跳到正文

X:阿易 AI Notes

@ayi_ainotes · X

当前显示全部 AI 相关新闻
切换来源
全部X新闻X:Rohan Paul1272 条X:Kim1141 条X:阿易 AI Notes845 条X:阿里云 / Alibaba Cloud433 条X:Testing Catalog346 条X:Elvis Saravia325 条X:cb_doge308 条X:Elon Musk307 条X:OpenRouter288 条X:Artificial Analysis261 条X:Ethan Mollick261 条X:PixVerse237 条X:Replit215 条X:Alexandr Wang(Scale AI 创始人/Meta 首席 AI 官)205 条X:SemiAnalysis204 条X:ZHO203 条X:OpenAI Developers202 条X:小北171 条X:swyx161 条X:MiniMax157 条X:Gemini156 条X:Dex Horthy(HumanLayer)131 条X:Emad Mostaque122 条X:Tibo122 条X:OpenAI119 条X:X.PIN104 条X:Google AI for Developers103 条X:蚂蚁百灵101 条X:AI Safety Memes98 条X:Thomas Wolf(Hugging Face 联创/CSO)95 条X:Epoch AI93 条X:Luma AI90 条X:Runway88 条X:Claude Devs84 条X:Aravind Srinivas(Perplexity CEO)82 条X:Jason Liu82 条X:马东锡 NLP80 条X:面壁智能 OpenBMB79 条X:Frank Wang 玉伯79 条X:Sam Altman79 条X:洪明73 条X:fofr72 条X:Gabriel71 条X:阑夕67 条X:Francois Chollet66 条X:Nathan Lambert62 条X:Yuchen Jin62 条X:Perplexity61 条X:opencode60 条X:赵纯想59 条X:Eric Zakariasson59 条X:Greg Brockman58 条X:Cohere55 条X:Tencent WorkBuddy55 条X:Microsoft Research54 条X:Peter Steinberger51 条X:腾讯混元50 条X:Suno50 条X:Claude45 条X:Anthropic44 条X:Clément Delangue(Hugging Face CEO)44 条X:OpenClaw42 条X:Charlie Holtz41 条X:Krea AI41 条X:通义千问 / Qwen39 条X:Google DeepMind39 条X:Google AI37 条X:Thariq36 条X:karminski32 条X:AK31 条X:Peter McCrory(Anthropic 首席经济学家)31 条X:Boris Cherny30 条X:百度 Baidu29 条X:AI at Meta28 条X:Deedy Das28 条X:可灵 Kling AI27 条X:Aidan Gomez(Cohere CEO)27 条X:Viggle AI26 条X:Mustafa Suleyman(Microsoft AI CEO)25 条X:Logan Kilpatrick24 条X:Josh Woodward23 条X:Noam Brown20 条X:李继刚19 条X:硅基流动 SiliconFlow18 条X:Andrew Milich18 条X:Odyssey18 条X:SpaceXAI17 条X:Tianyi Cui17 条X:DeepSeek16 条X:华为云15 条X:Sundar Pichai14 条X:智谱 Z.ai12 条X:Mark Zuckerberg12 条X:Demis Hassabis11 条X:唐杰10 条X:Ammaar Reshi10 条X:Andrew Ng(DeepLearning.AI 创始人)10 条X:Eric Mitchell10 条X:Karina Nguyen10 条X:Lee Robinson10 条X:Mistral AI10 条X:Noah Zweben10 条X:Barret 李靖9 条X:Fei-Fei Li9 条X:Jensen Huang9 条X:Kimi.ai9 条X:Hao AI Lab8 条X:Jeff Dean8 条X:谢赛宁7 条X:Jim Fan7 条X:Michael Truell7 条X:張小珺 Xiaojùn6 条X:NotebookLM0 条@berryxia · 历史来源430 条@vista8 · 历史来源262 条@op7418 · 历史来源231 条@sensetime_ai · 历史来源34 条@google · 历史来源30 条@getsuperintel · 历史来源9 条@latentspacepod · 历史来源9 条@android · 历史来源8 条@dreamlabla · 历史来源8 条@mannybernabe · 历史来源8 条@karpathy · 历史来源7 条@alexatallah · 历史来源6 条@ryanleeminimax · 历史来源5 条@theo · 历史来源5 条PixVerse (@PixVerse) · 历史来源5 条@aidotengineer · 历史来源4 条@dkundel · 历史来源4 条@reach_vb · 历史来源4 条@dotey · 历史来源3 条@eliebakouch · 历史来源3 条@googlechrome · 历史来源3 条@kilocode · 历史来源3 条@maxforai · 历史来源3 条@newsfromgoogle · 历史来源3 条@richardssutton · 历史来源3 条@skylermiao7 · 历史来源3 条@victorsuortiz · 历史来源3 条@ajambrosino · 历史来源2 条@akashi203 · 历史来源2 条@anatolikopadze · 历史来源2 条@andrewcurran_ · 历史来源2 条@antirez · 历史来源2 条@barrnanas · 历史来源2 条@coreyching · 历史来源2 条@deanwball · 历史来源2 条@designarena · 历史来源2 条@fal · 历史来源2 条@fellmentke · 历史来源2 条@gergelyorosz · 历史来源2 条@gmi_cloud · 历史来源2 条@gravicle · 历史来源2 条@hxiao · 历史来源2 条@id_aa_carmack · 历史来源2 条@jackminong · 历史来源2 条@lennysan · 历史来源2 条@mada299 · 历史来源2 条@microsoft · 历史来源2 条@mikastars39 · 历史来源2 条@mitchellh · 历史来源2 条@nabeelqu · 历史来源2 条@rudrank · 历史来源2 条@sebastienbubeck · 历史来源2 条@zan2434 · 历史来源2 条@___harald___ · 历史来源1 条@_boraturan · 历史来源1 条@0xjaniak · 历史来源1 条@0xkato · 历史来源1 条@47fucb4r8c69323 · 历史来源1 条@559hkdt · 历史来源1 条@aaliya_va · 历史来源1 条@abhikatte42 · 历史来源1 条@abhishekpatiil · 历史来源1 条@aboutberlin · 历史来源1 条@addyosmani · 历史来源1 条@agi2asi · 历史来源1 条@aiaicreate · 历史来源1 条@aimlapi · 历史来源1 条@aisaonehq · 历史来源1 条@aisystemprompt · 历史来源1 条@alemtuzlak · 历史来源1 条@alexxubyte · 历史来源1 条@alupsasca · 历史来源1 条@amasad · 历史来源1 