AIGC Weekly #94

AIGC Weekly 94 👑 AIGC Weekly 94 • 巫师猫咪的 IP 的视频已经有 1200 万播放 ，很多人进行混合二创，起飞了，在抖音也很火。 • 非常屌的概念应用演示 。实时将你所处的环境变成各种虚拟游戏地图。感觉 MJ 想做的那种 3D 生成就是这样的类型。目前这个演示是用 Runway 的 V2V 做的。 • 小黄人版本的冰与火之歌 ，每个形象都很传神。 • 用Midjourney、Runway、AE做的电线特效， 教程在这里 。 产品推荐 ✦ Notion Mail：用Notion的方式接收和管理邮件 Notion 发布了一大堆更新，比如新的自动化功能、官方模板市场、布局自定义等。还有个新产品是Notion Mail邮件客户端，将会在2025年推出。 提供了自定义的收件箱管理功能，允许用户通过简单的指令自动整理、归档或起草电子邮件。该服务能够自动执行一些常规任务，如标记重要邮件、自动回复和日程安排等，减少了繁琐的电子邮件回复和日程协调工作。甚至可以让 AI 提出合适的建议。 Voice Design：通过提示词定义配音风格 ElevenLabs 推出了 Voice Design 功能，允许用户通过文本提示生成独特的声音，如果用户需要的声音库中没有，可以自行提示创建。 ElevenLabs 的声音库已经拥有超过 3000 个高质量的声音，但 Voice Design 能够在库中找不到所需声音时，帮助实现用户对声音的具体想象。 Paperguide：专门用于研究的AI工具 Paperguide 是一个集成了参考文献管理、AI 写作助手、文献搜索和摘要等功能的研究助手平台，旨在简化学术研究流程。 用户可以上传多种格式的文档，利用 AI 搜索功能快速找到开放获取的研究论文中的答案，或者从个人图书馆中获取最相关的信息。AI 写作助手能够预测用户的写作意图，提供相关的文本建议，并且支持一键生成格式正确的引用。此外，平台还提供了注释、笔记、文件分类、协作共享、抄袭检测和语法校对等功能，以及一个 Chrome 插件，使研究人员能够在浏览器中直接访问和管理研究生态系统。 Midjourney外部图片编辑器发布 Midjourney终于推出了预告已久的新版图片编辑器。 支持对非 Midjourney 生产的图片进行局部重绘和基于深度图的重新生成。 目前只开放给年度会员、生成超过一万张图片和连续订阅超过 12 个月的会员。 比较好的例子有 四喜茶茶的品牌logo衍生插画 ， Perplexity设计师的界面展示插图 ， 我精选的一部分 等。 ima：AI 知识库 腾讯新出的这个 ima AI 知识库感觉有点上道了。结合笔记软件和 AI 搜索，可以直接将搜索内容加入知识库和笔记列表。写笔记的时候可以使用 AI 扩写和编辑笔记内容。 软件设计的一些小细节也很有意思，比如输入框有内容的时候熊猫会看向右边。如果他要是再有一个浏览器插件的话我真会用，而且他现在可以总结非国内网页。 MusicFX DJ：给专业用户的AI音乐生成工具 谷歌最近是开窍了？又一个很好玩的新玩意。MusicFX DJ 可以生成自定义程度很高的音乐，非常适合专业用户使用： • 支持为音乐增加和减少乐器，自定义乐器强度 • 更改会实时反应在生成音乐上 • 支持自定义 BPM 和 Key • 支持调整密度、混乱程度等其他选项。 【剩余部分为付费阅读，请转至小报童】 你可以在这里找到我： | 即刻 | 推特 | Quail订阅 | 微信公众号：歸藏的AI工具箱 |邮箱：guohao631@gmail.com | 微信号：op7418 巫师猫咪的 IP 的视频已经有 1200 万播放 非常屌的概念应用演示 小黄人版本的冰与火之歌 教程在这里 Notion Mail：用Notion的方式接收和管理邮件 Voice Design：通过提示词定义配音风格 Paperguide：专门用于研究的AI工具 Midjourney外部图片编辑器发布 四喜茶茶的品牌logo衍生插画 Perplexity设计师的界面展示插图 我精选的一部分 ima：AI 知识库 MusicFX DJ：给专业用户的AI音乐生成工具 请转至小报童 即刻 推特 Quail订阅 guohao631@gmail.com • 巫师猫咪的 IP 的视频已经有 1200 万播放 ，很多人进行混合二创，起飞了，在抖音也很火。 巫师猫咪的 IP 的视频已经有 1200 万播放 • 非常屌的概念应用演示 。实时将你所处的环境变成各种虚拟游戏地图。感觉 MJ 想做的那种 3D 生成就是这样的类型。目前这个演示是用 Runway 的 V2V 做的。 非常屌的概念应用演示 • 小黄人版本的冰与火之歌 ，每个形象都很传神。 小黄人版本的冰与火之歌 • 用Midjourney、Runway、AE做的电线特效， 教程在这里 。 