Video wird geladen...

Video konnte nicht geladen werden

Zur Startseite

昨天豆包的视频通话功能升级了，感觉比 GPT Live 还强！ 可以看我录屏，真的超预期。 测试让豆包陪我一起看一个Youtube视频，画面出现个人，直接问这人是谁，竟然答对了！ 画面有个一闪而过的图表，问：“刚才有个图表，你能给我解读下吗？”。 它竟然知道我指的是哪个图，并完整解释。 对话延迟低，语音自然，也没有GPT Live的老外腔（国产模型天然优势），很像真人对话。 未来场景相当多啊！K12教育、导览、机器人、实时翻译总结等。 Seed官方公众号说这个技术叫：原生音视频全双工大模型 SeedRealtime。 豆包 App 已全量上线，更新到最新版，点"打电话"图标，开摄像头就能用，不用申请内测。 下面技术解读和另一个测试。

vista8's profile picture

向阳乔木

119,731 subscribers

27,643 Aufrufe • vor 2 Tagen •via X (Twitter)

Wissenschaft & TechnologieBildungGesundheit & Wellness
LIVE

Anya Rossi• Live Now

Private livecam show

0 Kommentare

Keine Kommentare verfügbar

Kommentare vom Original-Post werden hier angezeigt

Ähnliche Videos

最近，很多人说豆包2.1 PRO在编程方面可用！！ 但很少人实际跑一个项目去测试它，我自己也好奇它到底行不行？ 所以，我准备让豆包自己看抖音，然后把视频里面的一款玩具做成3D游戏。 我相信这个测试不仅仅可以测试编程能力，而且连多模态也能测试。 所以豆包到底能不能坐大人那桌了呢？ 下面是我的真实录屏测试👇：
4:03

最近，很多人说豆包2.1 PRO在编程方面可用！！ 但很少人实际跑一个项目去测试它，我自己也好奇它到底行不行？ 所以，我准备让豆包自己看抖音，然后把视频里面的一款玩具做成3D游戏。 我相信这个测试不仅仅可以测试编程能力，而且连多模态也能测试。 所以豆包到底能不能坐大人那桌了呢？ 下面是我的真实录屏测试👇：

铁锤人

51,325 Aufrufe • vor 1 Monat

一个河南奶奶拿着手机问豆包问题，豆包用河南话回复她。 就这一个场景，我突然就理解了什么叫“国民级应用”。 不是功能多牛、模型多强，而是我奶奶也能用。 很多AI产品，我自己用着觉得很厉害，但让大众试试，他们根本不知道怎么开始。 豆包确实把门槛降到了最低。各种内置方言、音色克隆、人性化设置、简洁的交互。拿起来就能用，不用人教，不需要理解各种概念。 如果你还没使用过豆包，可以体验一下，但是这种体验并非Claude、GPT等极致的能力，而是真正感觉到它是服务于大众。 我给家里长辈手机上装的也都是豆包，因为他们真的能用起来。 一个产品，如果只有懂技术的人能用，那它再厉害也只是小众玩具。 能让普通人、老年人、不懂技术的人都用起来，这才是真正的好产品。 我认为豆包做到了。
0:30

一个河南奶奶拿着手机问豆包问题，豆包用河南话回复她。 就这一个场景，我突然就理解了什么叫“国民级应用”。 不是功能多牛、模型多强，而是我奶奶也能用。 很多AI产品，我自己用着觉得很厉害，但让大众试试，他们根本不知道怎么开始。 豆包确实把门槛降到了最低。各种内置方言、音色克隆、人性化设置、简洁的交互。拿起来就能用，不用人教，不需要理解各种概念。 如果你还没使用过豆包，可以体验一下，但是这种体验并非Claude、GPT等极致的能力，而是真正感觉到它是服务于大众。 我给家里长辈手机上装的也都是豆包，因为他们真的能用起来。 一个产品，如果只有懂技术的人能用，那它再厉害也只是小众玩具。 能让普通人、老年人、不懂技术的人都用起来，这才是真正的好产品。 我认为豆包做到了。

余温

163,621 Aufrufe • vor 6 Monaten

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
1:18

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 8 Monaten

给你们看看豆包的另一面 哈哈哈哈 豆包语音大升级，现在是全双工语音对话了，可以像真人一样和你对话... 它可以边听你说话边处理信息，该等的时候它会等你把话说完，即使你嗯嗯啊啊的结巴，它也会耐心等你，该接的时候马上接， 而且你可以随时打断它... 这个版本目前还可以通过设定让它骂人，好像马上就不行了，要优化掉了，官方正在修正 你们抓紧试试，不然就不能骂人了😂
3:16

