正在加载视频...

视频加载失败

返回首页

开源 | 基于 DeepSeek、Kokoro TTS 与 Replicate 的多功能内容 AI 创作应用：故事、播客、图像、音频一站式生成 简介： 在本期视频中，我详细演示了一个整合 DeepSeek、Kokoro TTS 以及 Replicate 的多功能内容创作应用。 该应用我已开源，它可以一键生成故事、播客脚本并支持语音合成，还可通过 Replicate 进行图像创作。 我还分享了如何根据角色或场景灵活选择不同的声音和微调图像，以及如何在浏览器开发者工具和 Replicate 后台进行调试和错误排查。 无论你是想快速生成多角色故事、播客脚本，还是想尝试个性化图像生成，本视频都能为你提供实用的思路与示例。 时间戳： 0:00 - 项目开源和简介 0:53 - 应用演示 7:30 - Kokoro js 介绍 8:24 - Replicate API 调用说明 10:10 - Replicate 图片模型微调介绍 11:40 - 浏览器开发者工具调试 14:44...

nicekate8888's profile picture

nicekate

8,870 subscribers

39,492 次观看 • 1 年前 •via X (Twitter)

教育科学技术
LIVE

Anya Rossi• Live Now

Private livecam show

9 条评论

AssemblyAI 的头像
AssemblyAI1 年前

Announcing: Our most advanced speech-to-text model goes beyond accuracy to capture the real-world complexity of human conversation and deliver reliable, source-of-truth audio data. Explore Universal-2 updates 👇

yingbin 的头像
yingbin1 年前

可以做一个AI绘本网站了

Jimmy Ma 的头像
Jimmy Ma1 年前

太强了👍

ideaswork 的头像
ideaswork1 年前

自己开发的类似的网站 ，感觉你的项目使用流更方便一些，我的网站没什么用户，于是我近期发布了基于已发布网站创想家的开源版本 videoflow ，后续会参考你的项目进行开发，欢迎交流

骄傲的唐老鸭 的头像
骄傲的唐老鸭1 年前

已关注。。。

foxhu 的头像
foxhu1 年前

So cool! Thanks for sharing!

notice_u 的头像
notice_u1 年前

@readwise save thread

fudingyu 的头像
fudingyu1 年前

很棒！

Leoo 的头像
Leoo1 年前

优秀

相关视频

LayerDiffusion 能用了！作者更新了 README ，Forge 版已优先支持了基础的图像生成和图层功能，但是图生图部分尚未完成（作者说一周内），并且给出了详细的说明和示例，还给了一段演示预览视频，我特意从项目中摘了出来 视频来源与项目地址： 模型：
1:25

LayerDiffusion 能用了！作者更新了 README ，Forge 版已优先支持了基础的图像生成和图层功能，但是图生图部分尚未完成（作者说一周内），并且给出了详细的说明和示例，还给了一段演示预览视频，我特意从项目中摘了出来 视频来源与项目地址： 模型：

-Zho-

113,623 次观看 • 2 年前

用 AI 打造视频内容分析利器：一键获取视频洞察 | 整合 DeepSeek + AI IDE 这款工具基于 DeepSeek API，能自动分析视频字幕和评论，提供智能化的内容总结。 除了单个视频分析，还支持批量处理和字幕对话功能。 我不仅分享了 YouTube Data API 的使用方法，更重要的是展示了如何借助 AI IDE 实现高效开发。 时间戳： 0:00 - 项目介绍与功能演示 3:31 - 项目代码开源介绍 4:13 - YouTube Data API使用指南 5:48 - 项目架构与代码结构详解 6:50 - AI生成代码审查要点和高效使用技巧 8:58 - 用AI开发应用的规则和步骤分享 10:30 - 总结
11:05

