正在加载视频...

视频加载失败

加载此视频时出现问题。这可能是由于临时网络问题，或视频可能不可用。

自回归模型 vs Diffusion 模型 vs Block Diffusion 模型的工作模式对比目前已经有基于 Diffusion 和 Block Diffusion 的文本模型了，但是效果都还有限。但由于 Diffusion 模型生成速度非常快，因此很有潜力。

karminski-牙医

16,127 subscribers

10,090 次观看 • 1 年前 •via X (Twitter)

健康养生科学技术教育

Anya Rossi• Live Now

Private livecam show

0 条评论

暂无评论

原始帖子的评论将显示在这里

相关视频

Seedance 2.0，今年绝对王炸产品，视频模型领域NO1，超越目前所有模型，这效果堪称一句炸裂！

Seedance 2.0，今年绝对王炸产品，视频模型领域NO1，超越目前所有模型，这效果堪称一句炸裂！

John

43,781 次观看 • 4 个月前

Sora 2 Pro 模型已经上线！目前网页版可以体验，需要 Pro 会员。 Pro 模型现在可以选择标准和高分辨率，同时高分辨率支持最长 15 秒的视频。 Pro 模型高分辨率的具体分辨率相较于标准分辨率反而低了，但是清晰度和音频质量高了非常多。这个高清模式的生成真的慢。

Sora 2 Pro 模型已经上线！目前网页版可以体验，需要 Pro 会员。 Pro 模型现在可以选择标准和高分辨率，同时高分辨率支持最长 15 秒的视频。 Pro 模型高分辨率的具体分辨率相较于标准分辨率反而低了，但是清晰度和音频质量高了非常多。这个高清模式的生成真的慢。

歸藏(guizang.ai)

60,800 次观看 • 9 个月前

体验了用 Tripo AI 生成 3D 模型，震撼于居然一张图片就能够生成这么细致的模型 🤔

体验了用 Tripo AI 生成 3D 模型，震撼于居然一张图片就能够生成这么细致的模型 🤔

QPomelo

50,027 次观看 • 2 个月前

字节、港中文等最新搞了一个专用于人-物交互的端到端视频生成模型：OmniShow，妥妥的电商广告专用模型全模态，一个模型通吃图+音+姿势+文本输入任务可以覆盖R2V、RA2V、RP2V、RAP2V四种生成模式，目前应该是唯一一个支持同时用图像+音频+姿势+文本混合输入的人脸保持、物理合理性、表现力及口型同步看起来效果都还可以原生长镜头生成，最长可生成10秒连续视频目前代码还没放出来 #人物视频生成模型 #OmniShow #电商视频生成

字节、港中文等最新搞了一个专用于人-物交互的端到端视频生成模型：OmniShow，妥妥的电商广告专用模型全模态，一个模型通吃图+音+姿势+文本输入任务可以覆盖R2V、RA2V、RP2V、RAP2V四种生成模式，目前应该是唯一一个支持同时用图像+音频+姿势+文本混合输入的人脸保持、物理合理性、表现力及口型同步看起来效果都还可以原生长镜头生成，最长可生成10秒连续视频目前代码还没放出来 #人物视频生成模型 #OmniShow #电商视频生成

AIGCLINK

22,623 次观看 • 2 个月前

🤣来了朋友们！！！现在可以用 AuraSR 在 ComfyUI 中放大视频了！ AuraSR in ComfyUI 插件已上线！优化了模型加载和自动配置文件，可以同时 4x 高清放大图像和视频 AuraSR：基于 GigaGAN 的 4x 开源超分模型，速度快，对细节较好的放大效果好！项目地址（已含工作流）：

🤣来了朋友们！！！现在可以用 AuraSR 在 ComfyUI 中放大视频了！ AuraSR in ComfyUI 插件已上线！优化了模型加载和自动配置文件，可以同时 4x 高清放大图像和视频 AuraSR：基于 GigaGAN 的 4x 开源超分模型，速度快，对细节较好的放大效果好！项目地址（已含工作流）：

