Navigate to WaytoAGI Wiki →
Home/Question List/Question Detail

ai视频前沿

Answer

以下是关于 AI 视频前沿的相关信息：

AI 视频学社：

  • 简介：为方便大家测试学习 AI 视频相关知识和内容而建立，可通过参与每周比赛、观看高手直播分享来快速学习，涵盖 AI 视频和影视创作领域最前沿的知识。
  • 目标：
    • 不定期直播，AI 视频方向高手直播分享。
    • 每周固定 1 次 video battle 视频挑战赛，周一发布主题，周日 18 点前交稿，有奖品。
    • 不定期组织线上或者线下活动。
    • 一起学习 AI 视频最新软件和最新知识，学习图生视频、视频生视频等技巧。
  • 软件教程：AI 视频：软件教程
  • 每周一赛：Video Battle AI 视频挑战赛

2024 人工智能报告：

  • 2024 年是 AI 图像视频迅速发展的一年，赛道竞争激烈。
  • 国内：中国开源项目赢得全球粉丝，成为积极开源贡献者。几个模型在个别子领域表现出色，如 DeepSeek 在编码任务中受青睐，阿里巴巴的 Qwen-2 系列视觉能力印象深刻，清华大学的 OpenBMB 项目催生了 MiniCPM 项目。
  • 国外：Stability AI 发布的 Stable Video Diffusion 能从文本提示生成高质量、真实视频，还推出了 Stable Video 3D。OpenAI 的 Sora 能生成长达一分钟的视频，保持三维一致性等。Google DeepMind 的 Veo 将文本和图像提示与视频输入结合生成高分辨率视频。

AI 视频生成产品推荐及实践教学：

  • Runway：年初在互联网爆火，由总部位于旧金山的 AI 创业公司制作，2023 年初推出的 Gen-2 代表当前 AI 视频领域前沿模型，能通过文字、图片等生成 4s 左右视频，致力于专业视频剪辑领域的 AI 体验，同时扩展图片 AI 领域能力。目前支持网页、iOS 访问，网页端有 125 积分免费试用额度（可生成约 105s 视频），iOS 有 200 多，两端额度不同步。官方网站：https://runwayml.com/
  • Gen-1 和 Gen-2 的区别和使用方法：Gen-1 的主要能力有视频生视频、视频风格化、故事版、遮罩等，仅支持视频生视频是与 Gen-2 的最大差异。Gen-1 使用流程：
    • Gen-1 能力介绍：https://research.runwayml.com/gen1
    • Gen-1 参数设置:https://help.runwayml.com/hc/en-us/articles/15161225169171
    • 学习视频：https://youtu.be/I4OeYcYf0Sc
Content generated by AI large model, please carefully verify (powered by aily)

References

AI视频学社：说明书

这个板块是为AI视频建立，方便大家测试学习AI视频的相关知识和内容。[heading1]学社简介[content]小伙伴们可以在AI视频学社通过参与每周举办的比赛，快速学习AI视频的相关知识。并且每周有高手直播直播分享，会分享AI视频和影视创作领域最前沿的知识。欢迎大家来AI视频学社一起学习，一起共创属于自己的AI视频。[heading1]学社目标[content]1.有直播：不定期直播，AI视频方向高手直播分享。2.赛中学：每周固定1次，video battle视频挑战赛，每周一发布主题，每周日18点前交稿，有奖品。3.有活动：不定期组织AI视频线上或者线下活动。4.学知识：大家一起学习AI视频最新软件和最新知识，学习图生视频，视频生视频等的技巧。[heading1]软件教程[content][AI视频：软件教程](https://waytoagi.feishu.cn/wiki/UvHUw3wGriB2uvkuWkacwSc1nTy)[heading1]每周一赛[content][Video Battle AI视频挑战赛](https://waytoagi.feishu.cn/wiki/RmY4wqZ6biVvbxkiTPVcnVdNngb)

2024人工智能报告｜一文迅速了解今年的AI界都发生了什么？

**中国开源项目在今年赢得全球粉丝，并且已经成为积极开源贡献者。**其中几个模型在个别子领域中脱颖而出，成为强有力的竞争者。DeepSeek在编码任务中已成为社区的最爱，其组合了速度、轻便性和准确性而推出的deepseek-coder-v2。阿里巴巴最近发布了Qwen-2系列，社区对其视觉能力印象深刻，从具有挑战性的OCR任务到分析复杂的艺术作品，都完成的非常好。在较小的一端，清华大学的自然语言处理实验室资助了OpenBMB项目，该项目催生了MiniCPM项目。这些是可以在设备上运行的小型<2.5B参数模型。它们的2.8B视觉模型在某些指标上仅略低于GPT-4V。2024年是AI图像视频迅速发展的一年，这个赛道竞争异常激烈国外Stability AI发布的Stable Video Diffusion，是第一个能够从文本提示生成高质量、真实视频的模型之一，并且在定制化方面取得了显著的进步。并且在今年3月，他们推出了Stable Video 3D，该模型经过第三个对象数据集的微调，可以预测三维轨道。OpenAI的Sora能够生成长达一分钟的视频，同时保持三维一致性、物体持久性和高分辨率。它使用时空补丁，类似于在变压器模型中使用的令牌，但用于视觉内容，以高效地从大量视频数据集中学习。除此之外，Sora还使用了其原始大小和纵横比的视觉数据进行训练，从而消除了通常会降低质量的裁剪和缩放。Google DeepMind的Veo将文本和可选图像提示与嘈杂压缩视频输入相结合，通过编码器和潜在扩散模型处理它们，以创建独特的压缩视频表示。然后系统将此表示解码为最终的高分辨率视频。