条@ampcode · 历史来源1 条@anas_build_ · 历史来源1 条@aniketmaurya · 历史来源1 条@anitakirkovska · 历史来源1 条@anneliesgamble · 历史来源1 条@antigravity · 历史来源1 条@arafatkatze · 历史来源1 条@arena · 历史来源1 条@argofowl · 历史来源1 条@arthurmensch · 历史来源1 条@ashiknewazaj · 历史来源1 条@atabarrok · 历史来源1 条@atomic_chat_hq · 历史来源1 条@awe_automation · 历史来源1 条@awesomekling · 历史来源1 条@awscloud · 历史来源1 条@ayushagarwal · 历史来源1 条@baaadas · 历史来源1 条@bai_agi · 历史来源1 条@bbuddha_xyz · 历史来源1 条@bclavie · 历史来源1 条@beccalytics · 历史来源1 条@benfleming__ · 历史来源1 条@benhylak · 历史来源1 条@benjamineyliu · 历史来源1 条@bfl_ml · 历史来源1 条@bleysg · 历史来源1 条@bolna_dev · 历史来源1 条@bosmeny · 历史来源1 条@boxmining · 历史来源1 条@bozhou_ai · 历史来源1 条@brexhq · 历史来源1 条@brian_armstrong · 历史来源1 条@brianchew · 历史来源1 条@bridgemindai · 历史来源1 条@budgetpixel · 历史来源1 条@cahidarda · 历史来源1 条@calmpromptshq · 历史来源1 条@ce_zhang · 历史来源1 条@cedric_chee · 历史来源1 条@chaitralikakde · 历史来源1 条@chatgpt · 历史来源1 条@chatgptapp · 历史来源1 条@christinetyip · 历史来源1 条@christofsalis · 历史来源1 条@clark__labs · 历史来源1 条@cloudflaredev · 历史来源1 条@cnorth_13 · 历史来源1 条@cnzoecomeback · 历史来源1 条@cocohearts · 历史来源1 条@code_star · 历史来源1 条@codebyaurelia · 历史来源1 条@cognition · 历史来源1 条@commandcodeai · 历史来源1 条@consensusnlp · 历史来源1 条@contralabs_ai · 历史来源1 条@cozyblaze265065 · 历史来源1 条@crimedecoder · 历史来源1 条@crtr0 · 历史来源1 条@damnventures · 历史来源1 条@daniellockyer · 历史来源1 条@darioamodei · 历史来源1 条@davidmaliglowka · 历史来源1 条@davidondrej1 · 历史来源1 条@davidsacks · 历史来源1 条@dbirker78883 · 历史来源1 条@deryatr_ · 历史来源1 条@devfun · 历史来源1 条@diegocabezas01 · 历史来源1 条@digitalocean · 历史来源1 条@dimillian · 历史来源1 条@dimitrispapail · 历史来源1 条@discussingfilm · 历史来源1 条@dkthomp · 历史来源1 条@dmitryrybin1 · 历史来源1 条@dmsobol · 历史来源1 条@douglasyaody · 历史来源1 条@duckduckgo · 历史来源1 条@easyrouterio · 历史来源1 条@edgardobriban · 历史来源1 条@eisokant · 历史来源1 条@elliotarledge · 历史来源1 条@encrypted · 历史来源1 条@endpointarena · 历史来源1 条@envato · 历史来源1 条@escanorreloaded · 历史来源1 条@esrtweet · 历史来源1 条@ethanhe_42 · 历史来源1 条@eu_commission · 历史来源1 条@fba · 历史来源1 条@fdavidsont · 历史来源1 条@figmaweave · 历史来源1 条@finn_meeks · 历史来源1 条@first_tree_ai · 历史来源1 条@flavioad · 历史来源1 条@flowith · 历史来源1 条@fminzhou · 历史来源1 条@freddie_spirit · 历史来源1 条@frydwia · 历史来源1 条@futurestacked · 历史来源1 条@garrettlord · 历史来源1 条@garrytan · 历史来源1 条@gavinsbaker · 历史来源1 条@GayaniFigma · 历史来源1 条@genspark_ai · 历史来源1 条@gitlawb · 历史来源1 条@gneubig · 历史来源1 条@gokulr · 历史来源1 条@goodfireai · 历史来源1 条@goodnesmbakara · 历史来源1 条@googleaistudio · 历史来源1 条@gordic_aleksa · 历史来源1 条@gro_tsen · 历史来源1 条@hangsiin · 历史来源1 条@happycapyai · 历史来源1 条@haydenbleasel · 历史来源1 条@helloiamleonie · 历史来源1 条@hey_asiif · 历史来源1 条@hilbertspaess · 历史来源1 条@howtoprompt__ · 历史来源1 条@hq4ai · 历史来源1 条@hypersoren · 历史来源1 条@ianbremmer · 历史来源1 条@interaction · 历史来源1 条@intology · 历史来源1 条@iron_redux · 历史来源1 条@ithilgore · 历史来源1 条@itsreallyvivek · 历史来源1 条@jamesjyu · 历史来源1 条@jameszmsun · 历史来源1 条@jason_young1231 · 历史来源1 条@jawad_rahman_ · 历史来源1 条@jaydendavisnc · 历史来源1 条@jeffbarg · 历史来源1 条@jenzhuscott · 历史来源1 条@jiayuan_jy · 历史来源1 条@jilles · 历史来源1 条@jimcramer · 历史来源1 条@jimsyoung_ · 历史来源1 条@jinjingliang · 历史来源1 条@jjacky · 历史来源1 条@jjackyliang · 历史来源1 条@joefioti · 历史来源1 条@joi___ai · 历史来源1 条@joinhandshake · 历史来源1 条@joinpursuit · 历史来源1 条@joulee · 历史来源1 条@jsconfasia · 历史来源1 条@jsrailton · 历史来源1 条@juminoz · 历史来源1 条@kaizero_ainta · 历史来源1 条@karanganesan · 历史来源1 条@kdaigle · 历史来源1 条@kentherogers · 历史来源1 条@kevinsays · 历史来源1 条@khudonogov · 历史来源1 条@koraykv · 历史来源1 条@kotekjedi_ml · 历史来源1 条@kuberwastaken · 历史来源1 条@kurz_gesagt · 历史来源1 条@kwindla · 历史来源1 条@lafalcemateo · 历史来源1 条@lakshyaaagrawal · 历史来源1 条@larrylv · 历史来源1 条@layoffai · 历史来源1 条@levinstanley · 历史来源1 条@lifeofjer · 历史来源1 