迷途小书童的Note-CSDN博客

原创手把手AI实战(七)制作搞笑动画视频

成果展示步骤拆解本篇实战使用的 AI 工具是 Adobe express，网站地址是：https://new.express.adobe.com，登录之后，点击 Video，然后点击 Animate from audio，进入编辑界面Character 选择自己想要的形象，可以是人物、动物、动画等，这里就选个 StickyBackground 选项卡提供了很多的背景，我们选个窗户的背景Size ...

2024-07-15 21:26:07 272

原创手把手AI实战(六)老照片动起来

成果展示步骤拆解老照片动起来其实就是利用 AI 大模型的图生视频功能，这个项目用到的工具是快手的可灵大模型，它有 web 版本和手机 App，这里使用手机 App 来操作。到应用商店下载快影 App。打开快影后，点开 AI 创作然后点开 AI 生视频接着选择第2项的图生视频我们选择一张手机图片进行上传，这里从网络上找了一张老照片下方的提示栏，是我们需要输入的提示词，这个你可以不输。如果说有特殊要求...

2024-07-11 23:01:25 348

原创做自媒体的有福了！推荐几款AI变声软件

大家好，我是小书童，今天给大家介绍几款好用的 AI 变声软件工具，有专业商业版，也有开源免费版。变声软件是一种能够改变用户声音的软件工具，它们通常提供多种变声效果和声音调整选项，使用户能够在不同场合下使用不同的声音，相信对于做自媒体的朋友会非常有用。MorphVOX Pro这是一款功能比较齐全的变声软件，支持男声变女声、女声变男声等多种变声效果。使用上没有什么问题，相对比其他变声器，它的延迟效果比...

2024-07-08 12:02:02 286

原创 3个免费AI提效工具

大家好，我是小书童，今天给大家介绍3款好用的 AI 工具。remove.bgremove.bg 是一款强大的自动去除图片背景的在线工具，快速利用 AI 技术进行抠图。图片背景5秒就被消除，而且还是完全免费的。除此之外，它还提供了加背景、背景模糊化、调整透明度等功能。工具地址：https://www.remove.bg/VideoFusionVideoFusion 是一款一站式短视频合成工具，它的主...

2024-07-06 08:08:39 334

原创今日AI资讯-20240705

1. 法国版开源GPT-4o由法国8人团队打造的原生多模态Moshi，已经实现了接近GPT-4o的水平，现场演示几乎0延迟。团队仅用了半年的时间，从头完成了模型的训练。目前Moshi还处在实验原型阶段，设计初衷是为了理解和表达情感，能够支持听、说、看，可以用70种不同情绪和风格说话，甚至随时被打断，可以实现最低160ms端到端延迟。不仅如此，最小版本的Moshi还可以在笔记本电脑，或者消费级GPU...

2024-07-05 10:46:57 281

原创手把手AI实战(五)视频风格转换

一、成果展示二、步骤拆解本篇实战要完成2个目标用AI生成的人物替换原始视频中的人物，生成一个新的视频将原始视频进行风格转换，比如现在很火的黏土风格好，现在我们需要准备一个原始视频，这里从网络上下载了一个美女舞蹈视频，大家可以从抖音、B站或油管上去下载，推荐 you-get 这个工具，链接：https://github.com/soimort/you-get然后，介绍下本篇的AI主角，它就是 Dom...

2024-06-27 12:02:25 363

原创每日AI资讯-20240625

1. 小米大模型提效新框架小米大模型团队提出SUBLLM（Subsampling-Upsampling-Bypass Large Language Model），国际AI语音大牛、开源语音识别工具Kaldi之父Daniel Povey也参与指导。与Llama等模型相比，SUBLLM在训练和推理速度以及降低内存方面都有了显著提升。在大模型训练中，SUBLLM的速度提高了26%，每个GPU的内存减少了...

2024-06-25 13:01:12 224

原创手把手AI实战(四)让图片开口说话

一、成果展示1.1 原始图片1.2 合成的视频二、步骤拆解提供一张带完整人脸的图片，系统能够根据音频（或者根据输入文本生成音频）合成视频，也就是AI数字人。本篇实战使用的AI平台是hedra，网址是：https://www.hedra.com/。目前这个系统还是beta阶段，使用完全免费，而且对于已有的功能，也完全没有任何的使用限制。对于一般的AI数字人产品，它的整体效果还是非常不错的，不仅能够比...