AI视频生成(下) | 20个产品推荐及实践教学

该产品年初在互联网爆火，泥塑人物的风格化视频想必大家都不陌生：Runway由一家总部位于旧金山的AI创业公司制作，其在2023年初推出的Gen-2代表了当前AI视频领域最前沿的模型。能够通过文字、图片等方式生成4s左右的视频。Runway致力于专业视频剪辑领域的AI体验，同时也在扩展图片AI领域的能力。目前Runway支持在网页、iOS访问，网页端目前支持125积分的免费试用额度(可生成约105s视频)，iOS则有200多，两端额度貌似并不同步，想要更多试用次数的朋友可以下载iOS版本。官方网站：https://runwayml.com/[heading4]Gen-1和Gen-2的区别和使用方法[content]Gen-1Gen-1的主要能力有：视频生视频（Video 2 Video）、视频风格化、故事版（将实体模型风格化）、遮罩等其中，仅支持视频生视频是Gen-1和Gen-2的最大差异。Gen-1使用流程:Gen-1能力介绍：https://research.runwayml.com/gen1Gen-1参数设置:https://help.runwayml.com/hc/en-us/articles/15161225169171也可以看这个视频学习Gen-1的详细设置方式：https://youtu.be/I4OeYcYf0Sc

Others are asking
AI产品经理
以下是为您整合的关于 AI 产品经理的相关信息： 北京分队中有一位叫 Kelton 的成员，是一位 AI 产品经理，深耕 NLP 方向 2 年，作为 Owner 从 0 1 打造过两款 AIGC 产品，也完成过 LLM 评测体系的从零搭建。技术出身，还曾在云计算、元宇宙领域工作过 2 年，坐标在海淀（北四环）。 银海是一位 AI 产品经理，也是通往 AGI 之路社区共建者，5 + 大模型厂商资深讲师，全网粉丝量 3W + ，在 AI Agent、多模态大模型、企业级 AI 应用等多领域具备丰富实战经验。 特看科技正在招聘 AI 产品经理，岗位要求：负责 AI 视频工具方向产品工作，对生成式 AI 产品有一定研究，熟悉 Transformer 和 Diffusion 模型的优先；英文好，有海外产品经验优先，有内容工具或 SaaS 产品经验优先；2 年以上产品岗位经验，职级根据经验能力制定，对标阿里 P6 P8 区间。 公司优势：特看科技专注于 AI 视频和直播应用，在国内市场已服务欧莱雅、宝洁、雅诗兰黛等头部品牌集团，海外市场服务了安克创新、Posee，Y.O.U 等头部出海品牌，也是 TikTok 官方广告创意合作伙伴。 员工福利：不管是厌倦大厂内卷的产品专家，还是初出茅庐的新人，只要对生成式 AI 的商业化应用充满热情，特看科技可以提供确定性的商业化应用场景、初创公司充沛的早期期权池、强大的工程师团队将新技术快速落地应用，最高可到合伙人级别。 加分项：有电子商务、企业服务、人工智能、海外产品等行业经验。欢迎推荐或自荐简历至 qingshen@tabcut.com，或飞书与清慎联系。
2025-03-12
有什么翻译文件的 AI 工具
以下是一些翻译文件的 AI 工具： 1. DeepL（网站）：点击页面“翻译文件”按钮，上传 PDF、Word 或 PowerPoint 文件即可。 2. 沉浸式翻译（浏览器插件）：安装插件后，点击插件底部“更多”按钮，选择“制作双语 BPUB 电子书”“翻译本地 PDF 文件”“翻译 THML/TXT 文件”“翻译本地字幕文件”。 3. Calibre（电子书管理应用）：下载并安装 calibre，并安装翻译插件“Ebook Translator”。 4. 谷歌翻译（网页）：使用工具把 PDF 转成 Word，再点击谷歌翻译“Document”按钮，上传 Word 文档。 5. 百度翻译（网页）：点击导航栏“文件翻译”，上传 PDF、Word、Excel、PPT、TXT 等格式的文件，支持选择领域和导出格式（不过进阶功能基本都需要付费了）。 6. 彩云小译（App）：下载后点击“文档翻译”，可以直接导入 PDF、DOC、DOCX、PPT、PPTX、TXT、epub、srt 等格式的文档并开始翻译（不过有免费次数限制且进阶功能需要付费）。 7. 微信读书（App）：下载 App 后将 PDF 文档添加到书架，打开并点击页面上方“切换成电子书”，轻触屏幕唤出翻译按钮。 常见的文章润色 AI 工具包括： 1. Wordvice AI：集校对、改写转述和翻译等功能于一体的 AI 写作助手，基于大型语言模型提供全面的英文论文润色服务。 