用 AI 打造视频内容分析利器：一键获取视频洞察 | 整合 DeepSeek + AI IDE 这款工具基于 DeepSeek API，能自动分析视频字幕和评论，提供智能化的内容总结。 除了单个视频分析，还支持批量处理和字幕对话功能。 我不仅分享了 YouTube Data API 的使用方法，更重要的是展示了如何借助 AI IDE 实现高效开发。 时间戳： 0:00 - 项目介绍与功能演示 3:31 - 项目代码开源介绍 4:13 - YouTube Data API使用指南 5:48 - 项目架构与代码结构详解 6:50 - AI生成代码审查要点和高效使用技巧 8:58 - 用AI开发应用的规则和步骤分享 10:30 - 总结

nicekate

17,406 次观看 • 1 年前

#AI开源项目推荐：photoshot 开源 AI 头像生成器 Web 应用程序，包含了完整的网站、AI的API调用、支付等功能，即使你不做同类应用，如果你想做类似的收费AI项目，可以帮你节约很多前期开发工作。 技术栈： ▲ Next.js： Web 应用程序 🖼 Chakra UI ：UI 组件的 📦 Prisma：数据库 ORM 🧠 Replicate：一个运行机器学习模型的云平台 💰 Stripe：Stripe 支付 👩‍🎨 Stable Diffusion：开源文本到图像生成模型
1:28

#AI开源项目推荐：photoshot 开源 AI 头像生成器 Web 应用程序，包含了完整的网站、AI的API调用、支付等功能，即使你不做同类应用，如果你想做类似的收费AI项目，可以帮你节约很多前期开发工作。 技术栈： ▲ Next.js： Web 应用程序 🖼 Chakra UI ：UI 组件的 📦 Prisma：数据库 ORM 🧠 Replicate：一个运行机器学习模型的云平台 💰 Stripe：Stripe 支付 👩‍🎨 Stable Diffusion：开源文本到图像生成模型

宝玉

128,361 次观看 • 2 年前

【一款极简的文生图、文生视频程序】 老婆最近在搞文学创作，想要AI生图、生视频。我们试了下目前国内模型在武侠形象生成上优于海外，但她觉得目前千问万相调用API太复杂，想让我给她搞个小白可操作的，那么它来了： 让你能够用最简单的方式调用阿里云百炼的通义万相图片和视频生成 API，专注于提供极简的 API 和最佳的开发体验。 支持页面操作和Notebook自定义调试 开源地址： 欢迎试用 操作演示视频如下：
2:55

【一款极简的文生图、文生视频程序】 老婆最近在搞文学创作，想要AI生图、生视频。我们试了下目前国内模型在武侠形象生成上优于海外，但她觉得目前千问万相调用API太复杂，想让我给她搞个小白可操作的，那么它来了： 让你能够用最简单的方式调用阿里云百炼的通义万相图片和视频生成 API，专注于提供极简的 API 和最佳的开发体验。 支持页面操作和Notebook自定义调试 开源地址： 欢迎试用 操作演示视频如下：

岚叔

18,067 次观看 • 7 个月前

酷，上交大和阿里开源的一款AI多模态故事生成系统：MM-StoryAgent，多模态、多智能体框架 可以自动生成包含文字、图像以及多声道音频（旁白、音效、背景音乐）的故事视频，可用于儿童故事快速创作 故事生成采用多阶段写作流程，模拟专家和新手作家对话来优化故事质量，先生成故事大纲，再扩展为完整章节 框架中设计了多个智能体，把原始故事文本转换为模态特定的提示，通过“修订-审核”机制迭代优化提示，确保文本内容与不同模态的一致性，以及图像生成部分的角色一致性 #故事生成模型 #MMStoryAgent
1:47

酷，上交大和阿里开源的一款AI多模态故事生成系统：MM-StoryAgent，多模态、多智能体框架 可以自动生成包含文字、图像以及多声道音频（旁白、音效、背景音乐）的故事视频，可用于儿童故事快速创作 故事生成采用多阶段写作流程，模拟专家和新手作家对话来优化故事质量，先生成故事大纲，再扩展为完整章节 框架中设计了多个智能体，把原始故事文本转换为模态特定的提示，通过“修订-审核”机制迭代优化提示，确保文本内容与不同模态的一致性，以及图像生成部分的角色一致性 #故事生成模型 #MMStoryAgent

AIGCLINK

24,599 次观看 • 1 年前

在上个月，我分享了一个 Demo，很多人都来问我如何实现，我这里简单说下从前期生图到视频生成以及开发交付落地整个流程，希望能帮到你。 主要用到的工具是即梦（图片生成）和可灵（视频生成） 生成后的的视频可以通过配置图层混合来进行交付
1:54

在上个月，我分享了一个 Demo，很多人都来问我如何实现，我这里简单说下从前期生图到视频生成以及开发交付落地整个流程，希望能帮到你。 主要用到的工具是即梦（图片生成）和可灵（视频生成） 生成后的的视频可以通过配置图层混合来进行交付