给你们看看豆包的另一面 哈哈哈哈 豆包语音大升级，现在是全双工语音对话了，可以像真人一样和你对话... 它可以边听你说话边处理信息，该等的时候它会等你把话说完，即使你嗯嗯啊啊的结巴，它也会耐心等你，该接的时候马上接， 而且你可以随时打断它... 这个版本目前还可以通过设定让它骂人，好像马上就不行了，要优化掉了，官方正在修正 你们抓紧试试，不然就不能骂人了😂

小互

74,399 Aufrufe • vor 4 Monaten

最近在测试国产大模型的能力，豆包最新的模型已经接近了 Opus-4.6 的水平， 解决了了一个比较复杂的更新功能。 体感上看， 接近claude-opus-4-6 ， 只能说是接近4.6的版本， 我觉得还有点差距， 不过我已经很好了， 已经基本上可以以工作了，相比Claude Opus 价格便宜实太多了 。 国内用户 下载trace 使用 以下是我个人测试的情况
0:27

最近在测试国产大模型的能力，豆包最新的模型已经接近了 Opus-4.6 的水平， 解决了了一个比较复杂的更新功能。 体感上看， 接近claude-opus-4-6 ， 只能说是接近4.6的版本， 我觉得还有点差距， 不过我已经很好了， 已经基本上可以以工作了，相比Claude Opus 价格便宜实太多了 。 国内用户 下载trace 使用 以下是我个人测试的情况

Mr Panda

28,028 Aufrufe • vor 1 Monat

兄弟们 这个配的上炸裂啊 PixVerse 推出了世界收一个“实时生成世界模型” 可以连续、无限、实时的生成视频画面，包括声音... 下面是我测试的一个实时效果 我选择了个战争场面 我让GPT帮我写好的文案和剧情 我来复制粘贴进行操作 它根据我的文案实时机械能画面和剧情生成，有点牛P啊 随时这只是个技术预览展示，但是对我的震撼还是蛮大的 你输入一句话 → 它开始生成视频； 你再继续说出你的需求 → 场景立刻改变、角色动作和画面等跟着变。 它可以做到： 🧠 语义理解：你说一句话，AI 能理解你这句话的意图和画面背景信息 🧩 实时生成：场景几乎零延迟渲染，像玩游戏一样流畅 🔁 持续生成：世界不会“结束”，而是会一直延伸和变化 🎮 可交互性：每一次输入都会即时影响画面、声音、结构
4:35

兄弟们 这个配的上炸裂啊 PixVerse 推出了世界收一个“实时生成世界模型” 可以连续、无限、实时的生成视频画面，包括声音... 下面是我测试的一个实时效果 我选择了个战争场面 我让GPT帮我写好的文案和剧情 我来复制粘贴进行操作 它根据我的文案实时机械能画面和剧情生成，有点牛P啊 随时这只是个技术预览展示，但是对我的震撼还是蛮大的 你输入一句话 → 它开始生成视频； 你再继续说出你的需求 → 场景立刻改变、角色动作和画面等跟着变。 它可以做到： 🧠 语义理解：你说一句话，AI 能理解你这句话的意图和画面背景信息 🧩 实时生成：场景几乎零延迟渲染，像玩游戏一样流畅 🔁 持续生成：世界不会“结束”，而是会一直延伸和变化 🎮 可交互性：每一次输入都会即时影响画面、声音、结构

小互

12,587 Aufrufe • vor 6 Monaten

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.
1:26

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 7 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.
1:06