条@livekit · 历史来源1 条@lostinlatencyx · 历史来源1 条@lotte_verheyden · 历史来源1 条@lqiao · 历史来源1 条@luciushq · 历史来源1 条@luckeyfaraday · 历史来源1 条@lukaspet · 历史来源1 条@madhavsinghal_ · 历史来源1 条@manassharmahere · 历史来源1 条@markiewagner · 历史来源1 条@marksaroufim · 历史来源1 条@marsxiang_ · 历史来源1 条@maseehg_ · 历史来源1 条@mattshumer_ · 历史来源1 条@mem0ai · 历史来源1 条@mengto · 历史来源1 条@merettm · 历史来源1 条@micahcarroll · 历史来源1 条@michael_chomsky · 历史来源1 条@michaelarnaldi · 历史来源1 条@microsoftai · 历史来源1 条@mike_acton · 历史来源1 条@mikeyyyzhao · 历史来源1 条@minchoi · 历史来源1 条@minimaxagent · 历史来源1 条@minu_who · 历史来源1 条@mkbhd · 历史来源1 条@modal · 历史来源1 条@moritzthuening · 历史来源1 条@moxie · 历史来源1 条@mstockton · 历史来源1 条@mtslive · 历史来源1 条@multimodalart · 历史来源1 条@neelnanda5 · 历史来源1 条@neilrahilly · 历史来源1 条@nickbaumann_ · 历史来源1 条@nirantk · 历史来源1 条@noemititarenco · 历史来源1 条@notjazii · 历史来源1 条@nousresearch · 历史来源1 条@oblomovius · 历史来源1 条@ollama · 历史来源1 条@onlyterp · 历史来源1 条@onlyzhynx · 历史来源1 条@organicgpt · 历史来源1 条@orgrem · 历史来源1 条@p0 · 历史来源1 条@palantirtech · 历史来源1 条@palmerluckey · 历史来源1 条@pandatalk8 · 历史来源1 条@parishilton · 历史来源1 条@patrickcarlyle · 历史来源1 条@patricktoulme · 历史来源1 条@paulg · 历史来源1 条@paulsolt · 历史来源1 条@pbdtokenrouter · 历史来源1 条@pererabinoy · 历史来源1 条@philhchen · 历史来源1 条@pirroh · 历史来源1 条@pjaccetturo · 历史来源1 条@postlive · 历史来源1 条@pranaveight · 历史来源1 条@prathamdby · 历史来源1 条@prince_canuma · 历史来源1 条@pumpkherm · 历史来源1 条@pvncher · 历史来源1 条@qiaoqiao2001 · 历史来源1 条@rajveerbach · 历史来源1 条@randyhaddad6 · 历史来源1 条@rauchg · 历史来源1 条@raveeshbhalla · 历史来源1 条@rayanpal_ · 历史来源1 条@rayfernando1337 · 历史来源1 条@redpoint · 历史来源1 条@ric_rtp · 历史来源1 条@richardsocher · 历史来源1 条@rileybrown · 历史来源1 条@robertvaradan · 历史来源1 条@ronshepherd · 历史来源1 条@rosmine · 历史来源1 条@rthiago · 历史来源1 条@ruben_kostard · 历史来源1 条@runware · 历史来源1 条@rvivek · 历史来源1 条@ryanjunejo · 历史来源1 条@safaricheung · 历史来源1 条@samuelstroschei · 历史来源1 条@sanmking · 历史来源1 条@saranormous · 历史来源1 条@savinovnikolay · 历史来源1 条@scale_ai · 历史来源1 条@scaling01 · 历史来源1 条@sdaily_ai · 历史来源1 条@secscottbessent · 历史来源1 条@seltaa_ · 历史来源1 条@sergiopaniego · 历史来源1 条@servasyy_ai · 历史来源1 条@sethltx · 历史来源1 条@shashankgoyal95 · 历史来源1 条@sherryyanjiang · 历史来源1 条@sherylhsu02 · 历史来源1 条@shl · 历史来源1 条@sighjith · 历史来源1 条@simistern · 历史来源1 条@southpkcommons · 历史来源1 条@sriramkri · 历史来源1 条@sshoaibali · 历史来源1 条@stalkermustang · 历史来源1 条@status_effects · 历史来源1 条@stevencheng · 历史来源1 条@stockanalystpro · 历史来源1 条@suekhim · 历史来源1 条@sultanalfardan · 历史来源1 条@suraj_sharma14 · 历史来源1 条@swisscheese4299 · 历史来源1 条@swmansion · 历史来源1 条@systematicls · 历史来源1 条@teksedge · 历史来源1 条@tftc21 · 历史来源1 条@theahmadosman · 历史来源1 条@themidasproj · 历史来源1 条@theonejvo · 历史来源1 条@therealadamg · 历史来源1 条@timsoulo · 历史来源1 条@tmuxvim · 历史来源1 条@tobi · 历史来源1 条@togethercompute · 历史来源1 条@trackernetwork · 历史来源1 条@trustkerneltech · 历史来源1 条@ttunguz · 历史来源1 条@tuhinchakr · 历史来源1 条@twistartups · 历史来源1 条@ubermenscchh · 历史来源1 条@udayan_w · 历史来源1 条@usefastlane · 历史来源1 条@uzyn · 历史来源1 条@valeriocapraro · 历史来源1 条@vasuman · 历史来源1 条@vdbergrianne · 历史来源1 条@vibeguessing · 历史来源1 条@victoriakimse · 历史来源1 条@victoriawu77 · 历史来源1 条@victortaelin · 历史来源1 条@vikaskansalhq · 历史来源1 条@volchika · 历史来源1 条@walden_yan · 历史来源1 条@warpdotdev · 历史来源1 条@waynesutton · 历史来源1 条@wesroth · 历史来源1 条@whosamberella · 历史来源1 条@xdinodeer · 历史来源1 条@xicilion · 历史来源1 条@xucian_ · 历史来源1 条@yacinemtb · 历史来源1 条@yaojingang · 历史来源1 条@yoheinakajima · 历史来源1 条@yongquanyq · 历史来源1 条@youtubejocoding · 历史来源1 条@yusufg · 历史来源1 条@zachbussey · 历史来源1 条@zeddotdev · 历史来源1 条@zeroxkyle · 历史来源1 条@zhenthebuilder · 历史来源1 条@zicohacks · 历史来源1 条@zixuanli_ · 历史来源1 条@zymazza · 历史来源1 条
845 条AI 相关新闻 · 最新在前
9月6日周日
9月5日周六
  1. @AYi_AInotes54