Paidax

37,642 次观看 • 1 年前

牛P了 Vidu 的 Reference-to-Video 功能 支持一次性上传最多 7 张参考图片 并结合一段文字提示，生成具有高度一致性、风格统一、视觉保真度高的视频内容 参考图可以是人物、场景、道具等任意内容 下面是我的测试介绍... 利用 Vidu Q1 模型的多模态对齐机制 能实现结构保持、纹理迁移、风格还原同步完成 模型还会根据参考图和 Prompt 自动进行智能镜头推演，构建“视觉叙事”结构，如推镜头、平移、场景切换等 这是目前行业内首个支持多图引用、并具有角色/场景一致性的开放式视频生成工具。 下面是教程
1:24

牛P了 Vidu 的 Reference-to-Video 功能 支持一次性上传最多 7 张参考图片 并结合一段文字提示，生成具有高度一致性、风格统一、视觉保真度高的视频内容 参考图可以是人物、场景、道具等任意内容 下面是我的测试介绍... 利用 Vidu Q1 模型的多模态对齐机制 能实现结构保持、纹理迁移、风格还原同步完成 模型还会根据参考图和 Prompt 自动进行智能镜头推演，构建“视觉叙事”结构，如推镜头、平移、场景切换等 这是目前行业内首个支持多图引用、并具有角色/场景一致性的开放式视频生成工具。 下面是教程

小互

44,252 次观看 • 11 个月前

免费使用无限AI画布！tldraw Computer × Gemini 2.0 Flash & Image 3，一站式畅享AI创作 本视频将带您轻松生成高质量文本、图像与语音作品！ 时间戳： 0:00 - tldraw 简介 0:16 - 探索 tldraw Computer 的强大功能：结合 Gemini 与 Image 3 1:06 - 实例演示：tldraw Computer 生成文本、图像和语音 2:57 - 详细教程：如何使用 tldraw Computer 的各种组件 5:36 - 官方示例与进阶技巧：探索 tldraw Computer 的无限可能
8:59

免费使用无限AI画布！tldraw Computer × Gemini 2.0 Flash & Image 3，一站式畅享AI创作 本视频将带您轻松生成高质量文本、图像与语音作品！ 时间戳： 0:00 - tldraw 简介 0:16 - 探索 tldraw Computer 的强大功能：结合 Gemini 与 Image 3 1:06 - 实例演示：tldraw Computer 生成文本、图像和语音 2:57 - 详细教程：如何使用 tldraw Computer 的各种组件 5:36 - 官方示例与进阶技巧：探索 tldraw Computer 的无限可能

nicekate

13,749 次观看 • 1 年前

最近在折腾内容播客这块，想开个播客频道，把我的Xiaohu AI日报转成每日播客，试了很多，发现扣子空间的「播客音频生成」的功能挺符合我的预期。 它可以将任何内容一键转为语音播客 ，而且使用起来非常的方便 可以说是傻瓜式的 写了一批昂详细的多场景实测与详细使用指南，你们参考下。 你只需要说： 根据「你提供的链接、文档、图像、文字、聊天记录」内容，帮我生成xx分钟的播客内容。 就这样就可以了，没有什么复杂的，它就全自动执行
1:08

最近在折腾内容播客这块，想开个播客频道，把我的Xiaohu AI日报转成每日播客，试了很多，发现扣子空间的「播客音频生成」的功能挺符合我的预期。 它可以将任何内容一键转为语音播客 ，而且使用起来非常的方便 可以说是傻瓜式的 写了一批昂详细的多场景实测与详细使用指南，你们参考下。 你只需要说： 根据「你提供的链接、文档、图像、文字、聊天记录」内容，帮我生成xx分钟的播客内容。 就这样就可以了，没有什么复杂的，它就全自动执行