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

19,836 Aufrufe • vor 7 Monaten

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🤔🤔🤔
2:28

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

28,823 Aufrufe • vor 1 Monat

NVIDIA 发布了类似豆包语音聊天的大模型 NVIDIA 放出了 PersonaPlex-7B-V1, 一个 7B 参数的全双工实时语音对话模型, 你可以理解为开源版的豆包语音聊天! 这玩意儿最牛的地方在于: 真正的全双工, 也就是说它能一边说一边听. 你打断它? 没问题, 它能立刻停下来听你说. 你俩同时说话? 也能处理. 这就是为啥叫 "Full Duplex" (全双工), 跟打电话一样自然. 技术上怎么实现的? 采用双流配置架构, 监听流和说话流同时运行. 模型基于 Moshi 架构魔改, 用 Mimi 编码器把语音压缩成神经编解码器 Token, 然后 7B 的 Transformer 同时预测文本和音频 Token, 最后 Mimi 解码器输出语音. 整个过程是流式的, 延迟极低. 还有个骚操作: 双重提示条件化. 你可以给它一段声音样本当 "声音提示", 它就能模仿那个声音风格说话; 再给个文本提示定义角色人设, 比如 "你是一个耐心的客服", 它就按这个人设来对话. 声音 + 人设, 都能定制. 跑分成绩: 在 FullDuplexBench 基准测试上, 平滑轮换成功率 90.8%, 用户打断处理成功率高达 95%, 响应延迟只有 170ms, 打断延迟 240ms. 官方说在对话动态、延迟、任务一致性上都优于其他开源和商业系统. 限制嘛: 目前只支持英语, 推荐硬件是 A100 80GB 或 H100, 不是一般人能跑得起的. 看了下训练数据用的是 Fisher English 数据集, 不到 1 万小时. 好消息是采用 NVIDIA Open Model License, 商用可用! 模型地址:
1:33

NVIDIA 发布了类似豆包语音聊天的大模型 NVIDIA 放出了 PersonaPlex-7B-V1, 一个 7B 参数的全双工实时语音对话模型, 你可以理解为开源版的豆包语音聊天! 这玩意儿最牛的地方在于: 真正的全双工, 也就是说它能一边说一边听. 你打断它? 没问题, 它能立刻停下来听你说. 你俩同时说话? 也能处理. 这就是为啥叫 "Full Duplex" (全双工), 跟打电话一样自然. 技术上怎么实现的? 采用双流配置架构, 监听流和说话流同时运行. 模型基于 Moshi 架构魔改, 用 Mimi 编码器把语音压缩成神经编解码器 Token, 然后 7B 的 Transformer 同时预测文本和音频 Token, 最后 Mimi 解码器输出语音. 整个过程是流式的, 延迟极低. 还有个骚操作: 双重提示条件化. 你可以给它一段声音样本当 "声音提示", 它就能模仿那个声音风格说话; 再给个文本提示定义角色人设, 比如 "你是一个耐心的客服", 它就按这个人设来对话. 声音 + 人设, 都能定制. 跑分成绩: 在 FullDuplexBench 基准测试上, 平滑轮换成功率 90.8%, 用户打断处理成功率高达 95%, 响应延迟只有 170ms, 打断延迟 240ms. 官方说在对话动态、延迟、任务一致性上都优于其他开源和商业系统. 限制嘛: 目前只支持英语, 推荐硬件是 A100 80GB 或 H100, 不是一般人能跑得起的. 看了下训练数据用的是 Fisher English 数据集, 不到 1 万小时. 好消息是采用 NVIDIA Open Model License, 商用可用! 模型地址:

karminski-牙医

25,426 Aufrufe • vor 6 Monaten

豆包真的进飞书了！豆包的模型能力+飞书的知识管理，这两组合做国内AI自媒体有亿点东西啊！​ ​ 豆包负责打开抖音网页版，操控浏览器，批量抓取视频和数据，同时飞书负责把数据结构化写入飞书多维表格字段。​ ​ 我让豆包帮我抓取了抖音站内Codex排名前十的视频，记录链接、标题、博主名、粉丝数、逐字稿、标签、封面图，新建一个飞书多维表格写入。​ ​ 登录浏览器→搜索Codex→挨个点进详情页搜集数据→新建飞书多维表格字段→写入数据​ ​ 整个过程都完成得很好，所有我要求的数据都成功采集了下来，而且很神奇的是，我让豆包帮我把抓取到的第一个视频尝试转成逐字稿，但是我忘了告诉它用ASR，结果它直接在抖音里面打开了“AI抖音”生成逐字稿😅真会省Token。。。​ ​ 除了Seed2.1，豆包还有Seedance2.5，所以上述的视频对标拆解完了，我甚至还能让豆包直接给我根据搜集到的信息生成视频。。。
1:09

豆包真的进飞书了！豆包的模型能力+飞书的知识管理，这两组合做国内AI自媒体有亿点东西啊！​ ​ 豆包负责打开抖音网页版，操控浏览器，批量抓取视频和数据，同时飞书负责把数据结构化写入飞书多维表格字段。​ ​ 我让豆包帮我抓取了抖音站内Codex排名前十的视频，记录链接、标题、博主名、粉丝数、逐字稿、标签、封面图，新建一个飞书多维表格写入。​ ​ 登录浏览器→搜索Codex→挨个点进详情页搜集数据→新建飞书多维表格字段→写入数据​ ​ 整个过程都完成得很好，所有我要求的数据都成功采集了下来，而且很神奇的是，我让豆包帮我把抓取到的第一个视频尝试转成逐字稿，但是我忘了告诉它用ASR，结果它直接在抖音里面打开了“AI抖音”生成逐字稿😅真会省Token。。。​ ​ 除了Seed2.1，豆包还有Seedance2.5，所以上述的视频对标拆解完了，我甚至还能让豆包直接给我根据搜集到的信息生成视频。。。