教程在这里 产品推荐 ✦ Notion Mail：用Notion的方式接收和管理邮件 Notion Mail：用Notion的方式接收和管理邮件 Notion 发布了一大堆更新，比如新的自动化功能、官方模板市场、布局自定义等。还有个新产品是Notion Mail邮件客户端，将会在2025年推出。 提供了自定义的收件箱管理功能，允许用户通过简单的指令自动整理、归档或起草电子邮件。该服务能够自动执行一些常规任务，如标记重要邮件、自动回复和日程安排等，减少了繁琐的电子邮件回复和日程协调工作。甚至可以让 AI 提出合适的建议。 Voice Design：通过提示词定义配音风格 Voice Design：通过提示词定义配音风格 ElevenLabs 推出了 Voice Design 功能，允许用户通过文本提示生成独特的声音，如果用户需要的声音库中没有，可以自行提示创建。 ElevenLabs 的声音库已经拥有超过 3000 个高质量的声音，但 Voice Design 能够在库中找不到所需声音时，帮助实现用户对声音的具体想象。 Paperguide：专门用于研究的AI工具 Paperguide：专门用于研究的AI工具 Paperguide 是一个集成了参考文献管理、AI 写作助手、文献搜索和摘要等功能的研究助手平台，旨在简化学术研究流程。 用户可以上传多种格式的文档，利用 AI 搜索功能快速找到开放获取的研究论文中的答案，或者从个人图书馆中获取最相关的信息。AI 写作助手能够预测用户的写作意图，提供相关的文本建议，并且支持一键生成格式正确的引用。此外，平台还提供了注释、笔记、文件分类、协作共享、抄袭检测和语法校对等功能，以及一个 Chrome 插件，使研究人员能够在浏览器中直接访问和管理研究生态系统。 Midjourney外部图片编辑器发布 Midjourney外部图片编辑器发布 Midjourney终于推出了预告已久的新版图片编辑器。 支持对非 Midjourney 生产的图片进行局部重绘和基于深度图的重新生成。 目前只开放给年度会员、生成超过一万张图片和连续订阅超过 12 个月的会员。 比较好的例子有 四喜茶茶的品牌logo衍生插画 ， Perplexity设计师的界面展示插图 ， 我精选的一部分 等。 四喜茶茶的品牌logo衍生插画 Perplexity设计师的界面展示插图 我精选的一部分 ima：AI 知识库 ima：AI 知识库 腾讯新出的这个 ima AI 知识库感觉有点上道了。结合笔记软件和 AI 搜索，可以直接将搜索内容加入知识库和笔记列表。写笔记的时候可以使用 AI 扩写和编辑笔记内容。 软件设计的一些小细节也很有意思，比如输入框有内容的时候熊猫会看向右边。如果他要是再有一个浏览器插件的话我真会用，而且他现在可以总结非国内网页。 MusicFX DJ：给专业用户的AI音乐生成工具 MusicFX DJ：给专业用户的AI音乐生成工具 谷歌最近是开窍了？又一个很好玩的新玩意。MusicFX DJ 可以生成自定义程度很高的音乐，非常适合专业用户使用： • 支持为音乐增加和减少乐器，自定义乐器强度 • 更改会实时反应在生成音乐上 • 支持自定义 BPM 和 Key • 支持调整密度、混乱程度等其他选项。 【剩余部分为付费阅读，请转至小报童】 请转至小报童 你可以在这里找到我： | 即刻 | 推特 | Quail订阅 | 微信公众号：歸藏的AI工具箱 |邮箱：guohao631@gmail.com | 微信号：op7418 即刻 推特 Quail订阅 guohao631@gmail.com 🔗 原文链接： https://quail.ink/op7418/p/aigc wee... https://quail.ink/op7418/p/aigc wee... ⏰ 发表时间：2024 10 28 作者：歸藏 上周关于AI自动操控界面完成任务的功能很火，刚好Arc新产品也是类似功能，他们理念很有意思， 我写了篇内容分析了一下 ，感兴趣可以看看。 我写了篇内容分析了一下 另外上周二的晚上是会写入人工智能史的一天，那天晚上一晚上AI各个领域都有重要发布，太离谱了，不知道那些厂商怎么选的日子。 上周精选 ✦ Anthropic 发布新版Claude 3.5 Sonnet、Claude 3.5 Haiku和Computer use功能 Anthropic 发布新版Claude 3.5 Sonnet、Claude 3.5 Haiku和Computer use功能 Anthropic 上周发布了 Claude 3.5 Haiku 和升级款的 Claude 3.5 Sonnet，Claude 3.5 Sonnet 推理得分超过O1。而且 Claude 现在支持像人类一样操作计算机，通过查看屏幕、移动光标、单击按钮和键入文本。 