2024-06-24 12:00:19 308

原创每日AI资讯-20240624

1. 华为发布盘古大模型5.0华为开发者大会2024在东莞召开。在大会现场，华为发布了 HarmonyOS Next、盘古大模型 5.0、仓颉编程语言等，也介绍了一系列 AI 先进技术的应用案例。大模型即服务平台 ModelArts Studio 目前可以提供百模千态的第三方大模型托管服务，支持对大模型定制开发，并提供相应的工具和行业集成套件，让客户可以方便的将大模型与业务系统结合。它具备三大特点...

2024-06-24 10:54:53 326

原创每日AI资讯-20240622

1. 可灵AI全新功能上线！可灵AI全新功能上线！图生视频和视频续写来啦！图生视频：上传任意图片，生成5秒精彩视频。支持添加提示词控制图像运动视频续写：对生成视频一键续写4～5秒，支持多次续写（最长3分钟），可通过微调提示词进行续写视频创作文生视频多比例选择：文生视频新增9:16和1:1视频尺寸选择，提供更多创作可能PS：由于版本正在逐渐放量，已有权限的用户如果看不到功能，可以更新APP，再次尝试...

2024-06-22 10:10:38 317

原创每日AI资讯-20240621

1. Anthropic发布Claude 3.5 SonnetAnthropic 推出了 Claude 3.5 Sonnet。Claude 3.5 Sonnet 在各种评测中都超越了竞争对手和 Claude 3 Opus，同时仍保持着 Claude 3 Sonnet 的速度和成本。Claude 3.5 Sonnet 在解决问题、理解幽默和复杂指令方面均有显著进步。同时它的视觉理解能力也超越了 Cl...

2024-06-21 13:16:50 284

原创每日AI资讯-20240620

1. 英伟达市值登顶全球技领域迎来了一个重要时刻，英伟达超越微软，成为了全球市值最高的公司。英伟达是一家芯片制造商，在最近一个交易日的股价上涨 3.5% 达到 135.58 美元，市值升至 3.334 万亿美元，正式超越苹果、微软等一众科技公司，成为全球最有价值的 AI 科技公司，也是 AI 浪潮成为这个新时代主旋律的一个里程碑。随着市值持续增长，现年 61 岁的CEO黄仁勋身价也水涨船高，已经超...

2024-06-20 11:45:39 165

原创每日AI资讯-20240619

1. 谷歌DeepMind利用AI为无声视频配音DeepMind近日公布了一项利用 AI 为无声视频生成背景音乐的video-to-audio技术。AI模型首先会将用户输入的视频进行拆解，此后结合用户的用户文字提示，利用扩散模型反复运算，最终以生成与视频画面协调的背景声音，例如输入一条“在黑暗中行走”的无声视频，再添加“电影、恐怖片、音乐、紧张、混凝土上的脚步声”等文字提示，相关模型就能生成恐怖风...

2024-06-19 07:02:21 311

原创手把手AI实战(三)让图片中的人物舞动起来

一、成果展示二、步骤拆解本篇使用的AI工具是viggle，地址是：https://viggle.ai/viggle有2种使用方法，一个是在网页里，另一个是在discord里，看你自己的使用习惯，这里以web版为例，点击Join The Beta点击左侧的Character中的Upload files or drop an image，下方的Image Assets中可以找到历史文件选择一张本地的照...

2024-06-19 07:02:21 261

原创每日AI资讯-20240618

1. 3D 版 SORA 来了！DreamTech 官宣了其高质量 3D 生成大模型 Direct3D，并公开了相关学术论文 Direct3D: Scalable Image-to-3D Generation via 3D Latent Diffusion Transformer。链接：https://arxiv.org/abs/2405.14832这是首个公开发布的原生三维生成路线的 3D 大模...

2024-06-18 11:53:22 242

原创每日AI资讯-20240617

1. Meta AI的NLLB-200登上NatureMeta AI在社交媒体X上宣传自家的大模型NLLB，全称为No Language Left Behind，这个AI模型能够翻译200种语言，包括资源匮乏的语言，更难得的是，NLLB模型可以免费提供给非商业用途。这项研究刊登在了本周的Nature上，题为Scalling neural machine translations to 200 la...

2024-06-17 21:36:34 330

原创每日AI资讯-20240616

1. AI漫画角色一致性大突破由中山大学和联想团队联合提出AutoStudio，它是一个无需训练的多智能体协同框架。AutoStudio采用基于大语言模型的三个智能体来处理交互，并使用基于扩散模型的Drawer生成高质量图像。实验中，AutoStudio无论是在定量还是定性评估中都优于现有方法。AutoStudio包括三个基于LLM的智能体：主题管理器：解释对话，识别不同的主题，并为其分配适当的上...