2. ChatGPT：由 OpenAI 开发的大型语言模型，可用于学生和写作人员的多方面写作辅助。 3. Quillbot：人工智能文本摘要和改写工具，可用于快速筛选和改写文献资料。 4. HyperWrite：基于 AI 的写作助手和大纲生成器，可帮助用户在写作前进行头脑风暴和大纲规划。 5. Wordtune：AI 驱动的文本改写和润色工具，可以帮助用户优化文章的语言表达。 6. Smodin：提供 AI 驱动的论文撰写功能，可以根据输入生成符合要求的学术论文。 以下是 100 个 AI 应用中的 41 60 部分： 1. WPS 文档翻译功能：AI 办公文档翻译工具，使用自然语言处理技术，市场规模达数亿美元。能快速翻译办公文档，提高工作效率。例如用户需要将一份中文报告翻译成英文，只需点击翻译按钮，即可快速得到翻译结果。 2. 美丽修行 APP：AI 美容护肤产品推荐平台，运用数据分析、自然语言处理技术，市场规模达数亿美元。根据用户肤质推荐适合的美容护肤产品。例如根据用户的油性皮肤，推荐控油、保湿的护肤品。 3. 360 儿童手表：AI 儿童安全监控系统，采用图像识别、机器学习技术，市场规模达数亿美元。保障儿童安全，让家长放心。例如当孩子走出安全区域时，手表会自动向家长发送警报。 4. 汽车之家 APP：AI 汽车保养提醒系统，借助数据分析、机器学习技术，市场规模达数亿美元。提醒车主及时进行汽车保养。例如当汽车行驶到一定里程时，APP 会推送保养提醒信息。
2025-03-12
AI视频实操
以下是关于 AI 视频实操的相关内容： 如果您想制作 AI 换脸、AI 数字人视频，可按以下步骤进行： 1. 准备内容：先准备一段视频中播放的内容文字，比如产品介绍、课程讲解、游戏攻略等，也可利用 AI 生成这段文字。 2. 制作视频：使用剪映 App 进行简单处理。在电脑端打开剪映 App，点击“开始创作”，选择顶部工具栏中的“文本”，点击默认文本右下角的“+”号，添加文字内容轨道，然后将准备好的文字内容替换默认文本内容，为数字人提供语音播放内容及生成相应口型。 如果您想用 AI 把小说做成视频，通常包括以下步骤： 1. 小说内容分析：使用 AI 工具（如 ChatGPT）分析小说内容，提取关键场景、角色和情节。 2. 生成角色与场景描述：根据小说内容，使用工具（如 Stable Diffusion 或 Midjourney）生成角色和场景的视觉描述。 3. 图像生成：使用 AI 图像生成工具根据描述创建角色和场景的图像。 4. 视频脚本制作：将提取的关键点和生成的图像组合成视频脚本。 5. 音频制作：利用 AI 配音工具（如 Adobe Firefly）将小说文本转换为语音，添加背景音乐和音效。 6. 视频编辑与合成：使用视频编辑软件（如 Clipfly 或 VEED.IO）将图像、音频和文字合成为视频。 7. 后期处理：对生成的视频进行剪辑、添加特效和转场，以提高视频质量。 8. 审阅与调整：观看生成的视频，根据需要进行调整，比如重新编辑某些场景或调整音频。 9. 输出与分享：完成所有编辑后，输出最终视频，并在所需平台上分享。 以下是一些可利用的工具及网址： 1. Stable Diffusion（SD）：一种 AI 图像生成模型，可以基于文本描述生成图像。网址： 2. Midjourney（MJ）：另一个 AI 图像生成工具，适用于创建小说中的场景和角色图像。网址： 3. Adobe Firefly：Adobe 的 AI 创意工具，可以生成图像和设计模板。网址： 4. Pika AI：文本生成视频的 AI 工具，适合动画制作。网址： 5. Clipfly：一站式 AI 视频生成和剪辑平台。网址： 6. VEED.IO：在线视频编辑工具，具有 AI 视频生成器功能。网址： 7. 极虎漫剪：结合 Stable Diffusion 技术的小说推文视频创作提效工具。网址： 8. 故事 AI 绘图：小说转视频的 AI 工具。网址： 请注意，具体的操作步骤和所需工具可能会根据项目的具体需求和个人偏好有所不同。此外，AI 工具的可用性和功能也可能会随时间而变化，建议直接访问上述提供的工具网址获取最新信息和使用指南。
2025-03-12
AI产品经理如何转型