    阿易 AI Notes 把 Anthropic 资深工程师一门 60 分钟的多 Agent 架构课整理成中文笔记,归纳为计划模式与 CLAUDE.md 筑底、Skills 与 Hooks 拦截审批、主从子代理协同、状态图自改进循环这四级台阶。笔记称课程讲的是用状态图把多个 Agent 组织成能自己跑测试、看报错、自我修改的工程团队,原帖附有带完整时间戳的中文整理链接。

    原始视频预览图;未保存可播放视频URL
  2. @AYi_AInotes52

    吴恩达发布 AI Engineering Skills Map,梳理高效使用编码智能体的关键技能,链接为 https://t.co/GrEw7wG5Wz。转发作者据此总结五条实操规则:开工先锁死要什么、不要什么与完成标准;按风险切分权限,涉及钱和隐私等不可逆动作由人工卡在关键节点;大任务拆成独立小块、一步一验,结果跑偏就回溯目标设定而非催它继续生成;把背景、偏好和禁忌固化成可反复调用的配置。

    引用@AndrewYNg@AndrewYNg

    The most important skills for using AI coding agents effectively. Presenting the AI Engineering Skills Map for using coding agents. https://t.co/GrEw7wG5Wz

  3. @AYi_AInotes15

    中推创作者互助社群 Boost Hub 因 1 群不到半天被挤爆、后台还有 200 多人待处理,正式开放二群「Boost Hub 2」。该社群主打三件事:用高质量神评和 Quote 做算法安全加热、分享算法机制与爆款提示词等实战情报、为跑通闭环的优质创作者对接互推 0 抽成商务资源。发起人 @AYi_AInotes 称自己 9 个多月从 0 到 6 万+ 关注,希望中推创作者抱团破局。

    引用@AYi_AInotes@AYi_AInotes

    9个多月,0-1冷启动,副业兼职的情况下, 通过踏实做内容做到了6万+关注,回看这一路走来, 真的很感慨, 我越发觉得:中推创作者最缺的不是好想法, 而是一套真正能抱团取暖、合力破局的生态。 所以想着搞个x创作者互助社群,免费的, 除了相互助力,我也会定期分享我的自媒体增长经验和对x,小红书,抖音等平台算法和玩法研究的干货和资料, 一起分享交流AI玩法和AI变现等, 背景是上周开放了新人免费推流通道后, 后台收到了太多极具含金量但缺少曝光的优质内容。 因为我自己是0-1一路走来的, 深知前期一个人在 X 上写推文,很容易陷入单打独斗的虚无, 尤其是冷启动处于新手村阶段,会让人多次想放弃, 遇上算法抽风,再好的干货也可能死在初始池里。 所以我决定把 X 创作者破局共赢 / Boost Hub建起来, 这里不搞花架子,就做三件事: 1️⃣ 算法互助加热:告别无效互赞,用高质量 Quote 和神评把好内容顶上算法高速路; 2️⃣ 爆款拆解与实战情报:好用的AI和提高生产力的工具、最新的自媒体增长机制、踩坑经验,全部开诚布公; 3️⃣ 新老梯队互助:大号带路推流,新人供给活力,跑通闭环的创作者大家一起互推变现的机会, 无论你是刚起步发第一条推文的新人, 还是已有沉淀的成熟博主, 只要你还在认真创作、渴望破圈,就欢迎回家。 中推的创作者需要团结起来,树起踏实创作的正向风气,咱们把盘子一起做大,共建中推和AI圈的健康生态 欢迎扫码进群~