-Zho-

10,328 次观看 • 2 年前

这是 Seedance 2.0 Fast 模型生成的，大家可以对比一下

这是 Seedance 2.0 Fast 模型生成的，大家可以对比一下

哥飞

21,900 次观看 • 4 个月前

这届网友太有才了，后面的几个模型是啥？

这届网友太有才了，后面的几个模型是啥？

ilovelife

478,694 次观看 • 7 个月前

非常Nice啊，这模型完全免费，Token终于可以自由白嫖了，甚至视频模型都是免费的，太爽了。它叫Agnes AI，全球模型榜前十，6 月 1 号起把自己家三个核心模型全免费开放了，无限期。图片模型在 artificial analysis 上榜了，文字模型一周被干了一万亿 Token。我把它接进 Claude Code，配起来十分钟的事，Token 随便用。这玩意到底是什么呢。 Agnes AI 是全球模型榜单前十的一个 AI Lab，这次免费开放的是三个模型，文本、图片、视频。文本模型叫 agnes-2.0-flash。能写代码，能做知识问答，能跑 Agent，能规划复杂任务。在 Claw-Eval 智能体评测榜进了 Top 10。说真的，这周它还要上 1M 超长上下文，以前用 200K 的模型跑到 150K 就降智，这种破事不用再忍了。图片模型叫 agnes-image-2.1-flash。图改图、多图融合、换背景、改文字、图像修复，电商主图和广告素材这种反复改的场景，太合适了。最近还加了 4K 超高清输出，最高 4096×4096，生成的图可以直接进印刷，不是那种看着还行一放大就糊的草稿。视频模型叫 agnes-video-2.0。原生音画同步，首帧生视频、首尾帧生视频、多镜头切换都支持，720P 和 1080P 随便选。接进 Claude Code 怎么搞，其实很简单。第一步，去注册，拿到 API key。第二步，打开 cc-switch。右上角选 Claude CLI，右上角点 + 号，选自定义配置。把 API key 填进去，请求地址写格式选 OpenAI Chat Completions。第三步，点获取模型列表，选 agnes-2.0-flash。第四步，点左上角设置，找到路由，打开路由总开关，Claude 打开。完事。回到 Claude Code 正常发消息，模型就已经切过去了。我试了一个在酒吧吉他弹唱的视频，和真人区别不大。现在 Token 不要钱，Agent 该跑几轮跑几轮，该拆几步拆几步。反正我觉得这才是免费开放最爽的部分，不只是省钱，是心理上解放了。我测试了一下视频模型，能用，就是慢了点，文字模型还是比较快的。开发者文档在 OpenClaw、Hermes、Claude Desktop 的，也有现成教程。

非常Nice啊，这模型完全免费，Token终于可以自由白嫖了，甚至视频模型都是免费的，太爽了。它叫Agnes AI，全球模型榜前十，6 月 1 号起把自己家三个核心模型全免费开放了，无限期。图片模型在 artificial analysis 上榜了，文字模型一周被干了一万亿 Token。我把它接进 Claude Code，配起来十分钟的事，Token 随便用。这玩意到底是什么呢。 Agnes AI 是全球模型榜单前十的一个 AI Lab，这次免费开放的是三个模型，文本、图片、视频。文本模型叫 agnes-2.0-flash。能写代码，能做知识问答，能跑 Agent，能规划复杂任务。在 Claw-Eval 智能体评测榜进了 Top 10。说真的，这周它还要上 1M 超长上下文，以前用 200K 的模型跑到 150K 就降智，这种破事不用再忍了。图片模型叫 agnes-image-2.1-flash。图改图、多图融合、换背景、改文字、图像修复，电商主图和广告素材这种反复改的场景，太合适了。最近还加了 4K 超高清输出，最高 4096×4096，生成的图可以直接进印刷，不是那种看着还行一放大就糊的草稿。视频模型叫 agnes-video-2.0。原生音画同步，首帧生视频、首尾帧生视频、多镜头切换都支持，720P 和 1080P 随便选。接进 Claude Code 怎么搞，其实很简单。第一步，去注册，拿到 API key。第二步，打开 cc-switch。右上角选 Claude CLI，右上角点 + 号，选自定义配置。把 API key 填进去，请求地址写格式选 OpenAI Chat Completions。第三步，点获取模型列表，选 agnes-2.0-flash。第四步，点左上角设置，找到路由，打开路由总开关，Claude 打开。完事。回到 Claude Code 正常发消息，模型就已经切过去了。我试了一个在酒吧吉他弹唱的视频，和真人区别不大。现在 Token 不要钱，Agent 该跑几轮跑几轮，该拆几步拆几步。反正我觉得这才是免费开放最爽的部分，不只是省钱，是心理上解放了。我测试了一下视频模型，能用，就是慢了点，文字模型还是比较快的。开发者文档在 OpenClaw、Hermes、Claude Desktop 的，也有现成教程。

