Sensitive content

This media may contain sensitive content.

Video wird geladen...

Video konnte nicht geladen werden

Zur Startseite

#直男 #tk #挠痒痒 #瘙痒 直男帅哥们露脸被t,视频分别对应:瘦高模特白袜篇,36分钟;瘦高模特只剩下内裤篇,43分钟;躺椅无束缚篇,17分钟;足枷篇,59已作图,可打包可单卖,已同步更新至电报tk会员群,联系方式见彬彬的小店

73,330 Aufrufe • vor 1 Jahr •via X (Twitter)

0 Kommentare

Keine Kommentare verfügbar

Kommentare vom Original-Post werden hier angezeigt

Ähnliche Videos

我来揭示秘密! 1⃣硬件: 我的电脑是4070显卡16G显存,CUP I7-13700内存是32G 2⃣配置技术: 这种配置电脑和显卡本地部署MINIMAX H3生成视频的技术要点: 首先声明一下,我所有的安装和部署是在workbuddy指导下完成的。 1、我选用的是精简版comfyui 2、选用Minimax H3的turbo lora模型 minimax_h3_turbo_4step_ema_ckpt850.safetensors ,可以到HF的用户amirjan122222空间下载,是8月7日左右的版本。 3、选用6步,理论上4步到8步都可以,我选6步是兼顾成品质量和时间 4、分辨率选0.4也就是480P,时长要求是15秒以内,在这个分辨率下我都是20-30秒,为兼顾时间和质量,我选25秒。如果是1分辨率,也就是768P,时长必须在15秒以内,否则要崩,最好是10秒。 5、超分我用的是电脑上已经安装的Topaz Video AI 5.0.2 便携版,超分至1080P,由电脑自动完成,不是人工去做。 6、我用的工作流,和comfyui官方的工作流是一致的,只是在LORA选择上我更喜欢用ckpt850。 7、我让workbuddy为我做了一个系统,在工作电脑上后台运行,这样我在手机上就可以通过浏览器调用,直接输入我的提示词来生成视频,系统会自动超分,超分保存的目录是直接网络共享到百度网盘的,也可以通过浏览器直接预览和下载,不必打开网盘。 8、我的系统已可以实现文生、图生、首尾帧、参考生视频、文生图片等集成功能,下一步是制作导演台,实现多个镜头的编辑,保持一致性,生成几分钟的长视频。 3⃣关于低分辨率视频制作的美学要点 1、由于要从480P超分到1080P,这种情况下,好做的是无人的风景视频、人物的特写、镜头运动较慢的人物腰以上中景构图的画面 2、如果要做人物全身,建议是按照720P或1080P直接出片,这样就要缩短时长,我曾经从3060 12G的显卡制作出1080P的4秒视频,所以,首选是720P超分,时长10秒左右。 3、提示词选用结构性提示词,我让codex根据网上较好的一些优秀提示词进行仿制各种电景风格中的人物对话特写,多用正反打,脸部特写,用微表情和内容生成有一定思想内涵的25秒左右的视频。 4、H3对室内灯光环境中的人物脸部光景刻划非常有立体感,可以尝试。 4⃣工作效率 1、turbo模型,生成480P6步超分至1080P的时间25秒用时大概13至15分钟。30秒用时大概19至21分钟。20秒480P16:9横屏8步已超分1080P耗时13分46秒。10秒720P16:9 横屏8步已超分1080P耗时15分51秒。 2、原版模型,生成8秒720P参考生视频超分1080P耗时23分32秒。5秒480P参考生视频超分1080P,耗时3分33秒 3、失败的尝试:TURBO模型想生成20秒720P8步超分1080P,直接失败。 4、系统交互表单提交的提示词,可以一直排队下去,不需要等前一个完成了再提交,这样极大提高了效率,晚上睡觉前一次性提交30个提示词,等第二天起来一看,已全部生成完毕。 以上是关于近期网友较多留言的回复,有问题可以在这里提问,我将尽量予以回答,我也会在合适的时间在经过认真论证后开源我的系统和工作流。 案例视频是早期我尝试的一个30秒电影复刻视频 prompt 视频提示词如下:🔽⬇️