对于 AI 产品经理的转型，以下是一些相关的知识和建议： 技术方面： 了解思维链，谷歌在 2022 年的论文提到其能显著提升大语言模型在复杂推理的能力，即使不用小样本提示，也可在问题后加“请你分步骤思考”。 熟悉 RAG（检索增强生成），外部知识库切分成段落后转成向量，存在向量数据库，用户提问并查找到向量数据库后，段落信息会和原本的问题一块传给 AI，可搭建企业和个人知识库。 知晓 PAL（程序辅助语言模型），2022 年的一篇论文中提出，对于语言模型的计算问题，不让 AI 直接生成计算结果，而是借助如 Python 解释器等工具作为计算工具。 掌握 ReAct 框架，2022 年一篇《React:在语言模型中协同推理与行动》的论文提出，核心在于让模型动态推理并采取行动与外界环境互动，比如用搜索引擎对关键字进行搜索，观察行动结果，可借助 LangChain 等框架简化构建流程。 学习途径： 很多大佬认为要关注或直接阅读技术论文，比如产品经理转型 AI 产品经理需要懂技术脉络，但小白直接看技术论文有难度，虽可让 AI 辅助阅读，仍要完成一定知识储备。林粒粒呀的相关视频是很好的科普入门。 此外，从一些案例来看，比如长春人定居北京的䷎贤峰，有医学学士、计算机 AI 方向硕士背景，做过多种职业，包括医生、码农、产品经理、管理咨询等，目前是一家快消品公司财务总监兼董秘，业余捡回老本行；Sundy 有 5 年产品运营经验，从教育方向到 web3 行业，目标是转行当 AIGC 产品经理。
2025-03-12
AI测评
AI 测评主要包括以下几个方面： 1. AI Review（测试版）：这是一项能让您查看代码库中近期更改以捕获潜在错误的功能。您可以单击各个审阅项在编辑器中查看完整上下文，并与 AI 聊天获取更多信息。为了让其更有利，您可以提供自定义说明让 AI 专注于特定方面，比如性能相关问题。目前有几个查看选项，如查看工作状态、查看与主分支的差异、查看上次提交。 2. 从 AI 助教到智慧学伴的应用探索：未来展望包括 AI 辅助测评，例如作业题目智能生成与优化、主观题 AI 辅助批改、基于平台数据的学情智能分析等。对于教师试讲语言的评价，可从语言的准确性等五个维度打分（每项 5 分，共 25 分），给出总分，并以和蔼可亲的语文老师角色给出 700 字左右中肯评价及改进建议。 3. 【法律法规】《促进创新的人工智能监管方法》：提到工具如保证技术和技术标准可支持供应链风险管理，评估框架时要关注法律责任在 AI 中的有效公平分配，持续收集各方证据以监测框架对 AI 供应链中不同参与者的影响，尤其关注基础模型带来的潜在挑战。并提出了一些咨询问题，如监管者在不同 AI 应用和系统中应用原则可能面临的挑战及解决方法，以及对通过现有法律框架分配 AI 法律责任的看法和改进建议。
2025-03-12
有什么适合外语场景，特别是英语与日语的 AI 工具吗？
以下是一些适合外语场景，特别是英语与日语的 AI 工具： 1. 语言学习应用： Duolingo：使用 AI 个性化学习体验，根据进度和错误调整练习内容，通过游戏化方式提供词汇、语法、听力和口语练习。下载应用，选择语言，按课程指引学习。 Babbel：结合 AI 技术，提供个性化课程和练习，重点在于实际交流所需语言技能。注册账户，选择课程，按学习计划学习。 Rosetta Stone：使用动态沉浸法，通过 AI 分析学习进度，提供适合练习和反馈。注册并选择语言，使用多种练习模式学习。 2. AI 对话助手： ChatGPT：可模拟对话练习，提高语言交流能力。在聊天界面选择目标语言，与 AI 对话，询问语法、词汇等问题，模拟实际交流场景。 Google Assistant：支持多种语言，可进行日常对话练习和词汇学习。设置目标语言，通过语音命令或文本输入互动。 3. 语言学习平台： FluentU：使用真实世界视频，通过 AI 生成个性化词汇和听力练习。选择语言，观看视频并完成练习，积累词汇和提升听力。 Memrise：结合 AI 技术，根据记忆曲线提供复习和练习，增强记忆效果。选择语言，使用词汇卡和练习学习。 4. 发音和语法检查： Speechling：提供口语练习和发音反馈，帮助改进口音和发音准确性。录制语音，提交给 AI 系统或人类教练获取反馈和建议。 Grammarly：提高写作语法和词汇准确性，支持多种语言。将写作内容粘贴到编辑器中获取改进建议。 5. 实时翻译和词典工具： Google Translate：提供实时翻译、语音输入和图像翻译功能，适合快速查找和学习新词汇。输入或语音输入内容查看结果和例句。 Reverso Context：提供单词和短语翻译及上下文例句，帮助理解和学习用法。输入单词或短语查看翻译和例句。 此外，还有一些其他工具，如 Speak、Call Annie 等也可用于提升外语口语能力。使用这些工具时，建议结合实际对话练习，如参与语言交换、加入学习小组或与母语者对话，并定期复习和持续实践。
