 全球第一，不是吹的！ TopviewAI 是首批将将它推向市场的平台，而且Ultra 年费用户60 天无限生成，你就敞开了测到满意为止。

爽了，AI视频终于卷起来了，MiniMax H3 牛逼！！！ Seedance 2.0 30% 的价格 + 2K 画质 + 原生声音 + 角色一致 + 指令编辑真香！我来给大家详细讲一讲这个模型：它原生同时出画面和声音。给一段描述，视频出来自带对话、音效、环境音，不用像以前一样跑完视频再去配 TTS、找音效、对口型。之前做一条完整有声视频至少串三四个工具，现在一步全出来。光这一个能力就已经省掉巨多时间了。比如，你设计好一个品牌模特，把参考图喂进去，最多同时喂 9 张图 + 3 段视频 + 3 段音频，模型生成的每条视频里这个人物长相和声音都一致。而且生成完不满意不用整条重跑，直接说"背景换成卧室""手里的产品换一个"，视频编辑能力 Artificial Analysis 全球第一，不是吹的！ TopviewAI 是首批将将它推向市场的平台，而且Ultra 年费用户60 天无限生成，你就敞开了测到满意为止。

余温

79,321 views • 3 months ago

发现一个开源的 AI 视频生成项目，GitHub 已经 7k star 了——InfiniteTalk 它支持图像转视频和视频转视频两种模式，都是语音驱动的。给一张图片加一段音频，能直接生成说话的视频；给一段已有视频换音频，也能重新配音。除了口型同步，还能同时驱动头部运动、身体姿态和面部表情，整体动作会跟着音频联动，不只是嘴在动。还支持无限时长视频生成，不受时长上限的限制，算是打破了 AI 视频生成的瓶颈。

发现一个开源的 AI 视频生成项目，GitHub 已经 7k star 了——InfiniteTalk 它支持图像转视频和视频转视频两种模式，都是语音驱动的。给一张图片加一段音频，能直接生成说话的视频；给一段已有视频换音频，也能重新配音。除了口型同步，还能同时驱动头部运动、身体姿态和面部表情，整体动作会跟着音频联动，不只是嘴在动。还支持无限时长视频生成，不受时长上限的限制，算是打破了 AI 视频生成的瓶颈。

阿西_出海

20,133 views • 4 months ago

用 Codex 加 ChatCut，我终于能用自然语言丝滑剪辑我的视频了！最近一直在研究这个 ChatCut 的 CodeX 插件他们在自然语言视频作这个层面，绝对是第一梯队最牛逼的几个点在于： 1. 全自然语言操控可以用自然语言操作整个剪辑过程你不需要去手动操作复杂的剪辑轨道，只需要把你的需求用大白话讲给它，它就会自动去调用工具进行剪辑 2. 剪辑与生成无缝集成它把视频剪辑和生成功能全部集成到了同一个工具里如果你在剪辑过程中需要某些素材，它会自动帮你去找，或者直接生成对应的素材整个体验非常顺畅，效果挺屌的 3. 优秀的可视化交互这是目前我见过交互体验最好的自然语言剪辑工具安装好之后，左边是你跟 Codex 对话的区域，右边就是它的整个工作区你可以实时、可视化地看到 Codex 是如何操作你的视频素材进行剪辑的更爽的是，你还可以直接在右边的工作区里，对刚刚剪辑的视频进行精细化的微调和修改这种交互方式真的已经非常接近我理想中自然语言剪辑了不过他们目前也确实存在一些问题，比如整体的处理速度还是比较慢，以及 Token 的消耗比较大这也是现阶段的一个局限性，但我觉得未来一定会越来越好如果对自然语言视频制作感兴趣的兄弟们，一定要去试一下这个插件！官网链接如下：

用 Codex 加 ChatCut，我终于能用自然语言丝滑剪辑我的视频了！最近一直在研究这个 ChatCut 的 CodeX 插件他们在自然语言视频作这个层面，绝对是第一梯队最牛逼的几个点在于： 1. 全自然语言操控可以用自然语言操作整个剪辑过程你不需要去手动操作复杂的剪辑轨道，只需要把你的需求用大白话讲给它，它就会自动去调用工具进行剪辑 2. 剪辑与生成无缝集成它把视频剪辑和生成功能全部集成到了同一个工具里如果你在剪辑过程中需要某些素材，它会自动帮你去找，或者直接生成对应的素材整个体验非常顺畅，效果挺屌的 3. 优秀的可视化交互这是目前我见过交互体验最好的自然语言剪辑工具安装好之后，左边是你跟 Codex 对话的区域，右边就是它的整个工作区你可以实时、可视化地看到 Codex 是如何操作你的视频素材进行剪辑的更爽的是，你还可以直接在右边的工作区里，对刚刚剪辑的视频进行精细化的微调和修改这种交互方式真的已经非常接近我理想中自然语言剪辑了不过他们目前也确实存在一些问题，比如整体的处理速度还是比较慢，以及 Token 的消耗比较大这也是现阶段的一个局限性，但我觉得未来一定会越来越好如果对自然语言视频制作感兴趣的兄弟们，一定要去试一下这个插件！官网链接如下：