2024-06-16 12:16:58 281

原创今日AI资讯-20240615

1. Follow Your Emoji一键让照片变表情包腾讯混元联合港科大、清华大学联合推出肖像动画生成框架Follow Your Emoji，可以通过人脸骨架信息生成任意风格的脸部动画，一键创建表情包。基于算法革新和数据积累，Follow Your Emoji可以支持对脸部进行精细化的控制，包括眉毛，眼珠，翻白眼等细节，动物表情包也可以轻松拿捏。首先，引入了表情感知骨架这一表情控制信号，能够...

2024-06-15 07:00:33 264

原创每日AI资讯-20240614

1. AI视频新霸主诞生！Dream Machine成立于2021年的Luma AI官宣了文生视频/图生视频模型Dream Machine，而且提供免费试用API，高质量的生成效果获得了很多网友的好评。有网友输入相同的提示词，对比Pika、Runway和Dream Machine三个模型，他认为最终还是Luma赢了。2. 吴恩达开源机器翻译智能体人工智能著名学者、斯坦福大学教授吴恩达一直非常推崇智...

2024-06-14 10:42:54 296

原创手把手教你打造一个AI智能体

什么是AI智能体？‍Agent AI智能体，也被称为人工智能代理（Artificial Intelligence Agent），是一种能够感知环境、进行自主理解、决策和执行动作的智能体。它具备独立思考和调用工具逐步完成给定目标的能力。Agent AI智能体不仅仅是一个大模型，它通过感知和适应环境，可以模拟人类的交互方式，并展现出上下文学习能力、思维链和推理能力等类似人类思考方式的能力。通俗的理解：...

2024-06-13 12:14:59 980

原创每日AI资讯-20240613

1. GPT-4o更容易越狱？来自北航和南洋理工的研究人员，通过上万次的API查询，对GPT-4o各种模态的安全性进行了详细测试。结果发现，GPT-4o新引入的语音模态带来了新的攻击面，而且多模态整体安全性不敌GPT-4V。研究人员针对4个常用的基准测试，对GPT-4o支持的三种模态（文本、图像、音频）进行了测试。测试一共涉及到4000+初始文本查询的优化，8000+响应判断，16000+次Ope...

2024-06-13 12:14:59 344

原创敢叫印钞机加速器的AI，你确定不来试试？

大家好，我是小书童。今天给大家分享一款开源的文生视频的AI工具，叫 MoneyPrinterTurbo，印钞机加速器，就问你牛不牛逼？MoneyPrinterTurbo 已经在 GitHub 斩获了超过13k的星星，可见它的受欢迎程度。你只需要提供一个视频的主题或者关键词，有关的剧本、素材、字幕和背景音乐就能够自动生成，高清短视频生成只在一瞬间！无论您是营销人员、创作者还是个人用户，它都能帮你大大...

2024-06-12 16:52:42 431

原创每日AI资讯-20240612

1. Yandex开源LLM训练工具，节省高达20%的GPU资源Yandex 最近推出了 YaFSDP，这是一种用于训练大型语言模型 (LLM) 的开源方法。YaFSDP 是目前最有效的公开可用工具，用于增强 GPU 通信并减少 LLM 训练中的内存使用量，与 FSDP 相比，其训练速度提升最高可达 26%，具体取决于架构和参数数量。通过使用 YaFSDP 减少 LLM 的训练时间可以节省高达 2...

2024-06-12 11:52:22 247

原创手把手AI实战(二)古诗词教学视频

一、成果展示二、步骤拆解2.1 生成绘图的提示词这里以曹操的《观沧海》为例东临碣石，以观沧海。水何澹澹，山岛竦峙。树木丛生，百草丰茂。秋风萧瑟，洪波涌起。日月之行，若出其中；星汉灿烂，若出其里。幸甚至哉，歌以咏志。这里，我们将根据这七句诗词，画出七幅画。这个艰巨的任务就交给大模型吧，使用国产的Kimi，地址：https://kimi.moonshot.cn/我给的提示词是我想将曹操的《观沧海》这首...

2024-06-11 10:54:35 926

原创每日AI资讯-20240611

‍1. 苹果重新定义AI‍通过端侧+云端的方式实现全场景人工智能。WWDC2024上，苹果将自有的AI能力命名为Apple Intelligence，它能基于苹果内置的大语言模型，通过理解自然语言来执行用户的语音或文字指令。苹果让AI能力几乎覆盖了所有重要的原生应用，包括相机、照片、备忘录、语音备忘录、提醒事项、邮件、Safari、Keynote等等。除此以外，苹果还推出了两款全新应用，分别是书写...