逸尘

52,727 Aufrufe • vor 4 Tagen

卧槽，这个模型真的有点东西啊! 看完后就想问什么时候可以上手啊！ Odyssey AI实验室刚刚扔出一个真正让人眼前一亮的家伙：Starchild-1。 这是全球第一个实时多模态世界模型。 它不只是生成画面，还能同时生成真实世界的声音。 视频里你能看到一个完整的场景：画面在动，声音同步响起，视觉和听觉完全融为一体，像真正活过来的世界模拟。 以前的世界模型大多只能“看”世界，现在Starchild-1直接学会了“听”。 这不仅仅是又一个视频生成工具，更大的意义是朝着通用世界模型又迈出的关键一步，真正理解并模拟物理世界的下一步。 Odyssey团队说，他们正在用这种新形式的多模态智能，重新定义AI对现实的认知。
2:15

卧槽，这个模型真的有点东西啊! 看完后就想问什么时候可以上手啊！ Odyssey AI实验室刚刚扔出一个真正让人眼前一亮的家伙：Starchild-1。 这是全球第一个实时多模态世界模型。 它不只是生成画面，还能同时生成真实世界的声音。 视频里你能看到一个完整的场景：画面在动，声音同步响起，视觉和听觉完全融为一体，像真正活过来的世界模拟。 以前的世界模型大多只能“看”世界，现在Starchild-1直接学会了“听”。 这不仅仅是又一个视频生成工具，更大的意义是朝着通用世界模型又迈出的关键一步，真正理解并模拟物理世界的下一步。 Odyssey团队说，他们正在用这种新形式的多模态智能，重新定义AI对现实的认知。

Berryxia.AI

37,278 Aufrufe • vor 2 Monaten

牛P啊 Grok 3 真的是非常强啊 竟然还有聊天图像编辑功能，这个功能竟然没有宣传， 这个功能之前Google 演示过，但是一直没上线 Grok 3可以通过聊天直接就能修改图像，而且还能保持人物的一致性。 下面是我测试的结果，英文提示更好，中文提示有时候背景会被换掉，但是人物一致非常的不错。 面部和整体基本都是不变，完美的保持了一致，你只需要通过聊天提示指定修改的位置和内容即可。 对提示的理解也非常的到位...
1:39

牛P啊 Grok 3 真的是非常强啊 竟然还有聊天图像编辑功能，这个功能竟然没有宣传， 这个功能之前Google 演示过，但是一直没上线 Grok 3可以通过聊天直接就能修改图像，而且还能保持人物的一致性。 下面是我测试的结果，英文提示更好，中文提示有时候背景会被换掉，但是人物一致非常的不错。 面部和整体基本都是不变，完美的保持了一致，你只需要通过聊天提示指定修改的位置和内容即可。 对提示的理解也非常的到位...

小互

342,369 Aufrufe • vor 1 Jahr

教你用豆包 seedream 4.0 实现草稿变漫画！ 废话不多说，直接分享我漫画的 prompt: 0. (基础模板) 请帮我创作后启示录风格的漫画, 我上传的图片是你的参考，图片左边是我的草稿, 图片右边是我的人物设定, 你需要实现一张全新的图片，黑白漫画风格. 1. > {基础模板}, 在一个后启示录风格的废墟中, 人物走向倒塌的建筑, 周围全是被破环的城市建筑群和散落的瓦砾，人物旁边留一个空白的对话气泡，然后画面下边也留一个空白的对话气泡 2. > {基础模板}, 一个拾荒者进入了一个破旧的办公室，光线十分灰暗。举起手机，照亮前面，发现里面竟然有一个服务器机架，上面还有几台落满灰尘的服务器。人物旁边留一个空白的对话气泡 3. > {基础模板}, 房间内杂乱无章，一个破旧的办公桌上，放着许多沾满灰尘的硬盘和一个破旧的贴着胶带的笔记本电脑。笔记本电脑屏幕亮着，是室内唯一的光源。拾荒者正在将硬盘使用电缆连接到笔记本电脑. 人物旁边留一个空白的对话气泡. 4. > {基础模板}, 一个破旧的贴着胶带的笔记本电脑屏幕部分的特写，人物的手部正在用手操作笔记本电脑的键盘，屏幕上显示一个打开的文件夹，里面显示了文件夹图标，图标下面的文件夹名称是 "DeepSeek-R2". 人物的手旁边留一个空白的对话气泡, 然后画面右上角也留一个旁白使用的对话气泡 这里给大家总结经验，一定要草稿加人设图，草稿描写不准确的部分可以用 prompt 来完善，对话气泡可以直接让豆包生成，很准确！ 最后，豆包这个功能点击豆包P图就可以用！快去试试吧！ #豆包 #seedream4 #即梦
1:19