来碗牛肉粉

18,123 views • 3 months ago

Anthropic 发布了 Skill Creator 的重大更新核心变化：内置测试用例生成写完一个 Claude 技能，怎么知道它到底能不能被正确触发？以前靠手动试，现在 Skill Creator 内置了测试功能，帮你自动跑评估。你现在可以给技能定义一组测试提示词，描述"什么样的回答算合格"，然后让系统自动跑测试、出报告。不需要写代码，不需要搭测试框架。具体新增了四个能力：自动化评估（Evals）：定义测试提示词和预期结果，系统自动运行并追踪通过率、耗时、token 用量。当模型更新或基础设施变化时，你能立刻发现技能是否"退步"了。多 Agent 并行测试：测试用例不是排队跑的，而是在独立的 Agent 中并行执行，每条测试互不干扰，各自有独立的 token 和耗时统计。 A/B 对比：系统用"比较器 Agent"对两个版本的技能做盲测对比，去掉主观偏见。你改了技能描述，想知道新版比旧版好还是差，直接跑一轮对比就有答案。触发率优化：这可能是最实用的功能。系统会分析你的技能描述和测试提示词，建议怎么改描述才能减少误触发和漏触发。官方测试中，6 个公开的文档类技能有 5 个的触发准确率得到了提升。

Anthropic 发布了 Skill Creator 的重大更新核心变化：内置测试用例生成写完一个 Claude 技能，怎么知道它到底能不能被正确触发？以前靠手动试，现在 Skill Creator 内置了测试功能，帮你自动跑评估。你现在可以给技能定义一组测试提示词，描述"什么样的回答算合格"，然后让系统自动跑测试、出报告。不需要写代码，不需要搭测试框架。具体新增了四个能力：自动化评估（Evals）：定义测试提示词和预期结果，系统自动运行并追踪通过率、耗时、token 用量。当模型更新或基础设施变化时，你能立刻发现技能是否"退步"了。多 Agent 并行测试：测试用例不是排队跑的，而是在独立的 Agent 中并行执行，每条测试互不干扰，各自有独立的 token 和耗时统计。 A/B 对比：系统用"比较器 Agent"对两个版本的技能做盲测对比，去掉主观偏见。你改了技能描述，想知道新版比旧版好还是差，直接跑一轮对比就有答案。触发率优化：这可能是最实用的功能。系统会分析你的技能描述和测试提示词，建议怎么改描述才能减少误触发和漏触发。官方测试中，6 个公开的文档类技能有 5 个的触发准确率得到了提升。

小互

46,969 views • 8 months ago

DragGAN正式发布，其令人震惊的"拖拽你的图像"功能达到了图像操作的新高度。使用DragGAN，你不仅仅是编辑图像，你是在"拖拽"它们以匹配你的创意视觉。以下是10个示例用例：

DragGAN正式发布，其令人震惊的"拖拽你的图像"功能达到了图像操作的新高度。使用DragGAN，你不仅仅是编辑图像，你是在"拖拽"它们以匹配你的创意视觉。以下是10个示例用例：

AI Will

243,866 views • 3 years ago

李飞飞的 World Labs 发布了他们新的世界模型 Atlas，这个看起来比上一代厉害多了。通过一张图片就可以创建一个非常完整的 3D 空间场景，你可以在里面随意运动，它也能理解时间的演变规律。它能将一张或多张输入图像整合进一个共享的空间上下文中，让每张图像都锚定在三维空间中的具体位置，再以此继续生成后续内容，既能保证当前场景的一致性，又能想象出没有看到的内容。它主要支持三大任务：生成图像和视频：能从一张或多张参考图出发，以像素级精确的相机控制生成不同角度的图像或完整视频，最长可输出 1 分钟 1440p 的视频 3D 场景重建：用一张或几十张图片重建真实的 3D 场景，直接生成点云、3D 高斯泼溅（3D Gaussian Splatting）等三维结果（图片越多还原越真实），效果甚至超过了专门针对 3D 高斯泼溅优化的模型时空仿真：能把几台普通手机拍摄的视频重新取景成“子弹时间”效果，还可以为机器人训练生成测试数据

