Loading video...

Video Failed to Load

Go Home

我的数字人跑出来了，各位领导这效果怎么样？ 本地模型训练的，不用花钱😜

ai_xiaomu's profile picture

黄小木

40,783 subscribers

14,429 views • 2 days ago •via X (Twitter)

LIVE

Anya Rossi• Live Now

Private livecam show

0 Comments

No comments available

Comments from the original post will appear here

Related Videos

有人在之前推文里问像这样的数字人是怎么做的，推荐 HeyGen 这款数字人产品。它可以选择不同的数字人，套用不同的模板，生成各种演说类的视频 口型准确，效果还是很逼真的，如果你不会的话，也可以找我。 🔗 #AIgirl #aitools
0:20

有人在之前推文里问像这样的数字人是怎么做的，推荐 HeyGen 这款数字人产品。它可以选择不同的数字人，套用不同的模板，生成各种演说类的视频 口型准确，效果还是很逼真的，如果你不会的话，也可以找我。 🔗 #AIgirl #aitools

Cellier

132,160 views • 3 years ago

不是，这美体，效果是怎么给我凭空捏了两个奶子出来的啊。 早知道你效果这么好，我就画个妆了真是的…
0:11

Sensitive content

不是，这美体，效果是怎么给我凭空捏了两个奶子出来的啊。 早知道你效果这么好，我就画个妆了真是的…

小林緑子

86,117 views • 2 years 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。
0:15

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MinLi

34,687 views • 3 days ago

Grok还是太权威了，难怪那么多人做短剧不用Seedance2.0都用上Grok了，关键是你用Grok生成视频还不会变成AI建模脸，就这个已经领先一众视频模型一大截了吧，这个效果你们觉得怎么样？
0:10

Grok还是太权威了，难怪那么多人做短剧不用Seedance2.0都用上Grok了，关键是你用Grok生成视频还不会变成AI建模脸，就这个已经领先一众视频模型一大截了吧，这个效果你们觉得怎么样？

科技俊 | Tech Jun

34,682 views • 11 days ago

大家都在想做真人数字人，但我想的是另一个方向。 如果我们不是用真人，并且用嘴型贴图 + 音素对齐来根据文字安排图片切换，模拟实时说话的效果，那成本会降低超级多！ 并且真人数字人还有一个缺点是目前怎么也解决不了的，那就是看起来太假了。 而使用二次元形象就没有这个问题，反正大家都知道二次元是假的哈哈。 应该今晚就能验证出结果了，期待一下吧…… PS：Grok 又把 15s 的视频生成上架了，上上下下的不知道在干嘛
0:15

大家都在想做真人数字人，但我想的是另一个方向。 如果我们不是用真人，并且用嘴型贴图 + 音素对齐来根据文字安排图片切换，模拟实时说话的效果，那成本会降低超级多！ 并且真人数字人还有一个缺点是目前怎么也解决不了的，那就是看起来太假了。 而使用二次元形象就没有这个问题，反正大家都知道二次元是假的哈哈。 应该今晚就能验证出结果了，期待一下吧…… PS：Grok 又把 15s 的视频生成上架了，上上下下的不知道在干嘛

柴郡🔔｜Crypto+AI Plus

22,048 views • 12 days ago

Memo 可以使用本地大模型离线翻译视频和字幕了！ - 保护隐私：意味着你的私密会议、对话不会被传到互联网 - 省钱：不过换算硬件和电费，也省不了多少钱 - 延迟低，断网可用：无网环境下，真的需要不耽误事 测试翻译效果的话，越大模型效果会好一些。
0:10

Memo 可以使用本地大模型离线翻译视频和字幕了！ - 保护隐私：意味着你的私密会议、对话不会被传到互联网 - 省钱：不过换算硬件和电费，也省不了多少钱 - 延迟低，断网可用：无网环境下，真的需要不耽误事 测试翻译效果的话，越大模型效果会好一些。