2025-03-12
现在ai最前沿的发展趋势是什么
AI 技术的发展历程和前沿趋势如下： 发展历程： 1. 早期阶段（1950s 1960s）：包括专家系统、博弈论、机器学习初步理论。 2. 知识驱动时期（1970s 1980s）：有专家系统、知识表示、自动推理。 3. 统计学习时期（1990s 2000s）：出现机器学习算法如决策树、支持向量机、贝叶斯方法等。 4. 深度学习时期（2010s 至今）：深度神经网络、卷积神经网络、循环神经网络等得到广泛应用。 当前前沿技术点： 1. 大模型（Large Language Models）：如 GPT、PaLM 等。 2. 多模态 AI：包括视觉 语言模型（CLIP、Stable Diffusion）、多模态融合。 3. 自监督学习：如自监督预训练、对比学习、掩码语言模型等。 4. 小样本学习：例如元学习、一次学习、提示学习等。 5. 可解释 AI：涉及模型可解释性、因果推理、符号推理等。 6. 机器人学：涵盖强化学习、运动规划、人机交互等。 7. 量子 AI：包含量子机器学习、量子神经网络等。 8. AI 芯片和硬件加速。 在学习路径方面： 偏向技术研究方向： 1. 具备数学基础，如线性代数、概率论、优化理论等。 2. 掌握机器学习基础，包括监督学习、无监督学习、强化学习等。 3. 深入学习深度学习，如神经网络、卷积网络、递归网络、注意力机制等。 4. 熟悉自然语言处理，如语言模型、文本分类、机器翻译等。 5. 了解计算机视觉，如图像分类、目标检测、语义分割等。 6. 跟进前沿领域，如大模型、多模态 AI、自监督学习、小样本学习等。 7. 进行科研实践，包括论文阅读、模型实现、实验设计等。 偏向应用方向： 1. 掌握编程基础，如 Python、C++等。 2. 熟悉机器学习基础，如监督学习、无监督学习等。 3. 熟练使用深度学习框架，如 TensorFlow、PyTorch 等。 4. 应用于自然语言处理、计算机视觉、推荐系统等领域。 5. 做好数据处理，包括数据采集、清洗、特征工程等。 6. 进行模型部署，如模型优化、模型服务等。 7. 参与行业实践，如项目实战、案例分析等。 无论是技术研究还是应用实践，数学和编程基础都是必不可少的。同时需要紧跟前沿技术发展动态，并结合实际问题进行实践锻炼。 此外，去年生成式 AI 从不引人注意走到了 AI 50 强榜单的前列。今年，随着企业用户和消费者的 AI 生产力大幅提高，其成为前沿和中心。尽管 2023 年美国的大部分 AI 风投流向了基础设施领域，应用公司仍在 AI 50 强榜单中占据主导地位。如今，许多公司正将 AI 融入其工作流程，以此来快速达成 KPI。不远的将来，我们有望看到 UX 和 UI 围绕 AI 的功能进行重新设计。
2025-03-08
前沿ai学习网站
以下是一些前沿的 AI 学习网站： 1. WaytoAGI：这是一个致力于人工智能（AI）学习的中文知识库和社区平台。为学习者提供系统全面的 AI 学习路径，覆盖从基础概念到实际应用的各个方面。它汇集了上千个人工智能网站和工具，提供最新的 AI 工具、AI 应用、AI 智能体和行业资讯。平台提供丰富的学习资源，包括文章、教程、工具推荐以及最新的 AI 行业资讯等。此外，社区还定期组织活动，如视频挑战赛、模型创作大赛等，鼓励成员在实践中学习，促进交流与合作。 2. 在没有任何推广的情况下，WaytoAGI 一年时间已有超过 100 万用户和超千万次的访问量。其目标是让每个人的学习过程少走弯路，让更多的人因 AI 而强大。目前合作过的公司/产品包括阿里云，通义千问，淘宝，智谱，支付宝，豆包，火山引擎，marscode，coze，堆友，即梦，可灵，MiniMax 海螺 AI，阶跃星辰，百度，Kimi，吐司，liblib，华硕，美团，美的，360，伊利，魔搭，央视频，Civitai，Openart，Tripo3D，青椒云等。 3. 「通往 AGI 之路」的品牌 VI 融合了独特的设计元素，以彩虹色彰显多元性和创新，以鹿的形象象征智慧与优雅，通过非衬线字体展现现代感和清晰性，共同构建了一个充满活力和前瞻性的品牌形象。
2025-01-23
目前最前沿的ai服装模特app