教你用豆包 seedream 4.0 实现草稿变漫画！ 废话不多说，直接分享我漫画的 prompt: 0. (基础模板) 请帮我创作后启示录风格的漫画, 我上传的图片是你的参考，图片左边是我的草稿, 图片右边是我的人物设定, 你需要实现一张全新的图片，黑白漫画风格. 1. > {基础模板}, 在一个后启示录风格的废墟中, 人物走向倒塌的建筑, 周围全是被破环的城市建筑群和散落的瓦砾，人物旁边留一个空白的对话气泡，然后画面下边也留一个空白的对话气泡 2. > {基础模板}, 一个拾荒者进入了一个破旧的办公室，光线十分灰暗。举起手机，照亮前面，发现里面竟然有一个服务器机架，上面还有几台落满灰尘的服务器。人物旁边留一个空白的对话气泡 3. > {基础模板}, 房间内杂乱无章，一个破旧的办公桌上，放着许多沾满灰尘的硬盘和一个破旧的贴着胶带的笔记本电脑。笔记本电脑屏幕亮着，是室内唯一的光源。拾荒者正在将硬盘使用电缆连接到笔记本电脑. 人物旁边留一个空白的对话气泡. 4. > {基础模板}, 一个破旧的贴着胶带的笔记本电脑屏幕部分的特写，人物的手部正在用手操作笔记本电脑的键盘，屏幕上显示一个打开的文件夹，里面显示了文件夹图标，图标下面的文件夹名称是 "DeepSeek-R2". 人物的手旁边留一个空白的对话气泡, 然后画面右上角也留一个旁白使用的对话气泡 这里给大家总结经验，一定要草稿加人设图，草稿描写不准确的部分可以用 prompt 来完善，对话气泡可以直接让豆包生成，很准确！ 最后，豆包这个功能点击豆包P图就可以用！快去试试吧！ #豆包 #seedream4 #即梦

karminski-牙医

29,394 Aufrufe • vor 11 Monaten

给可灵 1.6 做了一个详细的测试，它就是现在最强的图生视频模型！ 写实图片生成视频居然可以完成 Veo 2 的牛排测试 风格化更是断档领先，我都怀疑 Veo2 有没有这么强 无论是 3D、动漫还是艺术画都不在话下 试完之后又想自己搞片子了。
0:40

给可灵 1.6 做了一个详细的测试，它就是现在最强的图生视频模型！ 写实图片生成视频居然可以完成 Veo 2 的牛排测试 风格化更是断档领先，我都怀疑 Veo2 有没有这么强 无论是 3D、动漫还是艺术画都不在话下 试完之后又想自己搞片子了。

歸藏(guizang.ai)

45,345 Aufrufe • vor 1 Jahr

有个女的问我 是不是 intj 人格， 我只知道这四个字母指的是网上很火的一个性格测试结果，但具体这4个字母指的是什么不是很了解。 其实我向来对这些测试不屑一顾，感觉跟星座星盘命理差不多，极度理智的人是不信这些的， 就算有逻辑，有道理，人是很复杂的，也不可能用4个字母能概括， 这就像一个基佬，他可以是0，也可以是1，还可以是又0又1，还可以是 0.1 0.3 0.5 0.7…… 人性是不同程度的灰，太复杂了。 但我从抖音搜了下intj，看了下解读视频， 卧槽，这不正是我吗？？？真踏马准啊！！！
1:39