2024-06-11 10:54:35 230

原创每日AI资讯-20240610

1. 华科等提出人类跳舞视频生成新框架UniAnimate来自华中科技大学、阿里巴巴、中国科学技术大学的研究团队提出了 UniAnimate 框架，以实现高效且长时间的人类视频生成，支持合成1分钟高清视频。2. 5秒完成3D生成，合成数据集已开源来自上海交大、香港中文大学等团队使用大模型合成的数据，显著提升了3D的生成能力。他们推出Bootstrap3D框架，结合微调的具备3D感知能力的多模态大模...

2024-06-10 15:09:55 281

原创快手可灵文生视频大模型

快手近日推出了新的视频生成模型，可灵 Kling AI，根据官方放出的 Demo，几乎可以和 OpenAi 的 SORA 相媲美。官网地址：https://kling.kuaishou.com/可灵AI的功能特点得益于高效的训练基础设施、极致的推理优化和可扩展的基础架构，可灵大模型能够生成长达2分钟的视频，且帧率达到30fps。采用3D时空联合注意力机制，能够更好地建模复杂时空运动，生成较大幅度运...

2024-06-10 15:09:55 7406

原创每日AI资讯-20240608

1. 腾讯混元推出AI动图神器Follow-Your-Pose-v2腾讯混元团队与中山大学、香港科技大学联合推出全新图生视频模型“Follow-Your-Pose-v2”，只需要输入一张人物图片和一段动作视频，就可以让图片上的人跟随视频上的动作动起来，生成视频长度可达10秒。与此前推出的模型相比，Follow-Your-Pose-v2可在推理耗时更少的情况下，支持单张图片上多人视频动作生成。模型...

2024-06-08 22:27:04 360

原创手把手AI实战(一)治愈系动画视频

手把手AI实战(一)治愈系动画视频一、成果展示二、步骤拆解2.1 AI出图可以使用你顺手的AI绘图工具，国外的像Midjouney、Stable Diffusion，国内的像扣子、智普清言等等。我这里用了剪映的，地址是：https://jimeng.jianying.com/ai-tool平台免费用户每天有60个积分，画一次消耗一个积分，正常来讲够用了，不够的话，可以开会员。左侧就写上提示词，比如...

2024-06-08 22:27:04 542

原创 AI图片上色，让老照片好看起来！

前言IC-Light 是 Imposing Consistent Light 的缩写，这个开源项目能够在不改变图片内容的情况下，控制生成图片的光照效果，也就是给图片上色。因此，这个项目可以用在给老照片上色。IC-Light 发布了两个模型：文本条件(Text-Conditioned)模型和背景条件(Background-Conditioned)模型，这两种模型都将前景图像作为模型输入。线上体验我们...

2024-06-07 10:10:30 366

转载基于YOLO算法实现足球运动实时分析(附源码)

今天给大家介绍一个计算机视觉实战的项目。这个项目使用YOLO（目前最好的AI物体检测模型之一）来检测跟踪视频中的球员、裁判和足球。使用Kmeans进行像素分割和聚类，根据球员的T恤颜色将他们分配到各个球队。有了这些信息，就可以衡量一支球队在比赛中的控球率。此外使用光流测量帧之间的摄像机移动，使得能够准确测量球员的移动。通过透视变换来表示场景的深度和透视，使我们能够以米而不是像素为单位测量球员的移动...

2024-06-07 10:10:30 61

转载每日AI资讯-20240607

1. 阿里通义千问Qwen2大模型发布并同步开源阿里通义千问Qwen2大模型今日发布，并在 Hugging Face和 ModelScope上同步开源。Qwen2系列涵盖5个尺寸的预训练和指令微调模型，其中包括Qwen2-0.5B、Qwen2-1.5B、Qwen2-7B、Qwen2-57B-A14B和Qwen2-72B，据称性能超过美国最强的开源模型Llama3-70B；在中英文之外，模型训练数据...

2024-06-07 10:10:30 18

原创每日AI资讯-20240606

智普AI推出全新开源大模型GLM-4-9B智谱AI日前推出全新开源模型GLM-4-9B，该尺寸模型首次具备多模态能力。据了解，GLM-4-9B，最高支持1M/约两百万字上下文输入，相当于2本《红楼梦》或125篇论文的长度。性能上，GLM-4-9B函数调用能力提升40%，性能比肩GPT-4；同时，该模型使用超过 10T 高质量多语言数据，一共支持26种语言，通用能力相比上一代模型提升40%，已经赶超...