目前较为前沿的 AI 服装模特相关的应用有： Stitch Fix 是一家服装公司，已使用 AI 向客户推荐特定服装，并正在尝试使用 DALLE 2 根据客户对颜色、面料和款式的偏好创建服装可视化。 InterAlia 可以帮助搭配服装。 在小红书上，有通过 AI 制作服装如 AI 小绿裙实现变现的案例，新手可用 mewxai 或幻火来制作，熟练者可用 sd 或 mj 制作。 此外，还有用 AI 定制萌娃头像等相关应用。
2025-01-06
AL最新前沿
以下是 AI 领域的一些最新前沿信息： 2024 年 2 月第一周： Maimo：能从任何内容中提取要点。 Jellypod：可将订阅内容变成播客。 ARTU：能汇总和总结内容。 Lepton Search：用 500 行代码构建的 AI 搜索工具。 VectorShift：AI 自动化应用构建平台。 Findr：AI 搜索您所有软件中的内容。 Recraft：AI 帮助创建平面内容和矢量标志。相关链接：，日期：2024/02/01。 2024 年 1 月第四周： 扎克伯格宣布 Meta 致力于实现 AGI，将两大 AI 研究团队 FAIR 和 GenAI 合并，并投入超 90 亿美元向英伟达采购超 34000 张 H100 显卡，预计 24 年底 Meta 的 GPU 算力达 60 万个 H100。 今年英伟达总的 H100 出货量将有 15 万张，Meta 采购量占 1/5。 Meta 正在开发名为 Llama 3 的大语言模型，以提升代码生成和逻辑推理能力。 扎克伯格推动开源的通用人工智能开发方式，这也是大家关注其进展和 Llama3 的原因。相关链接：，日期：2024/01/23。
2025-01-01
前沿AI硬件
以下是关于前沿 AI 硬件的相关信息： 由郎瀚威 Will 发起的 GenAI 硬件榜单： 定义：利用 GenAI 技术（主要是 LLM），与音频生成、翻译、视觉采集并解读相结合，以可穿戴为主逐步渗透的新品类硬件，以 Meta 雷朋眼镜为代表。 本期情况：未收录较大的 GenAI 硬件如 AI PC、AI 手机，以可穿戴、AI 助理相关硬件为起点。 榜单受众：GenAI 硬件创始人、投资人、从业者等。 榜单标的：以北美市场的视角，销量、影响力为主。 榜单初心：随着 Meta 眼镜的成功，GenAI 硬件爆发在即，每月从多角度围观这一现象，旨在给创业者提供参考。 本次更新（9.19）： 更新亚马逊销量、独立站流量、新品发布、融资信息，排序标准从媒体综合指数改为 Tiktok 热度。 完善挂件、戒指、眼镜等分类榜数据。 榜单目录：包括 GenAI 硬件北美公开销量榜、GenAI 硬件亚马逊销量榜等共 15 个重要榜单。更多榜单可文末点击“阅读原文”免费访问或直接访问飞书：https://zw73xyquvv.feishu.cn/wiki/IqcqwTDiYiKttNktBg3cg8HgnLh 。数据来源：google、tiktok、twitter、亚马逊。对于榜单内容有疑问想交流的 GenAI 硬件创始人，或者想合作转载内容的公众号博主，请加微信，或者在本文末留言。 今年很火的几款 AI native 硬件： Rewind Pendant：可穿戴设备，能捕捉现实中所说和听到的内容，进行录音转录、数据加密和本地存储，保障安全性和隐私保护。https://www.rewind.ai/pendant Rabbit R1：新型人工智能驱动的移动设备，通过高级语音命令简化应用程序使用，售价 199 美元，配备 360 度摄像头、触摸屏和 4G 连接。Rabbit OS 基于 Large Action Model（LAM 大动作模型），能处理自然语言并转化为可执行任务，与常见应用交互，支持语音命令执行复杂任务，未来用户可教会其执行特定任务。https://www.rabbit.tech/
2024-12-27
AI图生视频前沿
以下是关于 AI 图生视频前沿的相关信息： 在近半年闭源产品趋势方面： 1. 服务头部创作者方面，产品将逐渐增强编辑器能力，强化视频细节可控性，并智能化后期制作任务。 2. 影视后期方向，可将动捕演员表演转化为虚拟角色，提高特效制作效率。 3. 专业领域，创作者能通过草图分镜快速验证效果，但目前效果不够成熟。 4. 随着实时生成能力提升和成本下降，AI 实验性艺术在博物馆、展览等互动应用将增多。 5. 在 C 端大众消费侧，AI 视频在小说、网文阅读、短情景剧等内容消费方向有潜力，人物识别和替换可衍生电商平台虚拟试衣间能力。 6. 模板套用能力若以低成本开放在短视频产品中，可能带来新的爆发周期。 其他动态包括： 1. Krea 用开放的 API 做了自己的 AI 视频功能，支持对任何视频输入提示词进行延长。 