Memo AI

52,543 views • 2 years ago

这个AI效果牛B了！ 微表情做的太到位了。 用image 2生图模型，Seedance 2.0视频模型。 提示词⬇️
0:14

这个AI效果牛B了！ 微表情做的太到位了。 用image 2生图模型，Seedance 2.0视频模型。 提示词⬇️

领哥LingGe🙏

20,068 views • 17 days ago

有人说我对日本地震怎么这么没有同情心。我没笑出声来，已经是最大的礼貌了。
0:10

有人说我对日本地震怎么这么没有同情心。我没笑出声来，已经是最大的礼貌了。

杨凡❤

214,250 views • 2 years ago

我的私信怎么没有人给我发神秘8位数字 哎
0:18

我的私信怎么没有人给我发神秘8位数字 哎

egg

15,823 views • 1 month ago

这么跌下去，估计要套很久很久了。 可是我出的金已经花光了。 10月份出的10万刀都花光了。 本来寻思能花个两三年的。 币也不能卖，这个价格卖出，是绝对不可能的。 我不知道接下来的生活该如何继续。 如果再给我一次机会，我一定会少花钱，多出金。 就不至于这么窘迫了。 本文由 #BCGAME 赞助｜BC.GAME
0:17

这么跌下去，估计要套很久很久了。 可是我出的金已经花光了。 10月份出的10万刀都花光了。 本来寻思能花个两三年的。 币也不能卖，这个价格卖出，是绝对不可能的。 我不知道接下来的生活该如何继续。 如果再给我一次机会，我一定会少花钱，多出金。 就不至于这么窘迫了。 本文由 #BCGAME 赞助｜BC.GAME

王短鸟 (长鸟版)

109,325 views • 6 months ago

发现一个开源小模型，在GitHub上已经斩获 5w star，还登上了Trending榜单。 用它可以让你只用3块钱、花两个小时，就能训练出一个仅有25.8M参数的超小语言模型。 主打极致轻量化，最小版本体积只有 GPT-3 的 1/2700。 而且还开源了 tokenizer 分词器训练，包含 Pretrain、SFT等全过程训练代码，甚至拓展了视觉多模态的MiniMind-V。 所有训练脚本均为 PyTorch 原生实现，兼容MoE混合专家模型架构，基本实现了对大语言模型全阶段的开源复现
0:13

发现一个开源小模型，在GitHub上已经斩获 5w star，还登上了Trending榜单。 用它可以让你只用3块钱、花两个小时，就能训练出一个仅有25.8M参数的超小语言模型。 主打极致轻量化，最小版本体积只有 GPT-3 的 1/2700。 而且还开源了 tokenizer 分词器训练，包含 Pretrain、SFT等全过程训练代码，甚至拓展了视觉多模态的MiniMind-V。 所有训练脚本均为 PyTorch 原生实现，兼容MoE混合专家模型架构，基本实现了对大语言模型全阶段的开源复现

阿西_出海

54,965 views • 1 month ago

全网都在吹日本Fugu跑分超GPT，但我敢说99%的人没看懂它真正炸场的地方。 首先这玩意儿根本不是什么超大单体大模型， 它全身上下只有0.6B参数，本职工作就其实就是个AI项目经理， 简单任务自己处理，复杂任务自动拆分，从全球顶级模型池里挑最合适的选手，分配思考执行验证三种角色，多轮协作最后合成答案。 你调用它和调普通模型没区别，一行API的事， 但背后的编排策略是训练出来的，不是人手写prompt调路由磨出来的，它可以发掘出人类根本想不到的协作模式。 我觉得最狠的还不是跑分超了Claude和GPT，关键是它直接绕开了scaling law的军备竞赛。 不用堆万亿参数，不用砸超算中心，靠更聪明的协作机制就能摸到前沿模型的天花板，AI的竞争第一次从拼参数变成了拼管理。 当然不是银弹，比如黑箱不透明，复杂任务延迟更高，简单题用它反而更贵。 但这件事的信号意义比跑分数字重要一百倍，意味着多智能体编排从实验室玩具正式变成了可用的生产力工具。 orchestration layer这条新赛道，今天正式开跑咯🚀
0:10