  4. @AYi_AInotes33

    有用户用豆包生成了一段日系校园风格的人物特写视频,并称其表演效果优于部分流量明星,借此讨论AI是否会很快取代演员。其提示词包含85mm焦段、眼泪滑落与嘴角微撇等情绪细节,且"眼泪从眼角滑落,嘴角向下微撇"累计重复4000+次。

    原始视频预览图;未保存可播放视频URL
    引用@AYi_AInotes@AYi_AInotes

    这绝逼是目前我用过最能打的 AI 视频工具,没有之一!!! 纯纯的解放生产力,简直就是抖音、微信视频号起号的神器!! 兄弟们,你们敢相信视频里这个 1 分钟的水循环科普动画,是我几句提示词直接跑出来的吗? 没给任何素材,没有抽卡碰运气,喵个咪,真的是把短视频的制作门槛彻底砸穿了。 以前这种信息型 MG动画视频,基本只能交给会 AE 的人一帧一帧做,贵、慢、学习成本还高。 这样一条外包通常要 3000 到 8000 块、制作周期一两周的 60 秒科普动画,我用 Fotor Video Agent 实测跑出来,大概只花了 10 分钟,全程只点了一次方案确认,剩下的它全部搞定,真的牛逼!! 脚本、中文配音、15 个动画场景和可编辑多轨项目,它一口气全给做好了,质感完全可以直接发抖音和微信视频号起号。 以前这些零件要分开做,再丢进剪映里手动拼,这次全在一个系统里自动编排到时间线上,我没再切软件。 更绝的是生成完如果想微调,根本不用推倒重抽,直接在时间线上改场景,画布上点文字和颜色就能改,调声音也不用重烧,这体验太爽了。 很多人以为这又是那种输入一句话吐出一段不可控短视频的抽卡玩具,之前我也试过很多 AI 视频工具,要么画面飘忽不定,要么只能生成一段写死的 MP4,但这次自己跑了一遍才发现完全不是一回事。 我没准备任何分镜和素材,只给了它一段明确的水循环科普需求,后面的活基本都是 Agent 在接力跑: 1️⃣它先理顺水循环的结构,拆出 6 章旁白脚本让我确认,没有擅自跳步直接生成。 2️⃣配音给了 7 种中文音色试听,我挑了 Kian 男声,声音很自然,没有那种塑料廉价感。 3️⃣最狠的是分镜对齐,它按配音时长把旁白拆成 15 句话,对应生成 15 个独立 MG 场景,从蒸发、凝结到地下水和径流,画面和解说卡得很准。 4️⃣背景音乐和海浪、雨声、水滴这 8 处场景音效也全配齐了,跟旁白分轨铺在时间线上,听感非常干净。 以前做一条这样的片子,得凑齐分镜师、插画师、配音员和剪辑师。 现在一个会选题、脚本扎实的人,自己就能跑通整条动画生产线。 做过内容的人都懂,真正的痛点不是偶尔撞大运出一条爆款,而是能不能稳定出货。 科普、历史、商业拆解、读书解说、报告可视化,这类结构清晰的内容,现在都能用这条线批量跑。 现在接视频商单的逻辑也变了,客户付钱从来不只是买第一版好看,是买后续能改。 普通 AI 工具只给一条写死的 MP4,改个字都要重抽,Fotor 端出来的是能继续改的工程文件,场景、字幕、颜色、声音和时长随时能调,这才是能持续接单的交付状态。 我顺手翻了下 Fotor 的工作台,Video Agent 只是其中一块,里面还有 AI 生图、生视频、UGC 数字人和商品视频这些入口,更像一整套给创作者准备的营销工作台,这次我只深测了 Video Agent,其他的等我测完再聊。 最后想说,AI工具把视频制作门槛打下来了,但最后能不能打动人,拼的依然是你的选题和脚本,以及最重要的,就是你的审美和品味,这个需要我们持续的提升和沉淀。 @fotor_com #fotorai #fotorvideoagent

9月4日周五
  1. @AYi_AInotes51

    阿易 AI Notes 拆解了 nopinduoduo 制作的第一人称男友视角女友视频,并公开了完整视频提示词,从 0-2 秒到 8-10 秒逐段写明动作、镜头语言、环境动态、声音和限制条件。作者认为该视频没有 AI 假人味,接近手机随手拍的生活质感,预计播放量接近两百万,并指出这类第一人称沉浸式内容适合在小红书和视频号起号。