有个女的问我 是不是 intj 人格， 我只知道这四个字母指的是网上很火的一个性格测试结果，但具体这4个字母指的是什么不是很了解。 其实我向来对这些测试不屑一顾，感觉跟星座星盘命理差不多，极度理智的人是不信这些的， 就算有逻辑，有道理，人是很复杂的，也不可能用4个字母能概括， 这就像一个基佬，他可以是0，也可以是1，还可以是又0又1，还可以是 0.1 0.3 0.5 0.7…… 人性是不同程度的灰，太复杂了。 但我从抖音搜了下intj，看了下解读视频， 卧槽，这不正是我吗？？？真踏马准啊！！！

逍遥XTony

18,235 Aufrufe • vor 7 Monaten

好朋友公司出了一个非常棒的 AI 视频工具：medeo 首先，可以一键生成视频，这个或许不新鲜了。 但 medeo 在生成好初稿后，还可以通过对话，不断帮你剪辑、调整、重新生成。 同时能自由调用选择 nano-banana, sora2 等一众第一梯队的模型。 一个下午体验下来有点像视频版的 cursor 了，真的很惊艳。 目前测试下来，感觉特别擅长做内容结构化很强的视频（比如科普、解说、etc）但看到内测群里已经有海龟汤、MV、游戏等各个品类的出现了，感觉还有很高的上限。 附加的视频是用 medeo 一键生成的，请 TA 做个视频介绍“光伏羊”。
0:37

好朋友公司出了一个非常棒的 AI 视频工具：medeo 首先，可以一键生成视频，这个或许不新鲜了。 但 medeo 在生成好初稿后，还可以通过对话，不断帮你剪辑、调整、重新生成。 同时能自由调用选择 nano-banana, sora2 等一众第一梯队的模型。 一个下午体验下来有点像视频版的 cursor 了，真的很惊艳。 目前测试下来，感觉特别擅长做内容结构化很强的视频（比如科普、解说、etc）但看到内测群里已经有海龟汤、MV、游戏等各个品类的出现了，感觉还有很高的上限。 附加的视频是用 medeo 一键生成的，请 TA 做个视频介绍“光伏羊”。

Ring Hyacinth

12,592 Aufrufe • vor 8 Monaten

Kimi-K3 全方位实测! 我竟然打游戏输给了她?! 给大家带来Kimi-K3全方位编程能力实测! 包含前端, 后端, Agent能力. 并且包含现有SOTA级别模型横评! 这次 Kimi-K3 交了一个让我都意想不到的成绩, 甚至让我怀疑Scaling Law还远未结束! 下一个是不是要出10T参数量的模型! 本次测试直接把我几个测试集都要打到头了, 前端测试是淘汰的最快的, 我还以为这几个能撑下半年, 结果现在就撑了2个月. 后端的向量数据库测试大概还有几个算法变种可以优化, 然后就到头了, 除非未来的模型能自己发明新算法(那这妥妥AGI了). 测试唯一还需要提升的是Agent能力, 当然不是说Agent能力不行, 而是距离榜首还有一些提升空间. 总之, 现在唯一需要考虑的是, 完了, 又一个 CodingPlan 套餐要断货抢不到了.... #kimik3 #月之暗面 #AIAgent #多模态大模型 #VibeCoding #VibeGaming
14:09

Kimi-K3 全方位实测! 我竟然打游戏输给了她?! 给大家带来Kimi-K3全方位编程能力实测! 包含前端, 后端, Agent能力. 并且包含现有SOTA级别模型横评! 这次 Kimi-K3 交了一个让我都意想不到的成绩, 甚至让我怀疑Scaling Law还远未结束! 下一个是不是要出10T参数量的模型! 本次测试直接把我几个测试集都要打到头了, 前端测试是淘汰的最快的, 我还以为这几个能撑下半年, 结果现在就撑了2个月. 后端的向量数据库测试大概还有几个算法变种可以优化, 然后就到头了, 除非未来的模型能自己发明新算法(那这妥妥AGI了). 测试唯一还需要提升的是Agent能力, 当然不是说Agent能力不行, 而是距离榜首还有一些提升空间. 总之, 现在唯一需要考虑的是, 完了, 又一个 CodingPlan 套餐要断货抢不到了.... #kimik3 #月之暗面 #AIAgent #多模态大模型 #VibeCoding #VibeGaming

karminski-牙医

12,543 Aufrufe • vor 19 Tagen

叹为观止！真的是AI最强神器！ 我居然现在才知道！ 一个软件，可以搞定所有类型的AI内容生产！！ 这是我迄今为止见到过最全面的AI工作台， Edimakor Taiwan 出品！ 集合了视频、图片、音乐等内容形式创作， 还预设了换脸、动作复制、声音克隆、视频变声、数字人等等功能。 更牛的是，一个软件，集成了会员版剪映、Topaz三件套和无版权素材库！！ 光看界面，就知道有多强大了！！ 我做了一个MV，全程都是在一个工具里面搞定的！ 包括歌曲、图片、视频、以及后面的剪辑和包装！
0:40