全网都在吹日本Fugu跑分超GPT，但我敢说99%的人没看懂它真正炸场的地方。 首先这玩意儿根本不是什么超大单体大模型， 它全身上下只有0.6B参数，本职工作就其实就是个AI项目经理， 简单任务自己处理，复杂任务自动拆分，从全球顶级模型池里挑最合适的选手，分配思考执行验证三种角色，多轮协作最后合成答案。 你调用它和调普通模型没区别，一行API的事， 但背后的编排策略是训练出来的，不是人手写prompt调路由磨出来的，它可以发掘出人类根本想不到的协作模式。 我觉得最狠的还不是跑分超了Claude和GPT，关键是它直接绕开了scaling law的军备竞赛。 不用堆万亿参数，不用砸超算中心，靠更聪明的协作机制就能摸到前沿模型的天花板，AI的竞争第一次从拼参数变成了拼管理。 当然不是银弹，比如黑箱不透明，复杂任务延迟更高，简单题用它反而更贵。 但这件事的信号意义比跑分数字重要一百倍，意味着多智能体编排从实验室玩具正式变成了可用的生产力工具。 orchestration layer这条新赛道，今天正式开跑咯🚀

AYi

232,940 views • 1 month ago

「熊猫吃短信2 - 垃圾短信过滤」新版更新啦。最近又迷恋上了训练小模型，把以前的模型训练过程几乎重新调整了一遍。我让大模型自己尝试超参组合，不断的做实验，代替搜索算法，它夜以继日的跑了半个月，最后告诉我，我的经验参数就是最优的。
0:12

「熊猫吃短信2 - 垃圾短信过滤」新版更新啦。最近又迷恋上了训练小模型，把以前的模型训练过程几乎重新调整了一遍。我让大模型自己尝试超参组合，不断的做实验，代替搜索算法，它夜以继日的跑了半个月，最后告诉我，我的经验参数就是最优的。

Baye

51,079 views • 2 months ago

注意了，不是真的出来了，只是装装样子！（毕竟我肯定不能这么快） 总之各位看着开心就差不多了 #kigurumi
0:16

注意了，不是真的出来了，只是装装样子！（毕竟我肯定不能这么快） 总之各位看着开心就差不多了 #kigurumi

浅水基

34,692 views • 1 year ago

Distil-Whisper：让语音识别的速度提高 5.8 倍，参数减少 51%，准确度保持在 99%。 Whisper 在语音识别方面表现卓著，但是它有一个明显的缺点：训练出来的小模型支持的语言比较少，而大模型推理速度又很慢。如果你有海量的数据需要处理，或者对实时性要求略高，那使用 Whisper 可能会让你比较头疼。 你可以使用工程手段来加速推理，例如将语音分片后并发处理然后合并结果，但这里涉及到本地计算资源瓶颈的问题，以及合并分片时容错处理的问题，工程复杂度比较高。 《Distil-Whisper: Robust Knowledge Distillation via Large-Scale Pseudo Labelling 》， Whisper 的 Large-v2 model 生成了一系列的 soft targets（也就是概率分布），然后复制 Whisper 网络的第一层和最后一层解码器，最后生成了一个更小、更快效果更好的蒸馏模型 Distil-Whisper。论文数据写的是：速度提高了 5.8 倍，参数减少了 51%，准确度保持在 99%。 这个模型的效果之所以不错，主要还是得益于训练数据的完备，它结合了九个公开可用的语音识别数据集，合并后包含 21170 小时的语音数据，涵盖超过 18260 名说话者和 10 个不同的领域；自从 Whisper 大力出奇迹（它从互联网爬取了 68w 小时的数据，未公开）以后，相信后续语音领域的论文都会配置更庞大的数据集。 Distil-Whisper 目前开源在 Hugging Face 上，模型地址： Demo： Demo 会把模型下载到本地，然后通过 WebGPU 直接在网页上跑起来，测试了下效果，还是挺不错的。 目前仅支持英文，如果想让它支持中文，需要使用同样海量的中文语料数据，重新做一次知识蒸馏，但我觉得即便是这样做，效果也不一定好，因为 Whisper 本身对中文、韩语等支持就不太优秀，这个信息可以从 Whisper 的论文中找到数据支撑。 下面这个视频是 Whisper 和 Distil-Whisper 的对比效果：
0:16