2. Runway 发布 ActOne 功能，支持将现实视频的人物表情和动作迁移到生成的视频上，且已全量开放。 3. Ideogram 发布 Ideogram Canvas，可在无限画布上对生成的图片进行编辑。 4. Meta 的图像分割模型 SAM 更新了 2.1，大幅加强了相似物体和小物体的分割和识别效果。 在 2024 年国内外 AI 企业竞争方面： 1. 中国开源项目赢得全球粉丝，成为积极开源贡献者。DeepSeek 在编码任务中表现出色，阿里巴巴的 Qwen2 系列视觉能力令人印象深刻，清华大学的 OpenBMB 项目催生了 MiniCPM 项目。 2. 国外 Stability AI 发布的 Stable Video Diffusion 能从文本提示生成高质量、真实视频，并在定制化方面进步显著。今年 3 月推出的 Stable Video 3D 可预测三维轨道。 3. OpenAI 的 Sora 能生成长达一分钟的视频，保持三维一致性等，还使用原始大小和纵横比的视觉数据训练。 4. Google DeepMind 的 Veo 将文本和可选图像提示与嘈杂压缩视频输入结合，创建并解码独特的压缩视频表示。
2024-12-26
如何用脚本文字生成视频
以下是关于用脚本文字生成视频的相关内容： 一、Sora 的功能 1. 文字生成视频，时长可到 60 秒。 示例：一位时尚的女士在充满温暖发光的霓虹灯和活泼的城市标志的东京街头漫步。 2. 图片生成视频。 3. 扩展视频，能够在时间上向前或向后扩展。 二、根据视频脚本生成短视频的工具 1. ChatGPT + 剪映：ChatGPT 生成视频小说脚本，剪映根据脚本自动分析出视频要素并生成素材和文本框架。 2. PixVerse AI：在线 AI 视频生成工具，支持将多模态输入转化为视频。 3. Pictory：AI 视频生成器，用户提供文本描述即可生成相应视频内容。 4. VEED.IO：提供 AI 图像和脚本生成器，帮助用户从图像制作视频并规划内容。 5. Runway：AI 视频创作工具，能将文本转化为风格化视频内容。 6. 艺映 AI：专注于人工智能视频领域，提供文生视频、图生视频、视频转漫等服务。 三、用 AI 把小说做成视频的制作流程 1. 小说内容分析：使用 AI 工具（如 ChatGPT）提取关键场景、角色和情节。 2. 生成角色与场景描述：利用工具（如 Stable Diffusion 或 Midjourney）生成视觉描述。 3. 图像生成：使用 AI 图像生成工具创建角色和场景的图像。 4. 视频脚本制作：将提取的关键点和生成的图像组合成脚本。 5. 音频制作：用 AI 配音工具（如 Adobe Firefly）转换语音，添加背景音乐和音效。 6. 视频编辑与合成：使用视频编辑软件（如 Clipfly 或 VEED.IO）合成。 7. 后期处理：进行剪辑、添加特效和转场以提高质量。 8. 审阅与调整：观看视频并根据需要调整。 9. 输出与分享：完成编辑后输出并分享。 请注意，具体操作步骤和所需工具可能因项目需求和个人偏好不同而有所差异。AI 工具的可用性和功能也可能变化，建议访问工具网址获取最新信息和使用指南。内容由 AI 大模型生成，请仔细甄别。
2025-03-12
我是一名短视频创作者，我自身有自己写的现代诗歌，但是因为自己的声音不好，所以想自己制作一个利用网络音频和AI视频来展示我创作的诗歌的coze工作流，但是我对于ai的提示词有很多不明白的地方，您能够给我帮助吗
以下是为您提供的关于利用网络音频和 AI 视频展示诗歌的 Coze 工作流的相关指导： 1. 整体结构和参数配置： 工作流通常包括开始模块、Get_Video 模块、LinkReaderPlugin 模块、标题大模型、内容大模型、图片 Prompt 大模型、文生图 ImageToolPro 模块和输出结果模块等。 每个模块都有其特定的参数配置，例如在开始模块中选择源语言和目标语言等。 2. 标题大模型参数配置： 您需要作为小红书爆款写作专家，根据输入内容产出 3 个标题，采用二极管标题法创作，并善于使用吸引人的特点和爆款关键词，同时要符合小红书平台的标题特性和创作规则。 3. 内容大模型参数配置： 作为小红书爆款写作专家，根据输入内容产出 1 篇正文，每段话包含适当的 emoji 表情，文末有合适的 tag 标签。写作时要注意风格、开篇方法、文本结构、互动引导方法、一些小技巧、爆炸词等，文章尽量口语化、简短，在 200 字左右。 4. 图片 Prompt 大模型参数配置： 作为绘图 Prompt 大师，将输入内容转成 AI 更容易理解的绘画 Prompt。 5. 工作流创建步骤： 点击工作流后面的“+”添加工作流，然后创建工作流。 给工作流起名字和描述，名字只能用字母、数字和下划线，描述要清晰。 初始化工作流后，会生成开始模块和结束模块，左边有各种插件和搭建 Agent 的工具，可根据需要添加和使用。 希望以上内容对您有所帮助，如果您在具体操作过程中还有其他疑问，请随时向我咨询。