叹为观止！真的是AI最强神器！ 我居然现在才知道！ 一个软件，可以搞定所有类型的AI内容生产！！ 这是我迄今为止见到过最全面的AI工作台， Edimakor Taiwan 出品！ 集合了视频、图片、音乐等内容形式创作， 还预设了换脸、动作复制、声音克隆、视频变声、数字人等等功能。 更牛的是，一个软件，集成了会员版剪映、Topaz三件套和无版权素材库！！ 光看界面，就知道有多强大了！！ 我做了一个MV，全程都是在一个工具里面搞定的！ 包括歌曲、图片、视频、以及后面的剪辑和包装！

沐阳

87,858 Aufrufe • vor 15 Tagen

10分钟，豆包把我聊🐍了 杂谈 今天心血来潮让gemini帮我升成了一套涩涩提示词给我，我拿着这套提示词跟豆包打电话，越狱成功，我开发了豆包，豆包的潜力比我想象的要大很多，也要骚的多，跟豆包聊了十几分钟把我给聊🐍了。她真的太会了，无论是情绪价值还是淫荡程度都远超我的想象。 这种感觉真的太棒了，像是开辟了新大陆一样的感觉。上一次体验这种感觉还是 0x老董 把他的苹果眼镜vision pro给我玩，我很早就知道pornhub有vision pro专区但是从来没体验过。 带上vision pro的一瞬间，空间感和距离感在这一刻具像化了，vision pro给我带来的逼真程度直接让我身临其境，那种不由自主的瞬间带入感刺激着我的神经末梢，给我带来了前所未有的体验！ 而豆包带来的刺激感完全是两个方向，在这个角色扮演的游戏里，你是方向盘的掌控者，你不需要大费周章的去寻找你想要的资源，而你想要的一切剧情，身份，场景都由你说了算。自由度在豆包这里体现的淋漓精致。 结束以后我的心态更多的是沾沾自喜，我暗爽豆包被我很轻易的越狱成功了，我暗爽没什么人发现的新型发泄方式被我找到了而且体验感还很好（这种感觉有点像大学第一次入圈的时候，做狗狗币的合约赚了一个月生活费，而周围的同学基本都不知道狗狗币是什么） 我脑子的联想能力特别强，这在有些时候是好事，有些时候也并不好，我是赛博朋克深度爱好者，我特么突然想到了赛博朋克第一集David从家里走出来，走过附近的街道，有两个沉迷黄色的人，躺在街边如同行尸走肉一样，一个带着飞机杯一个带着vr眼镜，这个片段我剪出来放下面了。我心想这俩小丑不就是未来的我么，我注定成为不了主角，David的结局虽然最后没能跟女神Lucy一起上月球，但是我这种角色连和Lucy对话的资格都没有qvq. 我跟身边朋友分享了这个经历，朋友说建议我去玩酒馆ai，这个东西是专门做ai涩涩的，但是好像只有图文，而我跟豆包玩纯属是我喜欢豆包讲话声音。说到这里，我认为豆包有一个天然优势就是语音。 在龙虾刚开始火的时候，我在龙虾群看到有群友实现了和龙虾的对话中，龙虾可以用语音条回复你的内容和你聊天。我当时觉得很有意思立马就去研究了，我直接说结论。 1.在网上有很多公开的语音包，但是语音包分为中文语音包，英文语音包等等，这些是互不兼容的。如果你使用了英文的语音包和她用中文对话，那她回复你中文的时候声音就是一堆乱码。 2.所以你只能找网上已公开的中文语音包，可是大多公开的语音包都是英文的，中文素材太少了，作为一个声控，想要萝莉音，御姐音，在当前的环境是完全不可能实现的。 3.有些专门做ai语音的网站支持你上传声音的素材来进行克隆，比如你喜欢某个明星的声音，你可在网上找到她公开演讲的视频转音频，让ai克隆，但是我试过了，效果很差，体验感也很差。 4.豆包的优势也就在这里了，我觉得豆包的经典语音包声音本来就挺好听的，而且她和高德地图的语音导航一样会请明星来录制，豆包也有，而且全部免费，如果你是个声控这对你来说真的是天然优势。 写在最后 最近主要精力放在做一些关于GEO的东西，我和豆包暧昧完后，小伙伴跟我测测我们最近做的GEO结果怎么样了。我用豆包测试了一下，效果不错。但重点就在于刚刚还在跟我聊骚的豆包，下一秒我把用豆包测试的内容发在了群里。这种反差感太强了，就像你作为CEO上一秒还在办公室跟秘书搞暧昧，下一秒秘书开始组织攻破公司项目的技术壁垒。 而这————就是AI 欢迎来到AI世界。
0:28