    原始视频预览图;未保存可播放视频URL
    引用@AYi_AInotes@AYi_AInotes

    这绝逼是目前我用过最能打的 AI 视频工具,没有之一!!! 纯纯的解放生产力,简直就是抖音、微信视频号起号的神器!! 兄弟们,你们敢相信视频里这个 1 分钟的水循环科普动画,是我几句提示词直接跑出来的吗? 没给任何素材,没有抽卡碰运气,喵个咪,真的是把短视频的制作门槛彻底砸穿了。 以前这种信息型 MG动画视频,基本只能交给会 AE 的人一帧一帧做,贵、慢、学习成本还高。 这样一条外包通常要 3000 到 8000 块、制作周期一两周的 60 秒科普动画,我用 Fotor Video Agent 实测跑出来,大概只花了 10 分钟,全程只点了一次方案确认,剩下的它全部搞定,真的牛逼!! 脚本、中文配音、15 个动画场景和可编辑多轨项目,它一口气全给做好了,质感完全可以直接发抖音和微信视频号起号。 以前这些零件要分开做,再丢进剪映里手动拼,这次全在一个系统里自动编排到时间线上,我没再切软件。 更绝的是生成完如果想微调,根本不用推倒重抽,直接在时间线上改场景,画布上点文字和颜色就能改,调声音也不用重烧,这体验太爽了。 很多人以为这又是那种输入一句话吐出一段不可控短视频的抽卡玩具,之前我也试过很多 AI 视频工具,要么画面飘忽不定,要么只能生成一段写死的 MP4,但这次自己跑了一遍才发现完全不是一回事。 我没准备任何分镜和素材,只给了它一段明确的水循环科普需求,后面的活基本都是 Agent 在接力跑: 1️⃣它先理顺水循环的结构,拆出 6 章旁白脚本让我确认,没有擅自跳步直接生成。 2️⃣配音给了 7 种中文音色试听,我挑了 Kian 男声,声音很自然,没有那种塑料廉价感。 3️⃣最狠的是分镜对齐,它按配音时长把旁白拆成 15 句话,对应生成 15 个独立 MG 场景,从蒸发、凝结到地下水和径流,画面和解说卡得很准。 4️⃣背景音乐和海浪、雨声、水滴这 8 处场景音效也全配齐了,跟旁白分轨铺在时间线上,听感非常干净。 以前做一条这样的片子,得凑齐分镜师、插画师、配音员和剪辑师。 现在一个会选题、脚本扎实的人,自己就能跑通整条动画生产线。 做过内容的人都懂,真正的痛点不是偶尔撞大运出一条爆款,而是能不能稳定出货。 科普、历史、商业拆解、读书解说、报告可视化,这类结构清晰的内容,现在都能用这条线批量跑。 现在接视频商单的逻辑也变了,客户付钱从来不只是买第一版好看,是买后续能改。 普通 AI 工具只给一条写死的 MP4,改个字都要重抽,Fotor 端出来的是能继续改的工程文件,场景、字幕、颜色、声音和时长随时能调,这才是能持续接单的交付状态。 我顺手翻了下 Fotor 的工作台,Video Agent 只是其中一块,里面还有 AI 生图、生视频、UGC 数字人和商品视频这些入口,更像一整套给创作者准备的营销工作台,这次我只深测了 Video Agent,其他的等我测完再聊。 最后想说,AI工具把视频制作门槛打下来了,但最后能不能打动人,拼的依然是你的选题和脚本,以及最重要的,就是你的审美和品味,这个需要我们持续的提升和沉淀。 @fotor_com #fotorai #fotorvideoagent

  2. @AYi_AInotes28

    Astra + Higgsfield 的工作流让大模型扮演"首席技术美术",以 Vibe-coding 模式现场编写操控 Blender 的 Python 脚本,由 Blender 几何节点与 Cycles 光线追踪引擎执行真实物理光影与材质。这与传统 AI 文生 3D 靠扩散模型硬猜多边形、拓扑混乱无法进影视管线完全不同。把成熟工业软件当执行器、大模型当代码总指挥,才是工业级落地的端到端架构。

  3. @AYi_AInotes25

    Higgsfield 用 GPT-6 Astra 跑通一条新管线:人类只用口语描述布景感觉,Astra 将其编译成底层场景代码,在超算集群上驱动 Blender 和 Cycles 物理光追引擎,端到端算出白宫椭圆形办公室。此前搭建同类顶级 3D 影视场景,专业美术团队至少要两三周。交付物是留在 Blender 里的真实位置模型,家具、墙面和光照角度可随时二次微调,而非写死的视频。