李飞飞的 World Labs 发布了他们新的世界模型 Atlas，这个看起来比上一代厉害多了。通过一张图片就可以创建一个非常完整的 3D 空间场景，你可以在里面随意运动，它也能理解时间的演变规律。它能将一张或多张输入图像整合进一个共享的空间上下文中，让每张图像都锚定在三维空间中的具体位置，再以此继续生成后续内容，既能保证当前场景的一致性，又能想象出没有看到的内容。它主要支持三大任务：生成图像和视频：能从一张或多张参考图出发，以像素级精确的相机控制生成不同角度的图像或完整视频，最长可输出 1 分钟 1440p 的视频 3D 场景重建：用一张或几十张图片重建真实的 3D 场景，直接生成点云、3D 高斯泼溅（3D Gaussian Splatting）等三维结果（图片越多还原越真实），效果甚至超过了专门针对 3D 高斯泼溅优化的模型时空仿真：能把几台普通手机拍摄的视频重新取景成“子弹时间”效果，还可以为机器人训练生成测试数据

歸藏(guizang.ai)

193,138 views • 2 months ago

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)

27,376 views • 4 months ago

即梦现在可以用Seedance 2.0 生成 1080P 的视频了试了一下，太屌了！感觉这个才是满血的 Seedance 2.0 这个细节就不说了。我感觉这个模型它的智能程度和提示词理解能力也上升了。在“全能参考”上，对于素材的使用非常灵活，而且跟整个视频融合得更好。

即梦现在可以用Seedance 2.0 生成 1080P 的视频了试了一下，太屌了！感觉这个才是满血的 Seedance 2.0 这个细节就不说了。我感觉这个模型它的智能程度和提示词理解能力也上升了。在“全能参考”上，对于素材的使用非常灵活，而且跟整个视频融合得更好。

歸藏(guizang.ai)

28,528 views • 6 months ago

昨天给大家写了个小白如何使用seedance 2.0的教程想必大家都已经下载并且尝试了。 ❓ 是不是发现自己写的提示词效果不是很好，没有别人搞的炫酷呢？ 👉 没事，今天炫酷的提示词来了，先来看下我生成的视频。我给大家提供了一个基础版提示词，只需要放到 Gemini 等 AI 工具中，然后说出你要做的事情，他就会给你生成一个对应的提示词，然后按照昨天教你的使用方式就可以直接生成视频了。什么？你说不懂提示词怎么用？考虑到了，看最后一个图片就好了。 ✅提示词见评论区

昨天给大家写了个小白如何使用seedance 2.0的教程想必大家都已经下载并且尝试了。 ❓ 是不是发现自己写的提示词效果不是很好，没有别人搞的炫酷呢？ 👉 没事，今天炫酷的提示词来了，先来看下我生成的视频。我给大家提供了一个基础版提示词，只需要放到 Gemini 等 AI 工具中，然后说出你要做的事情，他就会给你生成一个对应的提示词，然后按照昨天教你的使用方式就可以直接生成视频了。什么？你说不懂提示词怎么用？考虑到了，看最后一个图片就好了。 ✅提示词见评论区

阿蔺A-Lin

80,898 views • 8 months ago

在使用GPT4o 尝试做一个虚拟形象先是根据我的表情形象生成一个3D形象然后用即梦生成了视频测试，初步测试还是很成功的即梦的这个数字人功能还是很不错的，稳定性挺好下一步是我要克隆一个吸引人的声音，先测试几款声音克隆工具，回头再汇报...

在使用GPT4o 尝试做一个虚拟形象先是根据我的表情形象生成一个3D形象然后用即梦生成了视频测试，初步测试还是很成功的即梦的这个数字人功能还是很不错的，稳定性挺好下一步是我要克隆一个吸引人的声音，先测试几款声音克隆工具，回头再汇报...

小互

28,089 views • 1 year ago

邪大门。发个视频测试一下。

Sensitive content

邪大门。发个视频测试一下。

暮雨今日也在绝赞嘴臭中

45,664 views • 2 months ago

听说短剧公司都在搞Minimax H3 本地版这是视频生成的 Deepseek 时刻音视频同出，中国的蒜真的不一样这蒜力，拿来做口播，要起飞口播的几个流派： 1. 不露脸 2. 嘴唇模型，分本地和线上 3. 专属数字人模型 4. 视频生成模型接下来我口播的一个最后的版图，就是使用音视频同出的模型去做数字人，看看接下来能不能保持人物的一致性，应该问题不大。

听说短剧公司都在搞Minimax H3 本地版这是视频生成的 Deepseek 时刻音视频同出，中国的蒜真的不一样这蒜力，拿来做口播，要起飞口播的几个流派： 1. 不露脸 2. 嘴唇模型，分本地和线上 3. 专属数字人模型 4. 视频生成模型接下来我口播的一个最后的版图，就是使用音视频同出的模型去做数字人，看看接下来能不能保持人物的一致性，应该问题不大。

实践哥 Li

39,889 views • 3 months ago