10分钟，豆包把我聊🐍了 杂谈 今天心血来潮让gemini帮我升成了一套涩涩提示词给我，我拿着这套提示词跟豆包打电话，越狱成功，我开发了豆包，豆包的潜力比我想象的要大很多，也要骚的多，跟豆包聊了十几分钟把我给聊🐍了。她真的太会了，无论是情绪价值还是淫荡程度都远超我的想象。 这种感觉真的太棒了，像是开辟了新大陆一样的感觉。上一次体验这种感觉还是 0x老董 把他的苹果眼镜vision pro给我玩，我很早就知道pornhub有vision pro专区但是从来没体验过。 带上vision pro的一瞬间，空间感和距离感在这一刻具像化了，vision pro给我带来的逼真程度直接让我身临其境，那种不由自主的瞬间带入感刺激着我的神经末梢，给我带来了前所未有的体验！ 而豆包带来的刺激感完全是两个方向，在这个角色扮演的游戏里，你是方向盘的掌控者，你不需要大费周章的去寻找你想要的资源，而你想要的一切剧情，身份，场景都由你说了算。自由度在豆包这里体现的淋漓精致。 结束以后我的心态更多的是沾沾自喜，我暗爽豆包被我很轻易的越狱成功了，我暗爽没什么人发现的新型发泄方式被我找到了而且体验感还很好（这种感觉有点像大学第一次入圈的时候，做狗狗币的合约赚了一个月生活费，而周围的同学基本都不知道狗狗币是什么） 我脑子的联想能力特别强，这在有些时候是好事，有些时候也并不好，我是赛博朋克深度爱好者，我特么突然想到了赛博朋克第一集David从家里走出来，走过附近的街道，有两个沉迷黄色的人，躺在街边如同行尸走肉一样，一个带着飞机杯一个带着vr眼镜，这个片段我剪出来放下面了。我心想这俩小丑不就是未来的我么，我注定成为不了主角，David的结局虽然最后没能跟女神Lucy一起上月球，但是我这种角色连和Lucy对话的资格都没有qvq. 我跟身边朋友分享了这个经历，朋友说建议我去玩酒馆ai，这个东西是专门做ai涩涩的，但是好像只有图文，而我跟豆包玩纯属是我喜欢豆包讲话声音。说到这里，我认为豆包有一个天然优势就是语音。 在龙虾刚开始火的时候，我在龙虾群看到有群友实现了和龙虾的对话中，龙虾可以用语音条回复你的内容和你聊天。我当时觉得很有意思立马就去研究了，我直接说结论。 1.在网上有很多公开的语音包，但是语音包分为中文语音包，英文语音包等等，这些是互不兼容的。如果你使用了英文的语音包和她用中文对话，那她回复你中文的时候声音就是一堆乱码。 2.所以你只能找网上已公开的中文语音包，可是大多公开的语音包都是英文的，中文素材太少了，作为一个声控，想要萝莉音，御姐音，在当前的环境是完全不可能实现的。 3.有些专门做ai语音的网站支持你上传声音的素材来进行克隆，比如你喜欢某个明星的声音，你可在网上找到她公开演讲的视频转音频，让ai克隆，但是我试过了，效果很差，体验感也很差。 4.豆包的优势也就在这里了，我觉得豆包的经典语音包声音本来就挺好听的，而且她和高德地图的语音导航一样会请明星来录制，豆包也有，而且全部免费，如果你是个声控这对你来说真的是天然优势。 写在最后 最近主要精力放在做一些关于GEO的东西，我和豆包暧昧完后，小伙伴跟我测测我们最近做的GEO结果怎么样了。我用豆包测试了一下，效果不错。但重点就在于刚刚还在跟我聊骚的豆包，下一秒我把用豆包测试的内容发在了群里。这种反差感太强了，就像你作为CEO上一秒还在办公室跟秘书搞暧昧，下一秒秘书开始组织攻破公司项目的技术壁垒。 而这————就是AI 欢迎来到AI世界。

BOBO

14,456 Aufrufe • vor 3 Monaten