    原始视频预览图;未保存可播放视频URL
    引用@AYi_AInotes@AYi_AInotes

    这绝逼是目前我用过最能打的 AI 视频工具,没有之一!!! 纯纯的解放生产力,简直就是抖音、微信视频号起号的神器!! 兄弟们,你们敢相信视频里这个 1 分钟的水循环科普动画,是我几句提示词直接跑出来的吗? 没给任何素材,没有抽卡碰运气,喵个咪,真的是把短视频的制作门槛彻底砸穿了。 以前这种信息型 MG动画视频,基本只能交给会 AE 的人一帧一帧做,贵、慢、学习成本还高。 这样一条外包通常要 3000 到 8000 块、制作周期一两周的 60 秒科普动画,我用 Fotor Video Agent 实测跑出来,大概只花了 10 分钟,全程只点了一次方案确认,剩下的它全部搞定,真的牛逼!! 脚本、中文配音、15 个动画场景和可编辑多轨项目,它一口气全给做好了,质感完全可以直接发抖音和微信视频号起号。 以前这些零件要分开做,再丢进剪映里手动拼,这次全在一个系统里自动编排到时间线上,我没再切软件。 更绝的是生成完如果想微调,根本不用推倒重抽,直接在时间线上改场景,画布上点文字和颜色就能改,调声音也不用重烧,这体验太爽了。 很多人以为这又是那种输入一句话吐出一段不可控短视频的抽卡玩具,之前我也试过很多 AI 视频工具,要么画面飘忽不定,要么只能生成一段写死的 MP4,但这次自己跑了一遍才发现完全不是一回事。 我没准备任何分镜和素材,只给了它一段明确的水循环科普需求,后面的活基本都是 Agent 在接力跑: 1️⃣它先理顺水循环的结构,拆出 6 章旁白脚本让我确认,没有擅自跳步直接生成。 2️⃣配音给了 7 种中文音色试听,我挑了 Kian 男声,声音很自然,没有那种塑料廉价感。 3️⃣最狠的是分镜对齐,它按配音时长把旁白拆成 15 句话,对应生成 15 个独立 MG 场景,从蒸发、凝结到地下水和径流,画面和解说卡得很准。 4️⃣背景音乐和海浪、雨声、水滴这 8 处场景音效也全配齐了,跟旁白分轨铺在时间线上,听感非常干净。 以前做一条这样的片子,得凑齐分镜师、插画师、配音员和剪辑师。 现在一个会选题、脚本扎实的人,自己就能跑通整条动画生产线。 做过内容的人都懂,真正的痛点不是偶尔撞大运出一条爆款,而是能不能稳定出货。 科普、历史、商业拆解、读书解说、报告可视化,这类结构清晰的内容,现在都能用这条线批量跑。 现在接视频商单的逻辑也变了,客户付钱从来不只是买第一版好看,是买后续能改。 普通 AI 工具只给一条写死的 MP4,改个字都要重抽,Fotor 端出来的是能继续改的工程文件,场景、字幕、颜色、声音和时长随时能调,这才是能持续接单的交付状态。 我顺手翻了下 Fotor 的工作台,Video Agent 只是其中一块,里面还有 AI 生图、生视频、UGC 数字人和商品视频这些入口,更像一整套给创作者准备的营销工作台,这次我只深测了 Video Agent,其他的等我测完再聊。 最后想说,AI工具把视频制作门槛打下来了,但最后能不能打动人,拼的依然是你的选题和脚本,以及最重要的,就是你的审美和品味,这个需要我们持续的提升和沉淀。 @fotor_com #fotorai #fotorvideoagent

  4. @AYi_AInotes45

    Fotor Video Agent 实测可在约 10 分钟内生成一条 60 秒水循环科普 MG 动画,全程只需一次方案确认,自动完成 6 章旁白脚本、7 种中文音色配音、15 个动画场景及 8 处场景音效,并输出可编辑多轨工程文件。同类外包通常报价 3000 到 8000 元、周期一两周,而该工具支持在时间线上直接改场景、字幕、颜色和声音,无需重抽。

    原始视频预览图;未保存可播放视频URL
    引用@AYi_AInotes@AYi_AInotes

    这绝逼是目前我用过最能打的 AI 视频工具,没有之一!!! 纯纯的解放生产力,简直就是抖音、微信视频号起号的神器!! 兄弟们,你们敢相信视频里这个 1 分钟的水循环科普动画,是我几句提示词直接跑出来的吗? 没给任何素材,没有抽卡碰运气,喵个咪,真的是把短视频的制作门槛彻底砸穿了。 以前这种信息型 MG动画视频,基本只能交给会 AE 的人一帧一帧做,贵、慢、学习成本还高。 这样一条外包通常要 3000 到 8000 块、制作周期一两周的 60 秒科普动画,我用 Fotor Video Agent 实测跑出来,大概只花了 10 分钟,全程只点了一次方案确认,剩下的它全部搞定,真的牛逼!! 脚本、中文配音、15 个动画场景和可编辑多轨项目,它一口气全给做好了,质感完全可以直接发抖音和微信视频号起号。 以前这些零件要分开做,再丢进剪映里手动拼,这次全在一个系统里自动编排到时间线上,我没再切软件。 更绝的是生成完如果想微调,根本不用推倒重抽,直接在时间线上改场景,画布上点文字和颜色就能改,调声音也不用重烧,这体验太爽了。 很多人以为这又是那种输入一句话吐出一段不可控短视频的抽卡玩具,之前我也试过很多 AI 视频工具,要么画面飘忽不定,要么只能生成一段写死的 MP4,但这次自己跑了一遍才发现完全不是一回事。 我没准备任何分镜和素材,只给了它一段明确的水循环科普需求,后面的活基本都是 Agent 在接力跑: 1️⃣它先理顺水循环的结构,拆出 6 章旁白脚本让我确认,没有擅自跳步直接生成。 2️⃣配音给了 7 种中文音色试听,我挑了 Kian 男声,声音很自然,没有那种塑料廉价感。 3️⃣最狠的是分镜对齐,它按配音时长把旁白拆成 15 句话,对应生成 15 个独立 MG 场景,从蒸发、凝结到地下水和径流,画面和解说卡得很准。 4️⃣背景音乐和海浪、雨声、水滴这 8 处场景音效也全配齐了,跟旁白分轨铺在时间线上,听感非常干净。 以前做一条这样的片子,得凑齐分镜师、插画师、配音员和剪辑师。 现在一个会选题、脚本扎实的人,自己就能跑通整条动画生产线。 做过内容的人都懂,真正的痛点不是偶尔撞大运出一条爆款,而是能不能稳定出货。 科普、历史、商业拆解、读书解说、报告可视化,这类结构清晰的内容,现在都能用这条线批量跑。 现在接视频商单的逻辑也变了,客户付钱从来不只是买第一版好看,是买后续能改。 普通 AI 工具只给一条写死的 MP4,改个字都要重抽,Fotor 端出来的是能继续改的工程文件,场景、字幕、颜色、声音和时长随时能调,这才是能持续接单的交付状态。 我顺手翻了下 Fotor 的工作台,Video Agent 只是其中一块,里面还有 AI 生图、生视频、UGC 数字人和商品视频这些入口,更像一整套给创作者准备的营销工作台,这次我只深测了 Video Agent,其他的等我测完再聊。 最后想说,AI工具把视频制作门槛打下来了,但最后能不能打动人,拼的依然是你的选题和脚本,以及最重要的,就是你的审美和品味,这个需要我们持续的提升和沉淀。 @fotor_com #fotorai #fotorvideoagent

