Загрузка видео...

Не удалось загрузить видео

На главную

我真的震惊,Opus 5.5 杀死比赛!打开这个页面:一只戴头盔、围红围巾的白鹈鹕,骑着复古单车沿海岸线追鱼。黄昏、星空、海浪、路灯,全部实时生成,没有一张外部贴图。 很多人以为这只是又一个好看的前端彩蛋。 不是! 「鹈鹕骑自行车」本来是程序员圈里最阴间的模型测试题。Simon Willison 当年故意选它,就是因为网上几乎没有现成素材,模型很难抄作业。以前考的是:你能不能画出一只 squish 的 SVG 鹈鹕,轮子别画成椭圆,翅膀别穿模。 现在这题被 Claude Opus 5.5 做成了能玩的实时 3D 小游戏。作者 riba2534 说,从头到尾基本就一句提示词。 卧槽点不在“鸟会骑车”,在它把一整条制作管线自己串完了: 程序化建模,不是贴一张漂亮图。 双骨骼 IK + 真实踩踏,踏频能到 100+ rpm,滑行还有棘轮声。 围巾是 Verlet 布料,会跟着风和车速甩。 海面是 Gerstner 浪,不是一张循环 GIF。 昼夜能转,按 N 能快进 3 小时,黄昏会变成星空。 背景音乐是实时合成的,节奏跟着踏频走。 还能变道抓鱼、跳跃、放手特技、按铃、鹈鹕大叫,有 14 个成就,金鱼值 5 分。 几秒不操作,它自己会开自动驾驶去追鱼。 这已经不是“AI...

13,936 просмотров • 1 месяц назад •via X (Twitter)

Комментарии: 8

Фото профиля Anthony
Anthony1 месяц назад

现在ai大脑这个赛道的确竞争太激烈了

Фото профиля ⧫ Alan Chen ⧫(alanchentsla.eth)
⧫ Alan Chen ⧫(alanchentsla.eth)1 месяц назад

卷

Фото профиля Frank
Frank1 месяц назад

鹈胡骑车是不是被各大模型特定优化了? 换个凯萨骑北极熊试试

Фото профиля ⧫ Alan Chen ⧫(alanchentsla.eth)
⧫ Alan Chen ⧫(alanchentsla.eth)1 месяц назад

还是你有创意

Фото профиля Lan Wei
Lan Wei1 месяц назад

下次后训练针对鹈鹕测试专门做一个优化。😂😂😂

Фото профиля 0xted
0xted1 месяц назад

不是现在大家都用这道题 难道这些ai公司不会针对性过拟合嘛

Фото профиля 开发者猫叔
开发者猫叔1 месяц назад

看看我的鹈鹕骑摩托车哈哈

Фото профиля jerrygao
jerrygao1 месяц назад

prompt 让它生成 SVG,结果生成 3D 游戏的话只能说所问非所答

Похожие видео

一辆快 10 年的 Model S,自己开进了修理店。 Jason Cammisa 坐进那辆 2016 年的 Tesla,本来只是想试一下它还能不能自己开。 结果它从出发地一路开到修理店,他几乎没有碰任何东西,车也没有出问题。 更夸张的是,它最后自己拐进了停车场。 这辆老车缺的是车内摄像头。 新车会盯着驾驶者,判断你有没有专心,然后决定监督版 FSD 能不能继续工作。 老车看不到人,但软件能力还在往前走。 他的 2019 款 e-Golf,出厂那一刻基本就被封死了。 3G 退役后,车里的调制解调器变成摆设。 它不能和外界通信,不能自己更新。 真要改点什么,还得开去经销商,付钱,让他们做一点极其有限的操作。 更尴尬的是,经销商通常也不会主动做。 除非召回,除非被迫。 一辆还在保修期内的车,功能却可以被厂商一句“停用”收走。 Tesla 那边是另一套逻辑。 同样是老车,它后来多了哨兵模式,多了行车记录仪,多了盲点监测。 这些功能最初并不存在,后来被软件推了进去。 汽车行业最怕承认的一点在这里。 很多车卖出去以后,生命就开始倒计时。 Tesla 卖出去以后,车还在长大。 软件定义汽车这个概念,听起来像营销词。 可当一辆十年前的车还在获得新功能,还能完成一段真实道路驾驶时,它就变成了机械时代和软件时代的分水岭。