2024-06-06 12:12:06 301

原创 AI音乐界的ChatGPT又进化了

AI 的进化速度实在是太快了，前几天刚体验完 AI 音乐界的 ChatGPT -- Suno 3.0 版本，效果已经非常惊艳了，可以看这里你敢信？这是AI写的歌今天登录到网站，发现创作界面又改版了，模型已经出了3.5版本从官方的版本发布记录里可以看到，3.5版本主要更新了可以生成4分钟的歌曲2分钟的歌曲扩展创作体验方面的改进默认使用3.5版本总体使用上没有多大的区别，可以参考3.0版本的使用方法。...

2024-06-06 12:12:06 315

原创 GPT-4o典型应用案例

OpenAI 官方放出了在 GPT-4o 发布会上没有给出的16个演示案例，本篇我们就来看看几个典型的应用场景，再次感受下 GPT-4o 的强大能力。案例1这是一个模拟过生日的一个场景，桌子上放了一个蛋糕和一根蜡烛，在和 GPT-4o 对话过程中，它可以打开摄像头，实时的开始对话，对于蛋糕和蜡烛，它也能够知道其中的含义。对话过程中，语言也非常幽默，就像是一个真实存在的朋友一样，最后，要求 GPT-...

2024-06-04 07:00:21 317

原创想要用好大模型，人人都要学点提示词

什么是提示词提示词（prompt）是一种与生成性人工智能模型（如 Kimi）进行交互的方式，它通过简单的语言指令来引导模型产生期望的输出。提示词可以是问题、指令或者任何形式的文本输入，旨在激发模型生成特定类型的响应或完成特定的任务。提示词工程（prompt engineering）则是一门发挥想象力的艺术，它涉及创造性地设计和优化这些提示词，以便从语言模型中获得最佳的输出结果。在提示词工程中，不需...

2024-06-03 12:03:25 339

原创又一国产移动AI工具来了！

腾讯正式发布了基于混元大模型的面向消费者端的 AI 助手腾讯元宝，目前已经上架各大应用商店。腾讯元宝提供了 AI 搜索、AI 总结、AI 写作、AI 语音等核心能力，能够一次性解析多个微信公众号链接，支持 pdf、word、txt 等多种格式的文档，以及图片的解析，并支持超长的上下文窗口。可以随时向它发起对话，模型会给你提供精准的答案文字输出的同时，也可以进行语音播报，目前系统已经支持了近30个音...

2024-05-30 22:18:05 164

原创绝美AI图片用的什么提示词？有它，不愁！

了解过 Midjourney 等绘画平台的小伙伴应该都知道，我们可以通过向模型输入提示词，来获得想要的图片。本篇，我们反过来，介绍一款免费的由图片来获取对应的提示词工具，这样可以帮助我们更深刻地去理解大模型的绘图原理以及如何来撰写更准确的提示词。输入网站地址: https://mj.designtt.cc/midjourney prompt找一张测试图片midjourney prompt点击添加图...

2024-05-30 07:00:00 272

转载 GPT-4o震撼上线！国内稳定访问！

开篇提示，这是一篇友情推广，且是我亲自体验后才决定发布的文章，我也希望能认真种草给大家。前段时间，有位号主朋友向我推荐了他做的一个 AI 工具聚合平台：Hulu AI，说实话，市面上这类网站很多，我自己也体验过不少，整个环境滥竽充数的很多。所以当时号主朋友找到我的时候，我也并不抱希望。但是他很自信的告诉我，我们的产品目前就是同类型体验最好的，我直接送你个会员你体验下。我自己亲自体验之后，发现对于像...

2024-05-29 17:57:44 79

原创手机上6个免费AI，简直强的可怕

有没有哪一瞬间，特别希望手机能成为你的私人助手，帮你搜索资料、查找信息？现在，就为你揭秘6款超高效、免费的 AI 应用，让你的手机化身为你的智能小管家！一、通达AI助手：通义千问首发独特 AI 创作功能，火遍全网的猫猫跳舞、科目三视频都出自这里。还支持 AI 聊天、AI 绘画，虽然生成速度有所欠缺，但依然值得期待更新。释放你的创造力，和 AI 一起聊天、画画，动动手指轻松玩转艺术！二、资料迷的福音...

2024-05-28 11:07:05 273