  5. @AYi_AInotes45

    Fotor Video Agent 实测可在约 10 分钟内生成一条 60 秒水循环科普 MG 动画,全程仅需一次方案确认,自动完成 6 章旁白脚本、7 种中文音色配音、15 个动画场景及多轨可编辑工程文件。相比外包 3000-8000 元、一两周周期的制作流程,该工具将脚本、配音、分镜、音效编排整合在同一时间线上,支持直接修改场景、文字、颜色和声音而无需重新生成。

    原始视频预览图;未保存可播放视频URL
  6. @AYi_AInotes79

    阿易 AI Notes 汇总了 OpenAI GPT-6 Astra 的亮点:该模型攻克包括构造 non-sofic 群、推翻 Connes 刚性猜想在内的 10 道数学与计算难题,全部采用 Lean 形式化证明,单次解题 Token 成本在 $2000 量级。

    引用@OpenAI@OpenAI

    This is GPT-6 Astra. Anything you can do on a computer, Astra can do for you. Fast. https://t.co/gDd0IsewJw

    推荐理由:汇总了 Astra 的数学解题、桌面自动化与安全分级数据,并标出首批开放范围和与竞品的基准对比。

9月3日周四
  1. @AYi_AInotes64

    World Labs 发布多模态世界模型 Atlas,称其从零训练,可生成像素级相机控制的画面、从单张图像重建大场景、通过重构图视频模拟时空,并能从一张或多张图像原生输出 3D 空间。

    原始视频预览图;未保存可播放视频URL
    引用@drfeifei@drfeifei

    I'm so excited that our @theworldlabs team has achieved a major milestone today! Introducing Atlas - a first of its kind multimodal world model trained from scratch! 🚀 Atlas is capable of generating frames with pixel-perfect camera control, reconstructing large scenes from as few as one single input image, simulating space-time by reframing videos, natively outputting 3D spaces from one or more input images, composing multiple posed images into a consistent 3d world, and more! This is the best camera conditioned world model ever, opening doors to many possible use cases from VFX to robotics. I'm so so so proud of our team!♥️

  2. @AYi_AInotes36

    李飞飞团队的 Atlas 能把几段普通手机视频自动裂变成数千种不同光线、材质和障碍物的三维交互世界,物体碰撞遵循真实物理法则,运镜角度和光照材质均可调整。它让机器人换个房间、改个光线就需花费几十万重新实拍采集的数据成本大幅下降,无需再困在实验室里试错。作者认为这相当于为具身智能机器人建了一座可无限扩建的免费训练场。

    原始视频预览图;未保存可播放视频URL
  3. @AYi_AInotes42

    Karpathy 在《How I use LLMs》中给出 LLM 使用分档速查表:日常小任务用小快模型省钱省等待,复杂数学/逻辑多步推理切换 o1/o3 等思考模型,愿意等 1-2 分钟。问时效或新论文必须让模型触发搜索 Token 抓网页,否则必答错;需要交互小工具或图表时调用 Claude Artifacts 生成可点击原型,语音交互用原生音频端到端处理,体验远超语音转文字。

  4. @AYi_AInotes45

    核心数据与价格对齐清单(单位:百万 Token): 1. 价格对比:3.8 Flash 目前优惠价为输入 $0.75 / 输出 $3.75(年底后恢复为 $1.50 / $7.50),Opus 5 为 $5.00 / $25.00,GPT-5.6 Sol 为 $4.00 / $20.00; 2. 垂类倒挂项:DeepSWE 长程工程(73.7% vs 74.0%)、Harvey 法律(10.0% vs 6.7%)、LVBench 长视频(87.8% vs 75.4%)、BioMystery 生物难题(56.5% vs 49.4%); 3. 旗舰护城河项:OSWorld 电脑系统操作(59.0% vs 75.4%)、Terminal-bench 4.0 通用 Agent(19.1% vs 51.8%)、GDPVal 知识工作(1545 vs 1824)。 选型公式:单项垂直执行跑批用 Flash,端到端复杂决策用 Opus。

  5. @AYi_AInotes65

    Google 发布 Gemini 3.8 Flash,官方称其在智能体和编码能力上继续提升,是 6 周内第三个更新的 Flash 模型。作者对比称其价格约为 Claude Opus 5 的 1.5 折,在法律 10.0% 对 6.7%、长视频 87.8% 对 75.4% 上反超;但 OSWorld 电脑操作 59.0% 对 75.4%、通用 Agent 规划 19.1% 对 51.8% 仍落后。

    引用@OfficialLoganK@OfficialLoganK

    Introducing Gemini 3.8 Flash, another jump in Gemini's agentic + coding capabilities, and our 3rd updated Flash model in only 6 weeks... This model has been a ton of fun to work with, excited to see what you all think! https://t.co/Cj07lCBtp8

    推荐理由:文中列出 Gemini 3.8 Flash 与 Opus 5 的多项基准和价格对比,读者可据此看到廉价模型与旗舰模型当下的分工边界。