墓碑科技

27,374 просмотров • 6 месяцев назад

星爷讽刺了世间一切,唯独没有讽刺爱情,: 原来是如此的隐喻,到现在才明白,感谢星爷,只是我们弄脏了爱情。 —— 我之前一直对 zkML 有点矛盾。 逻辑上它很美:模型是对的,而且你还能证明它是对的。 但每次真去看实现,基本都会卡在同一个地方——跑不起来。 不是“慢一点”,而是那种一看资源占用就知道不可能进生产的跑不起来。 模型稍微大点,电路直接失控,内存、时间全都爆表, 最后只能留在论文和 demo 里自嗨。 所以我第一次认真看 Inference Labs 的时候,关注点反而不在“zk”, 而在他们是不是愿意承认:这玩意本质是工程问题。 DSperse 给我的感觉,就是终于有人不再执念“一次性证明整个模型”。 模型切开、并行跑、只验证关键路径, 听起来很朴素,但恰恰是工程师会选的路。 不是最优雅,但能活。 JSTprove 则更现实。 你不需要懂零知识、也不用研究电路怎么写, 把 ONNX 模型丢进去,能转、能跑、能验, 这点其实比很多“性能提升 10%”更重要。 这两块拼在一起之后,zkML 才第一次让我觉得: 它不是在证明“我可以”, 而是在回答“你要不要真用”。 对我来说,zkML 的拐点从来不是密码学突破, 而是有没有人愿意为“跑得起来”妥协设计。 Inference Labs 看起来,至少选了这一边。 懂你意思了,这版我会刻意留下不完美、主观判断和情绪停顿,像是你自己琢磨出来的,而不是“写给别人看的技术解读”。 —— 我之前一直对 zkML 有点矛盾。 逻辑上它很美:模型是对的,而且你还能证明它是对的。 但每次真去看实现,基本都会卡在同一个地方——跑不起来。 不是“慢一点”,而是那种一看资源占用就知道不可能进生产的跑不起来。 模型稍微大点,电路直接失控,内存、时间全都爆表, 最后只能留在论文和 demo 里自嗨。 所以我第一次认真看 Inference Labs 的时候,关注点反而不在“zk”, 而在他们是不是愿意承认:这玩意本质是工程问题。 DSperse 给我的感觉,就是终于有人不再执念“一次性证明整个模型”。 模型切开、并行跑、只验证关键路径, 听起来很朴素,但恰恰是工程师会选的路。 不是最优雅,但能活。 JSTprove 则更现实。 你不需要懂零知识、也不用研究电路怎么写, 把 ONNX 模型丢进去,能转、能跑、能验, 这点其实比很多“性能提升 10%”更重要。 这两块拼在一起之后,zkML 才第一次让我觉得: 它不是在证明“我可以”, 而是在回答“你要不要真用”。 对我来说,zkML 的拐点从来不是密码学突破, 而是有没有人愿意为“跑得起来”妥协设计。 Inference Labs 看起来,至少选了这一边。懂你意思了,这版我会刻意留下不完美、主观判断和情绪停顿,像是你自己琢磨出来的,而不是“写给别人看的技术解读”。 —— 我之前一直对 zkML 有点矛盾。 逻辑上它很美:模型是对的,而且你还能证明它是对的。 但每次真去看实现,基本都会卡在同一个地方——跑不起来。 不是“慢一点”,而是那种一看资源占用就知道不可能进生产的跑不起来。 模型稍微大点,电路直接失控,内存、时间全都爆表, 最后只能留在论文和 demo 里自嗨。 所以我第一次认真看 Inference Labs 的时候,关注点反而不在“zk”, 而在他们是不是愿意承认:这玩意本质是工程问题。 DSperse 给我的感觉,就是终于有人不再执念“一次性证明整个模型”。 模型切开、并行跑、只验证关键路径, 听起来很朴素,但恰恰是工程师会选的路。 不是最优雅,但能活。 JSTprove 则更现实。 你不需要懂零知识、也不用研究电路怎么写, 把 ONNX 模型丢进去,能转、能跑、能验, 这点其实比很多“性能提升 10%”更重要。 这两块拼在一起之后,zkML 才第一次让我觉得: 它不是在证明“我可以”, 而是在回答“你要不要真用”。 对我来说,zkML 的拐点从来不是密码学突破, 而是有没有人愿意为“跑得起来”妥协设计。 Inference Labs 看起来,至少选了这一边。#KaitoYap Kaito AI 🌊 #Yap Inference Labs