Distil-Whisper：让语音识别的速度提高 5.8 倍，参数减少 51%，准确度保持在 99%。 Whisper 在语音识别方面表现卓著，但是它有一个明显的缺点：训练出来的小模型支持的语言比较少，而大模型推理速度又很慢。如果你有海量的数据需要处理，或者对实时性要求略高，那使用 Whisper 可能会让你比较头疼。 你可以使用工程手段来加速推理，例如将语音分片后并发处理然后合并结果，但这里涉及到本地计算资源瓶颈的问题，以及合并分片时容错处理的问题，工程复杂度比较高。 《Distil-Whisper: Robust Knowledge Distillation via Large-Scale Pseudo Labelling 》， Whisper 的 Large-v2 model 生成了一系列的 soft targets（也就是概率分布），然后复制 Whisper 网络的第一层和最后一层解码器，最后生成了一个更小、更快效果更好的蒸馏模型 Distil-Whisper。论文数据写的是：速度提高了 5.8 倍，参数减少了 51%，准确度保持在 99%。 这个模型的效果之所以不错，主要还是得益于训练数据的完备，它结合了九个公开可用的语音识别数据集，合并后包含 21170 小时的语音数据，涵盖超过 18260 名说话者和 10 个不同的领域；自从 Whisper 大力出奇迹（它从互联网爬取了 68w 小时的数据，未公开）以后，相信后续语音领域的论文都会配置更庞大的数据集。 Distil-Whisper 目前开源在 Hugging Face 上，模型地址： Demo： Demo 会把模型下载到本地，然后通过 WebGPU 直接在网页上跑起来，测试了下效果，还是挺不错的。 目前仅支持英文，如果想让它支持中文，需要使用同样海量的中文语料数据，重新做一次知识蒸馏，但我觉得即便是这样做，效果也不一定好，因为 Whisper 本身对中文、韩语等支持就不太优秀，这个信息可以从 Whisper 的论文中找到数据支撑。 下面这个视频是 Whisper 和 Distil-Whisper 的对比效果：

Barret李靖

124,227 views • 2 years ago

遥遥领先的中国AI机器人，花几万买来除了秀出自己的智商和机器人的智障，看不出来还有什么用，搞不好还有赔钱的事情要发生！😂😂😂
0:11

遥遥领先的中国AI机器人，花几万买来除了秀出自己的智商和机器人的智障，看不出来还有什么用，搞不好还有赔钱的事情要发生！😂😂😂

老司机

12,096 views • 1 year ago

Grok 4.5怎么能这么快，关键质量非常不错 上传了我个人网站的 prd 后，3min 就生成了，整体效果非常的不错
0:12

Grok 4.5怎么能这么快，关键质量非常不错 上传了我个人网站的 prd 后，3min 就生成了，整体效果非常的不错

Sac

20,102 views • 1 month ago

各位好好的看一下，地上黄黄的大瓶子，里面是不是尿？ 那么问题来了，如果这是尿，那么户主小姐姐是怎么把尿弄进瓶子的？
0:12

各位好好的看一下，地上黄黄的大瓶子，里面是不是尿？ 那么问题来了，如果这是尿，那么户主小姐姐是怎么把尿弄进瓶子的？

🌿长大以后要变老虎🌱🌙

413,952 views • 6 months ago

我的邻居有一位艺术培训老师，来找她的络绎不绝，学生来了就在她家练，钢琴，小号，各种弹奏吹奏的乐器，多年来不胜其扰，周六周日更不得安生。 甚至疫情期间也没怎么间断过，可能是要艺考的学生。 到了2023年，来的人就逐渐少了，开始还是一天到晚不断，慢慢的就间或有之，再后来就完全听不到了。 很多人说感受不到经济的下行，我也是，我周围的亲朋好友们该怎么样还怎么样，吃喝玩乐一如既往。 但是从这位艺术培训老师的生意，可见经济已经下行到了什么程度。
0:19

我的邻居有一位艺术培训老师，来找她的络绎不绝，学生来了就在她家练，钢琴，小号，各种弹奏吹奏的乐器，多年来不胜其扰，周六周日更不得安生。 甚至疫情期间也没怎么间断过，可能是要艺考的学生。 到了2023年，来的人就逐渐少了，开始还是一天到晚不断，慢慢的就间或有之，再后来就完全听不到了。 很多人说感受不到经济的下行，我也是，我周围的亲朋好友们该怎么样还怎么样，吃喝玩乐一如既往。 但是从这位艺术培训老师的生意，可见经济已经下行到了什么程度。

Leige

24,670 views • 6 months ago