新版Claude 3.5 Sonnet介绍： 更新后的Claude 3.5 Sonnet在行业基准上显示出广泛的改进，尤其是在代理编码和工具使用任务方面取得了显着的进步。 它在SWE bench Verified上的性能从 33.4% 提高到 49.0%，得分高于所有公开可用的模型，包括 OpenAI o1 preview 等推理模型和专为代理编码设计的专用系统。 它还将在代理工具使用任务TAU bench上的表现提高，零售领域从 62.6%提高到 69.2%，在更具挑战性的航空领域从 36.0%提高到 46.0%。 早期客户反馈表明，升级后的 Claude 3.5 Sonnet 代表了 AI 编码的重大飞跃。GitLab 为 DevSecOps 任务测试了该模型，发现它在没有增加延迟的情况下提供了更强的推理能力（在各种用例中高达 10%）。 Claude 3.5 Haiku介绍： Claude 3.5 Haiku 在各项技能上都有所提高，甚至在许多智能基准上超过了上一代最大的模型 Claude 3 Opus。 Claude 3.5 Haiku 具有低延迟、改进的指令遵循和更准确的工具使用能力。 Haiku 在编码任务上尤其强大。例如，它在 SWE bench Verified 上得分为 40.6%，优于许多使用公开可用的最先进模型（包括原始的 Claude 3.5 Sonnet 和 GPT 4o）的代理。 教Claude使用计算机 为了使这些通用技能成为可能，构建了一个 API，使 Claude 能够感知计算机界面并与之交互。 开发人员可以集成此 API，使 Claude 能够将指令（例如，“使用我的计算机上的数据并在线填写此表格”）翻译成计算机命令（例如，检查电子表格；移动光标打开 Web 浏览器；导航到相关网页；使用这些网页中的数据填写表格；等等）。在评估人工智能模型像人一样使用计算机的能力的OSWorld上。 Claude 3.5 Sonnet 在仅屏幕截图类别中得分为 14.9%，明显优于第二好的人工智能系统 7.8% 的得分。当提供更多步骤来完成任务时，克劳德得分为 22.0%。 Claude 使用电脑的时候还会关掉录制按钮偷懒。 开始偷偷浏览黄石公园的照片 。 开始偷偷浏览黄石公园的照片 其他信息 照例他们也放出了 新的Claude 3.5系统提示词 ，长的有点离谱。 新的Claude 3.5系统提示词 Kyle Corbitt 六小时就搞了一个 Claude Computer use 的客户端 。还是开源的，可以直接用它控制你电脑完成任务。 Claude Computer use 的客户端 另外， Claude 现在获得了专门的数据分析工具 。可以编写和运行 js 代码，基于 Claude 3.5 的能力进行复杂的数学运算和数据分析。 Claude 现在获得了专门的数据分析工具 最强开源视频生成模型 Mochi 1 发布 最强开源视频生成模型 Mochi 1 发布 Genmo 开源 Mochi 1 DiT 视频生成模型。同时Genmo 已经完成了一轮由 NEA 领投的总额为 2840 万美元的 A 轮融资。 模型信息 运动质量:Mochi 1 以每秒 30 帧的速度生成平滑的视频，持续时间长达 5.4 秒，具有高时间连贯性和逼真的运动动态。 Mochi 模拟物理学，如流体动力学、毛发模拟，并表现出一致、流畅的人体动作，开始跨越恐怖谷效应。 提示遵从：展示了与文本提示的卓越一致性，确保生成的视频准确反映了给定的指示。这使用户可以详细控制角色、设置和动作。 初始的视频分辨率为 480P，模型参数量为10 B。 模型使用 Mochi 1 模型文件超过 40G，需要 4XH100 才能跑。但是开源社区能人多啊， kijai 发布新 ComfyUI 插件 。可以让你用 20G 显存使用现在最强的开源视频生成模型 Mochi 1。 kijai 发布新 ComfyUI 插件 另外你可以在 Genmo 官方的线上使用Mochi 1 。 另外你可以在 Genmo 官方的线上使用Mochi 1 SD 3.5模型发布及Comfyui V1版本更新 上周AI图像生态也有比较大的进展，Stability AI 不服输发布了SD3.5系列模型，而且完全开源，只有100万美元以上收入的才需要申请许可。Comfy org成立以后的第一次重大发布也来了，V1版本的Comfyui可以直接已安装包的形式安装，解决了很多新手用户第一步的问题。 SD 3.5模型发布 SD 3.5模型发布 Stability AI 直接开源这个系列的三个模型包括：Large 和 Large Turbo，Medium 将于 29 号发布。 模型介绍： Stable Diffusion 3.5 Large ：拥有 80 亿个参数，具有卓越的质量和提示遵从性，是SD系列中最强大的模型。 