董小姐 |上Gate玩事件合约

36,252 просмотров • 11 месяцев назад

玉伯之前发了一条推文,说问了很多牛人下一个大模型会有什么惊艳发布,其中一个预测是:可实时生成的视频。 其实我当时没太理解什么是实时生成视频,直到我看了 PixVerse R1 的演示视频,实际体验了一把,才算是理解了什么是实时生成视频,以及它带来的想象空间有多大。 PixVerse R1 可以说是全球首个实时生成模型了,是 PixVerse 自研的大模型。 如果你看了这个视频演示,你会发现它和传统的 AI 视频生成完全不是一回事。演示里是一个"魔法水族箱",金鱼在水草间游动,你打一句话,画面立刻响应。输入"一只小龙虾",红色的鳌虾就趴在石子上了;打"几只蓝色小水母",半透明的水母就漂出来了;说"一条鲨鱼",鲨鱼就从左边游进画面。不是生成完再播放,是你说一句、它变一帧,像在跟视频对话。 更厉害的是复杂交互。你打"一只手伸进去抓鱼",真的有只手从上方探入水中捞鱼;说"用渔网捞",绿色的捞网就出现把金鱼网住了。场景也能随便加——"出现一艘沉船",海盗船模型就沉在鱼缸里了;"掉进去一个棒棒糖",红白旋涡的巨型棒棒糖就躺在石子上,超现实。最离谱的是你还能控制镜头:打"镜头拉远,一个孩子正在看水族箱",视角瞬间从鱼缸内部切到外面,一个小男孩背对着你站在水族箱前。 在实际体验的时候,我也发现一个问题:人的反应速度跟不上视频生成的速度。AI 生成太快了,我写提示词的手速跟不上。但这应该不是大问题,完全可以语音指挥,让 AI 来实时写提示词。 实时生成这个方向打开的想象空间太大了。 直播?想象一下,主播说“今天心情好,给我换个海边背景”,下一秒人就站在马尔代夫的沙滩上了。弹幕刷“下雨”,雨就下了;刷“放烟花”,天上就炸开了。观众不再是观众,是共创者。 游戏?你对着屏幕说“我要进一个赛博朋克风格的酒吧”,酒吧就生成出来了,霓虹灯、全息广告、调酒机器人,全是根据你那句话现编的。不需要提前建模,每个玩家看到的世界都不一样。 教育?老师讲二战诺曼底登陆,不用再放 PPT 了,直接说“给我生成一段盟军抢滩的画面”,学生眼前就是士兵跳下登陆艇、冲向海滩的场景。讲到哪,演到哪。 互动影视?男女主角站在分岔路口,观众投票往左走还是往右走,视频实时往那个方向演下去。每个人看到的结局都可能不一样。 这模糊了视频和游戏、直播、互动内容的边界。视频不再是“做好了给你看”的东西,而是“你说了算”的东西。 PixVerse R1 作为第一个吃螃蟹的出现了,接下来看谁跟上。 如果你能实时控制视频里的一切,你第一个想玩什么?

宝玉

78,956 просмотров • 10 месяцев назад

做 AI 短剧、小说号、AI 视频号的,可以重点看一下这个开源项目,叫 Toonflow-app。 它不是那种「输入一句话,直接给你生成一个视频」的玩具。 那种东西看演示很爽,真要拿来做内容,很快就会发现一地鸡毛:角色不一致,剧情接不上,分镜乱飞,素材越堆越多,最后文件夹里全是废片。 Toonflow 解决的是更前面的事。 它把小说、故事、剧本、角色、分镜、图片素材、视频节点,全部放进一个工作台里。 展示形态更像一个 AI 短剧生产后台,不是单纯聊天框。你可以导入小说,让它拆章节事件,生成故事骨架,再改成剧本,然后进入画布,把角色、场景、镜头、视频生成节点串起来。 这就有点意思了。 AI 视频真正难的,从来不是生成一个 5 秒镜头。 难的是你能不能把一堆镜头、一堆角色、一条剧情线,稳定组织成一个能看的作品。 Toonflow 的核心玩法就是:把「小说到短剧」这条流程拆开,再让不同 AI 模型去处理不同环节。 写剧本用文本模型,出角色图用图片模型,生成镜头用视频模型,最后在工作台里统一管理。 这类项目最适合三种人: 小说号想升级成 AI 漫剧。 短剧团队想降低前期试错成本。 AI 视频创作者想从单条演示,升级成连续内容生产。 说实话,这才是 AI 视频工具接下来该卷的方向。 不是炫一个镜头有多炸,而是能不能把内容稳定做出来。