2025-03-12
我是一名短视频创作者，我自身有自己写的现代诗歌，但是因为自己的声音不好，所以想自己制作一个利用网络音频和AI视频来展示我创作的诗歌的coze工作流，但是我对于ai的提示词有很多不明白的地方，您能够给我帮助吗
以下是为您提供的关于利用网络音频和 AI 视频展示诗歌的 Coze 工作流的相关指导： 1. 整体结构和参数配置： 工作流通常包括开始模块、Get_Video 模块、LinkReaderPlugin 模块、标题大模型、内容大模型、图片 Prompt 大模型、文生图 ImageToolPro 模块和输出结果模块等。 每个模块都有其特定的参数配置，例如在开始模块中选择源语言和目标语言等。 2. 标题大模型参数配置： 您需要作为小红书爆款写作专家，根据输入内容产出 3 个标题，采用二极管标题法创作，并善于使用吸引人的特点和爆款关键词，同时要符合小红书平台的标题特性和创作规则。 3. 内容大模型参数配置： 作为小红书爆款写作专家，根据输入内容产出 1 篇正文，每段话包含适当的 emoji 表情，文末有合适的 tag 标签。写作时要注意风格、开篇方法、文本结构、互动引导方法、一些小技巧、爆炸词等，文章尽量口语化、简短，在 200 字左右。 4. 图片 Prompt 大模型参数配置： 作为绘图 Prompt 大师，将输入内容转成 AI 更容易理解的绘画 Prompt。 5. 工作流创建步骤： 点击工作流后面的“+”添加工作流，然后创建工作流。 给工作流起名字和描述，名字只能用字母、数字和下划线，描述要清晰。 初始化工作流后，会生成开始模块和结束模块，左边有各种插件和搭建 Agent 的工具，可根据需要添加和使用。 希望以上内容对您有所帮助，如果您在具体操作过程中还有其他疑问，请随时向我咨询。
2025-03-12
有没有解析视频的ai
以下是为您提供的关于解析视频的 AI 相关信息： 选对模型是关键：GPT4o 目前无法直接解析视频，而 Gemini 2.0 Flash Thinking 是解析视频的最佳选择。 您可以访问 AIStudio（，需海外 IP），上传视频即可解析。例如 OpenAI 最新广告“What do you want to create next?”，可用 Gemini 解析出完整画面、音频及寓意。 相关原文及译文链接： 此外，XiaoHu.AI 也支持多场景，包括从图像识别到视频理解，可解析超过 1 小时视频内容并秒级定位事件。详细介绍：
2025-03-12
如何向Ai提问可以生成自己想要的短视频文案
以下是关于如何向 AI 提问以生成自己想要的短视频文案的方法： 1. 用 ChatGPT 生成短视频选题文案： 表明身份，描述需求，提出回答要求，例如以美妆行业为例展开。 2. 用 ChatGPT 生产短视频文案： 将需求与框架结合，让 ChatGPT 为您生成短视频文案。 3. 生成虚拟数字人短视频： 第一步：打开网站（要科学），如 https://studio.did.com/editor 。 第二步：在右侧文字框输入从 ChatGPT 产生的内容，选择想要的头像、不同的国家和声音，然后点击右上角的 Create Video ，等待生成。 4. 智能体发布到飞书多维表格： 工作流调试完成后，加入到智能体中，可选择工作流绑定卡片数据。 选择发布渠道，重点讲飞书多维表格，填写上架信息，确认发布等待审核，审核通过后即可在多维表格中使用。 创建飞书多维表格，添加相关字段，配置使用字段捷径功能，选择“自动更新”，输入相关字段后自动调用工作流生成视频。 表单分享，实现填写表单自动创建文案短视频。 点击多维表格右上角的“自动化”，创建想要的自动化流程。 5. Prompt 通用方法： 扩写与改写法：自己给出开头，让 AI 撰写下半部并包含必要内容，将生成的内容以不同写作技巧和风格转换，多滚动几次写出多样版本。例如以「失眠的原因」撰写内容，包含「睡前滑手机」、「咖啡太晚喝」、「心中有焦虑感」等，并以不同写作技巧改写。 反问法：让 AI 问您问题，例如让其为您撰写短视频脚本时，通过反问引导您提供所需资料或完成创作。
2025-03-11