PixelAIGC

74,563 Aufrufe • vor 1 Monat

无敌了,我用 30 分钟,做了个给小孩订正作业的小工具。 现在这种视觉模型,已经开始够快、够便宜,可以直接拿来干活了。 我把孩子做完的作业丢给蚂蚁百灵刚开源的 Ling-3.0-flash-VL。 我没让它直接处理图片,我让它先让它看整张作业,把错题、题目区域、手写答案的位置直接输出成坐标。 后面的程序拿着这些坐标去裁图、去手写,再整理成可以重新订正的题。 这就比单纯 OCR 有意思多了。 🔥当然,现在还远没到“干死作业 App”。 它坐标可能有偏差。 但以前这种东西,你得自己接 OCR、版面分析、错题识别,甚至训练专用模型。 现在一个通用视觉模型,30 分钟就能先把整条链路跑通。 这里也有个很容易误解的地方: 视觉模型,不等于出图模型。 Ling 这种 VLM 的视觉,是它能看图片、截图、文档、视频。 它本身不是 Image 2.5 那种负责生成像素的模型。 它擅长看懂以后,把结果变成文字、坐标、代码或者动作,然后继续干活。 Ling-3.0-flash-VL 总参数 124B,但 MoE 每 token 只激活约 5.5B。 这对 Visual Agent 很重要,极为广阔的知识,以及极低的激活,能做到又快又好。 🔥再往前一步,这种模型甚至很适合当教师模型。 先让 Ling-3.0-flash-VL 批量看作业,生成错题框、手写区域、版面结构这些坐标和标注,再用这些数据训练一个更小、更快的专用模型。 先让大模型直接干活,再让大模型教小模型干活。 这个 Demo已经完全跑通了,30 分钟能做到这一步,已经无敌了。 OpenRouter现在可以免费使用Ling-3.0-flash-VL:

实践哥 Li

92,574 Aufrufe • vor 28 Tagen

在《金庸群侠传》crpg-bench上跑了下 Fable 5.1 感觉并没有很惊艳,在玩游戏上智商水平和fable5/opus5/sonnet5没有显著差异。金庸群侠传bench是我用来测试大模型在long-horizon task能力的一个沙盒。评测方法很简单:通过截取游戏画面,视觉反馈,执行动作,不断循环,最终找齐14本天书完成游戏。玩过《金庸群侠传》的都懂: - 游戏是开放世界,通过升级招人打怪,最终集齐14本天书结束游戏,所以是彻头彻尾的long-horizon task。 - 游戏采用2.5D斜45度视角,加上1996年的320x200分辨率,绝对是VLM的噩梦:怪视角+渣画质+分布外。 - Caveat:虽然是开放式,但开局必先去找南贤北丑,不然寸步难行而且很容易误闯故事线直接被打死。 至少我一开始是这么设计的:完全根据游戏的进度来设计评测指标。但实际做了一段测试后发现,很多frontier大模型连走出始发地都非常困难,更别提集齐14本天书。我也特地设计了相应的SKILL,让模型能对游戏内容任务和操作有基本的了解。为了避免消耗无意义的token,评测就局限在给定20分钟的时间下,谁能探索的最多就算谁厉害些。也就基本沦为了2.5D视角下视觉迷宫问题。 经过测试了一些国产和国外的模型后,20分钟内能顺利走出出生地的模型是: - Fable 5.1:4分钟 - Fable 5:3分钟 - Opus 5:5分钟 - Sonnet 5:6分钟 - Gemini-3.7-flash:12分钟 并且上述这些模型没有一个成功找到南贤居。

Han Xiao @ COLM 2026

41,277 Aufrufe • vor 1 Monat