老杨啊 | AI产品商业化

17,640 просмотров • 5 месяцев назад

我把 AI 解说视频,彻底做成了一条“无人流水线” 丢进去文案和声音,后面的配音、分镜、画面、字幕、合成基本全自动 开源 4 天,350+ Stars,1000+ 人收藏。今天一次性把 cs-board 的全部功能讲透 并且新增加了自媒体封面修改功能,内置十种风格(还可以diy)还有市面上所有封面的尺寸(图二)👇 cs-board已经从一个 AI 白板视频工具,越改越像一个真正的 AI 内容生产工作台 以前用 AI 做一条内容,流程基本是这样的: 写文案 → 找模型改稿 → 克隆声音 → 拆分镜 → 生图 → 调风格 → 做动画 → 加字幕 → 做封面 → 导出 问题不是 AI 不够强 而是: 每一步都很强,但每一步都是孤岛 你要不断复制粘贴、切工具、重新上传素材、重新解释人物是谁、重新告诉模型你要什么风格 最后不是 AI 在替你工作,而是你成了 AI 工具之间的“人肉 API” 所以 cs-board 现在做的事情,本质上不是继续堆 AI 功能 而是把这些步骤做成一个有状态的内容生产工作台 1️⃣ 为什么我没有直接做“一键生成视频” 因为真正影响内容质量的,从来不是“一键” 而是中间状态能不能被控制和复用 比如现在 cs-board 生成一条视频,中间会留下: 配音 → 分镜 → 图片 → 分段视频 → 最终成片 这些都不是一次性的临时结果,而是检查点 假设你已经生成完所有图片,只是觉得字幕位置不对 正常 AI 工作流可能又得重新跑一遍 cs-board 不需要 直接从后面的渲染阶段继续 前面花过的钱和时间不重新花 我越来越觉得,AI 工具真正应该优化的,不是“第一次能不能生成”,而是: 第 17 次修改的时候,你还需不需要从头来一遍 2️⃣ 动态信息图为什么不是“让 AI 生成一张 PPT” 这个功能我改得比较久 因为我发现很多所谓 AI 视频,本质都有一个问题: 画面和人声是脱节的 旁白还没讲到第三点,画面已经把五点全部展示出来了 观众其实根本不会跟着你的表达走 所以 cs-board 的动态信息图不是: 文案 → HTML → 视频 而是先把真实旁白做成一个语义时间轴 一句话什么时候开始说、哪个关键词什么时候出现、哪个知识卡片什么时候展开,都跟实际音频绑定 所以画面不是按照“程序跑到第几秒”出现 而是: 你讲到哪,它才出现到哪 这其实是我现在做 cs-board 比较核心的一个思路: AI 负责理解内容,程序负责保证确定性 能交给代码控制的东西,我越来越不想交给模型猜 3️⃣ 为什么人物和画风要单独抽出来 以前最大的问题之一就是一致性。 第一张图是这个人。 第二张开始脸就变了。 第三张甚至连画风都换了。 所以现在自定义模式里,我把两件东西单独抽出来: 人物参考 + 风格参考。 可以放固定 IP,也可以放自己的品牌视觉。 人物最多可以提供多张参考图,风格也作为独立条件贯穿整个任务。 这意味着 cs-board 不只是帮你“生成一条视频”。 更重要的是: 它开始能够持续生产属于同一个 IP 的内容 对于真正做账号的人,这个区别非常大 4️⃣ 最近我又把封面也塞进去了 因为做完视频以后,我发现自己还得打开另一个工具做封面。 那干脆继续 Coding 现在封面制作直接放进工作台 粘贴文章 / 帖子内容以后: 自动理解内容 → 提炼标题 → 选择构图 → 生成人物与视觉 → 输出封面。 我没有只给一个“生成封面”按钮 而是先做了 10 种专业封面构图 因为封面的核心根本不只是图片好不好看 而是: 标题放哪、人物放哪、视觉重心在哪、第一眼先看到什么 构图是确定性的,审美才交给模型 这和前面动态信息图其实是同一套逻辑 5️⃣ 现在这个工作台正在慢慢变成什么 目前已经逐渐放进来了: 白板视频 / 自定义人物与画风 / 动态信息图 / 文案改写 / 对口型视频 / AI 封面制作 视觉模板现在也已经扩到了 12 套 音色克隆可以接本地 IndexTTS 任务、素材、配置、历史和成片默认都放本地 甚至同一个局域网里的电脑,可以共享制作队列 这也是我现在给 cs-board 定的方向: 不做一个 AI 视频生成器。 做一个可以不断往里面塞能力的 AI 内容生产工作台。 目前项目继续开源: 现在功能还远远没做完,下一步正在接入数字人工具 如图P3 但我觉得这条路,比继续做一堆“一键生成 XX”的小工具有意思多

陈硕KAI

32,326 просмотров • 2 месяцев назад