老王霸 AI Lab

45,932 次观看 • 9 天前

暖得心都化了❤️ 原模型：BlueGua 模型修改：Xun 设定：Saphira #orioc #ori

暖得心都化了❤️ 原模型：BlueGua 模型修改：Xun 设定：Saphira #orioc #ori

Saphira

16,126 次观看 • 1 年前

【全日本模型ホビーショー速報】TOMIX 会場発表品 ■(N)回転式トレインマーク ▼レポートまとめ▼ #全日本模型ホビーショー #TOMIX #トミックス

【全日本模型ホビーショー速報】TOMIX 会場発表品 ■(N)回転式トレインマーク ▼レポートまとめ▼ #全日本模型ホビーショー #TOMIX #トミックス

モケイテツ（公式）

359,021 次观看 • 8 个月前

Tony现场给模特设计发型，此时模特还不知道自己已经变成什么样了，网友：已经在想怎么补救了。

Tony现场给模特设计发型，此时模特还不知道自己已经变成什么样了，网友：已经在想怎么补救了。

锐汉街评

224,245 次观看 • 2 个月前

阿里刚发布了Qwen3.6-Plus 直接冲着"国产最强编程模型"来的跑分上，SWE-bench 和 Claw-Eval 都超过了 GLM-5 和 Kimi-K2.5，是目前国产模型里最接近 Claude 的实测了一下前端，确实有点东西阿里云百炼已上架，价格不到 Claude 的十分之一阿里这几天连发三个模型，平均一天一个： 3月30号，Qwen3.5-Omni 全模态 4月1号，Wan2.7-Image 图像生成 4月2号，Qwen3.6-Plus 编程模型感觉熟悉的千问节奏又回来了..

阿里刚发布了Qwen3.6-Plus 直接冲着"国产最强编程模型"来的跑分上，SWE-bench 和 Claw-Eval 都超过了 GLM-5 和 Kimi-K2.5，是目前国产模型里最接近 Claude 的实测了一下前端，确实有点东西阿里云百炼已上架，价格不到 Claude 的十分之一阿里这几天连发三个模型，平均一天一个： 3月30号，Qwen3.5-Omni 全模态 4月1号，Wan2.7-Image 图像生成 4月2号，Qwen3.6-Plus 编程模型感觉熟悉的千问节奏又回来了..

小互

101,145 次观看 • 3 个月前

前几天微软公布的9种更真实的 Azure 声音模型，亲测已经上线，效果跟当时的演示音频一模一样。

前几天微软公布的9种更真实的 Azure 声音模型，亲测已经上线，效果跟当时的演示音频一模一样。

zty5678

207,914 次观看 • 2 年前

中国也有了世界第一的模型，他的名字，叫Seedance2.0👍

中国也有了世界第一的模型，他的名字，叫Seedance2.0👍

程序员小灰

13,897 次观看 • 4 个月前

Meta 几天前刚刚宣布 Code Llama 现在免费用于研究和商业。这可能是 ChatGPT 的最强竞争对手： ▸ 可以生成、解释和调试您的代码 ▸ 处理输入 100,000 个代币 ▸ 免费用于研究+商业用途 ▸ 优于大多数开放模型 ▸ 有 7B、13B 和 34B 可供选择 ▸ 支持 Python、C++、Java、PHP、Typescript (Javascript)、C# 和 Bash 适用于： ▸ 基础基础模型（代码 Llama） ▸ Python 专业化（Code Llama - Python）， ▸ 指令遵循模型（代码 Llama - 指令） From:AlphaSignal AI