Stable Diffusion 3.5 Large Turbo ：3.5 Large 的精炼版本只需 4 个步骤即可生成高质量图像，并且具有出色的提示附着力。 Stable Diffusion 3.5 Medium ： 拥有 25 亿个参数，并采用改进的 MMDiT X 架构和训练方法，它能够生成分辨率在 0.25 到 2 兆像素之间的图像。 官方训练的 ControlNets 也将推出，为各种专业用例提供先进的控制功能。 Comfyui 已经直接支持了SD3.5，你可以 在这里找到相关的模型文件和工作流 。 在这里找到相关的模型文件和工作流 SD3.5默认的美学表现可能没有FLUX好，但是强处在于模型本身支持微调，这让模型的上限高了很多。 ComfyUI V1发布 ComfyUI V1发布 Comfyui 的主要开源贡献者成立 Comfy org 组织之后，Comfy 的迭代速度在不断加快，0.2 的时候他们完成了 UI 的重构。现在更加重磅的版本上线了，一举解决 Comfy 复杂的部署问题。 发布完整桌面安装包 代码签名和安全：ComfyUI 现在可以打开而不会触发安全警告。 跨平台：适用于 Windows / macOS / Linux 自动更新：通过自动更新保持在 ComfyUI 的稳定发布轨道上。 推荐的 Python 环境：不再手动设置的烦恼。 ComfyUI Manager默认安装：直接从 ComfyUI 注册表安装节点，访问最新的版本节点。 Tab 页面：您现在可以使用标签页打开多个工作流程并在它们之间切换。 自定义键位绑定：您现在可以定义真正的自定义键位绑定，而不会受到浏览器级命令的干扰。 自动模型资源导入：可以通过在安装过程中选择该目录来重用现有的 ComfyUI。 Comfy 节点注册表 一个新的自定义节点库，目前库中已经收录了超过 600 个已发布的节点，总版本数超过 2000 个。 Dr.Lt.Data 正在一个新的功能分支中努力将 ComfyUI 管理器与 CNR 集成。其中，基于 Electron 框架的桌面应用是首个支持从节点库安装的平台。 其他动态 ✦ • 谷歌发布了 SynthID Text ，它可以让开发人员添加水印并检测AI模型生成的文本，还可以通过在每个帧的像素中嵌入水印来为视频添加水印。 谷歌发布了 SynthID Text • 苹果 iOS 18.2更新了一堆当时承诺的AI功能 ，比如视觉智能、emoji生成、Siri Chat GPT集成、图片生成功能等。 苹果 iOS 18.2更新了一堆当时承诺的AI功能 • 超过 11,500 名创意专业人士，包括奥斯卡获奖者丽安·摩尔 (Julianne Moore)、詹姆斯·帕特森 (James Patterson) 和汤姆·约克 (Thom Yorke)，签署了一封公开信， 强烈谴责在没有获得许可的情况下使用人类艺术作品来训练人工智能 。 强烈谴责在没有获得许可的情况下使用人类艺术作品来训练人工智能 • Perplexity 推出了新的 “Reasoning Mode” 功能 ，提升了搜索引擎的推理能力，允许用户提出更深层次的问题。 Perplexity 推出了新的 “Reasoning Mode” 功能 • Clone 推出 Torso，一个由人工肌肉驱动的双手机器人 ，既视感太强了，有生之年估计真能去西部世界园区。 Clone 推出 Torso，一个由人工肌肉驱动的双手机器人 • Perplexity 发布了他们的官方Mac客户端 ，基本包含所有网页端的能力，支持一键唤起。 Perplexity 发布了他们的官方Mac客户端 • Krea 用那些开放的 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。应该是用视频最后一帧做的图生视频，不过也省事很多了，他接入的几家都没做。 Krea 用那些开放的 API 做了自己的 AI 视频功能 • 千问周畅、面壁智能核心成员秦禹嘉、零一万物核心成员黄文灏都加入了字节，有钱真好啊，经得起折腾，无限投入。 • Runway 发布 Act One 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，效果非常好，目前已经全量开放。 Runway 发布 Act One 功能 • Ideogram 发布 Ideogram Canvas 。可以在无限画布上对生成的图片进行编辑，比如扩图、局部重绘，以及最基本的生成功能。 Ideogram 发布 Ideogram Canvas • Meta 的图像分割模型 SAM 更新了 2.1 。大幅加强了相似的物体和小物体的分割和识别效果。 Meta 的图像分割模型 SAM 更新了 2.1 图像及视频作品推荐✦