小互

84,207 次观看 • 1 年前

uiverse + v0 Chat + Cursor + Vercel: AI辅助Web开发全流程演示，从UI设计到快速部署 视频简介： 这个视频展示了高效Web开发流程，从UI组件选择到最终部署的每一步。 探讨了如何利用多种先进工具来简化开发过程并提高效率： uiverse：从这个开源UI组件库中选择并定制精美的界面元素。 v0 Chat：演示如何使用AI辅助开发工具来加速编码过程，解决复杂问题，并生成高质量代码。 Cursor：介绍如何使用这款AI驱动的代码编辑器进行代码优化和调试，提高代码质量。 Vercel：展示如何利用这个平台快速部署和发布Web应用。 时间戳: 00:00 高效Web开发流程简介 01:53 案例展示 03:06 天气应用开发演示 13:49 收音故事页面开发演示 18:33 总结
20:01

uiverse + v0 Chat + Cursor + Vercel: AI辅助Web开发全流程演示，从UI设计到快速部署 视频简介： 这个视频展示了高效Web开发流程，从UI组件选择到最终部署的每一步。 探讨了如何利用多种先进工具来简化开发过程并提高效率： uiverse：从这个开源UI组件库中选择并定制精美的界面元素。 v0 Chat：演示如何使用AI辅助开发工具来加速编码过程，解决复杂问题，并生成高质量代码。 Cursor：介绍如何使用这款AI驱动的代码编辑器进行代码优化和调试，提高代码质量。 Vercel：展示如何利用这个平台快速部署和发布Web应用。 时间戳: 00:00 高效Web开发流程简介 01:53 案例展示 03:06 天气应用开发演示 13:49 收音故事页面开发演示 18:33 总结

nicekate

20,818 次观看 • 1 年前

零基础教程：用Cursor和Gemini API打造你的第一个Chrome插件 今天我要和大家分享如何用Cursor和Gemini API制作一个Chrome浏览器插件，用来总结网页内容。 在视频中，我从头到尾演示了整个过程，包括获取API密钥、用Cursor写代码、调试插件功能，以及选择合适的Gemini模型版本。 我还介绍了一些实用技巧，比如从GitHub获取cookbook和使用AI Studio。 时间戳： 00:00 - 介绍我用Cursor制作的几个Chrome插件用法 08:08 - 演示如何获取Gemini API密钥 12:33 - 开始使用Cursor编写插件代码 16:16 - 调试和修改插件功能 20:29 - 讨论从GitHub获取cookbook和使用AI Studio 21:16 - 解释Gemini模型版本的选择和使用 22:12 - 视频总结和结束语
22:19

零基础教程：用Cursor和Gemini API打造你的第一个Chrome插件 今天我要和大家分享如何用Cursor和Gemini API制作一个Chrome浏览器插件，用来总结网页内容。 在视频中，我从头到尾演示了整个过程，包括获取API密钥、用Cursor写代码、调试插件功能，以及选择合适的Gemini模型版本。 我还介绍了一些实用技巧，比如从GitHub获取cookbook和使用AI Studio。 时间戳： 00:00 - 介绍我用Cursor制作的几个Chrome插件用法 08:08 - 演示如何获取Gemini API密钥 12:33 - 开始使用Cursor编写插件代码 16:16 - 调试和修改插件功能 20:29 - 讨论从GitHub获取cookbook和使用AI Studio 21:16 - 解释Gemini模型版本的选择和使用 22:12 - 视频总结和结束语

nicekate

65,732 次观看 • 1 年前

又一个新的AI应用开发工具 非常适合小白用户，开发好玩的简单应用 只需要描述奶底需求即可，所有生成的应用都可以直接通过网页访问，无需部署。 而且牛p的是支持下载生成好应用的源代码，包括前端+后端代码包😎 我测试生成了一个性格测试搞笑应用，还不错的，你们看看↓ 平台介绍是多个 AI 智能体协作完成任务 有专门负责理解你的想法的； 有的专门写代码； 有的专门设计界面 还有测试和优化功能的AI 一起工作
2:52

又一个新的AI应用开发工具 非常适合小白用户，开发好玩的简单应用 只需要描述奶底需求即可，所有生成的应用都可以直接通过网页访问，无需部署。 而且牛p的是支持下载生成好应用的源代码，包括前端+后端代码包😎 我测试生成了一个性格测试搞笑应用，还不错的，你们看看↓ 平台介绍是多个 AI 智能体协作完成任务 有专门负责理解你的想法的； 有的专门写代码； 有的专门设计界面 还有测试和优化功能的AI 一起工作

小互

20,076 次观看 • 1 年前

兄弟们 这个有点强啊 而且是完全开源的 感觉比OpenAI的演示的那个视觉能力还有点强 Molmo 一个开源的多模态模型，能够识别图像中的物体、场景和活动，并生成准确的描述。 Molmo还支持用户通过2D指向交互，例如用户可以通过手势或点击与图像中的对象进行互动。 Molmo使用的图像字幕数据集完全由人类注释者收集。模型能够根据输入的变化自动调整处理方式，适应不同类型的用户交互和数据格式。 Molmo在开源权重和数据模型中表现最佳，能够与一些专有系统（如GPT-4o、Claude 3.5和Gemini 1.5）相媲美。
2:15