Meta 几天前刚刚宣布 Code Llama 现在免费用于研究和商业。这可能是 ChatGPT 的最强竞争对手： ▸ 可以生成、解释和调试您的代码 ▸ 处理输入 100,000 个代币 ▸ 免费用于研究+商业用途 ▸ 优于大多数开放模型 ▸ 有 7B、13B 和 34B 可供选择 ▸ 支持 Python、C++、Java、PHP、Typescript (Javascript)、C# 和 Bash 适用于： ▸ 基础基础模型（代码 Llama） ▸ Python 专业化（Code Llama - Python）， ▸ 指令遵循模型（代码 Llama - 指令） From:AlphaSignal AI

AI Will

133,889 次观看 • 2 年前

LiveAvatar：阿里夸克开源的实时虚拟人模型能实时生成虚拟人视频（需要5个H800），能生成无限长度的视频且画质不降低。模型：项目地址：

LiveAvatar：阿里夸克开源的实时虚拟人模型能实时生成虚拟人视频（需要5个H800），能生成无限长度的视频且画质不降低。模型：项目地址：

Gorden Sun

21,606 次观看 • 6 个月前

很興奮的把自己喜歡的模型玩具介紹給對方時，回應只有一句醜死了

很興奮的把自己喜歡的模型玩具介紹給對方時，回應只有一句醜死了

宏

44,677 次观看 • 3 年前

谷歌也发布了一个根据输入图片和音频就能生成对应人物讲话视频的项目VLOGGER。看起来没有阿里那个自然。项目简介：它可以根据一张人物图像,生成由文本和音频驱动的说话人视频。该方法建立在最近生成式扩散模型取得成功的基础之上。 VLOGGER 包含两个关键组件: 1) 一个随机的人体到 3D 运动的扩散模型; 2) 一个创新的基于扩散的架构,通过时间和空间控制来增强文本到图像模型的能力。这种方法可以生成高质量、可变长度的视频,并且可以通过人脸和身体的高级表示进行便捷控制。与之前的工作相比,我们的方法具有以下优势:不需要为每个人单独训练模型;不依赖人脸检测和裁剪;能生成完整的图像(而非仅限于脸部或嘴唇);适用于广泛场景(如躯干可见或身份多样化),这对于正确合成具有沟通能力的虚拟人至关重要。项目地址：

谷歌也发布了一个根据输入图片和音频就能生成对应人物讲话视频的项目VLOGGER。看起来没有阿里那个自然。项目简介：它可以根据一张人物图像,生成由文本和音频驱动的说话人视频。该方法建立在最近生成式扩散模型取得成功的基础之上。 VLOGGER 包含两个关键组件: 1) 一个随机的人体到 3D 运动的扩散模型; 2) 一个创新的基于扩散的架构,通过时间和空间控制来增强文本到图像模型的能力。这种方法可以生成高质量、可变长度的视频,并且可以通过人脸和身体的高级表示进行便捷控制。与之前的工作相比,我们的方法具有以下优势:不需要为每个人单独训练模型;不依赖人脸检测和裁剪;能生成完整的图像(而非仅限于脸部或嘴唇);适用于广泛场景(如躯干可见或身份多样化),这对于正确合成具有沟通能力的虚拟人至关重要。项目地址：

歸藏(guizang.ai)

31,171 次观看 • 2 年前

百度创始人李彦宏：开源模型是智商税，永远应该选择闭源模型，文心一言等闭源模型，比开源模型更强大，推理成本更低百度从当年的互联网巨头，到今天市值谷歌的零头，还不及腾讯音乐市值高，整个就一个假药、骗子医院、快递大卖场，李彦宏功不可没👍

百度创始人李彦宏：开源模型是智商税，永远应该选择闭源模型，文心一言等闭源模型，比开源模型更强大，推理成本更低百度从当年的互联网巨头，到今天市值谷歌的零头，还不及腾讯音乐市值高，整个就一个假药、骗子医院、快递大卖场，李彦宏功不可没👍

猫神

255,728 次观看 • 5 个月前

上传你的照片一键生成贴纸... 由Banana 模型驱动...

上传你的照片一键生成贴纸... 由Banana 模型驱动...

小互

49,943 次观看 • 9 个月前