兄弟们 这个有点强啊 而且是完全开源的 感觉比OpenAI的演示的那个视觉能力还有点强 Molmo 一个开源的多模态模型，能够识别图像中的物体、场景和活动，并生成准确的描述。 Molmo还支持用户通过2D指向交互，例如用户可以通过手势或点击与图像中的对象进行互动。 Molmo使用的图像字幕数据集完全由人类注释者收集。模型能够根据输入的变化自动调整处理方式，适应不同类型的用户交互和数据格式。 Molmo在开源权重和数据模型中表现最佳，能够与一些专有系统（如GPT-4o、Claude 3.5和Gemini 1.5）相媲美。

小互

44,263 次观看 • 1 年前

终于来了！ Midjourney角色一致性功能发布. 下面视频是网站的使用方法和介绍： 这个功能和之前的风格参照很相似，不同之处在于它不是匹配一个特定风格，而是让角色与给定的角色参照图像相符合。 如何使用： 在你输入的指令后面加上 --cref URL，URL是你选择的角色图像的链接。 你还可以用 --cw 来调整参照的“强度”，范围从100到0。 默认的强度是100 (--cw 100)，这时会参考人物的脸部、发型和衣着。 如果设置为强度0 (--cw 0)，那么系统只会关注脸部（这对于更换服饰或发型很有帮助）。 适用范围： 这个功能最适合用于Midjourney创作的角色图像。不太适合用于真人照片（可能会产生一些扭曲，就像普通图像提示那样）。 Cref的工作方式类似于普通图像提示，但它更专注于角色的特征。 但请注意，这项技术的精确度是有限的，它无法复制极其细微的特征，比如特定的酒窝、雀斑或T恤上的标志。 Cref同样适用于Niji和普通MJ模型，并且可以与--sref一起使用。 高级功能： 你可以使用多个URL，通过 --cref URL1 URL2 的方式来结合多个图像中的角色信息（这和使用多重图像或风格提示类似）。 在web alpha版本中如何操作： 只需将图片拖动或粘贴到想象工具栏，你会看到三个图标。选择这些图标之一，可以设置图片用作图像提示、风格参照或角色参照。如果你想让一张图像同时用于多个类别，只需按住Shift键再选择。 请记住，由于MJ V6目前还处于alpha测试阶段，这个和其他功能可能会有所变化。但不久后，我们会推出官方的V6 beta版。
0:42

终于来了！ Midjourney角色一致性功能发布. 下面视频是网站的使用方法和介绍： 这个功能和之前的风格参照很相似，不同之处在于它不是匹配一个特定风格，而是让角色与给定的角色参照图像相符合。 如何使用： 在你输入的指令后面加上 --cref URL，URL是你选择的角色图像的链接。 你还可以用 --cw 来调整参照的“强度”，范围从100到0。 默认的强度是100 (--cw 100)，这时会参考人物的脸部、发型和衣着。 如果设置为强度0 (--cw 0)，那么系统只会关注脸部（这对于更换服饰或发型很有帮助）。 适用范围： 这个功能最适合用于Midjourney创作的角色图像。不太适合用于真人照片（可能会产生一些扭曲，就像普通图像提示那样）。 Cref的工作方式类似于普通图像提示，但它更专注于角色的特征。 但请注意，这项技术的精确度是有限的，它无法复制极其细微的特征，比如特定的酒窝、雀斑或T恤上的标志。 Cref同样适用于Niji和普通MJ模型，并且可以与--sref一起使用。 高级功能： 你可以使用多个URL，通过 --cref URL1 URL2 的方式来结合多个图像中的角色信息（这和使用多重图像或风格提示类似）。 在web alpha版本中如何操作： 只需将图片拖动或粘贴到想象工具栏，你会看到三个图标。选择这些图标之一，可以设置图片用作图像提示、风格参照或角色参照。如果你想让一张图像同时用于多个类别，只需按住Shift键再选择。 请记住，由于MJ V6目前还处于alpha测试阶段，这个和其他功能可能会有所变化。但不久后，我们会推出官方的V6 beta版。

歸藏(guizang.ai)

73,868 次观看 • 2 年前