跳到正文

X

关注 AI 研究者、开发者与机构的动态

当前显示全部 AI 相关新闻
按账号或来源筛选(539)
全部X新闻X:Rohan Paul1822 条X:Kim1391 条X:阿易 AI Notes1072 条X:阿里云 / Alibaba Cloud555 条X:Testing Catalog515 条X:cb_doge482 条X:Alexandr Wang(Scale AI 创始人/Meta 首席 AI 官)471 条X:Elvis Saravia430 条X:OpenRouter414 条X:Elon Musk396 条X:Artificial Analysis381 条X:Ethan Mollick363 条X:PixVerse348 条X:SemiAnalysis297 条X:ZHO269 条X:Replit258 条X:OpenAI Developers240 条X:小北205 条X:Dex Horthy(HumanLayer)180 条X:Gemini171 条X:swyx170 条X:Emad Mostaque159 条X:MiniMax159 条X:AI Safety Memes155 条X:Tibo145 条X:OpenAI137 条X:X.PIN137 条X:Epoch AI136 条X:Runway126 条X:Thomas Wolf(Hugging Face 联创/CSO)118 条X:Claude Devs114 条X:洪明112 条X:Nathan Lambert110 条X:蚂蚁百灵108 条X:Aravind Srinivas(Perplexity CEO)108 条X:马东锡 NLP104 条X:Google AI for Developers104 条X:赵纯想102 条X:面壁智能 OpenBMB100 条X:Frank Wang 玉伯97 条X:Jason Liu97 条X:fofr94 条X:Luma AI94 条X:Yuchen Jin94 条X:Sam Altman92 条X:Perplexity89 条X:Peter Steinberger88 条X:Gabriel87 条X:Claude84 条X:Tencent WorkBuddy84 条X:阑夕81 条X:Eric Zakariasson75 条X:Cohere73 条X:Francois Chollet73 条X:Krea AI73 条X:opencode71 条X:Clément Delangue(Hugging Face CEO)68 条X:Thariq68 条X:Greg Brockman63 条X:karminski61 条X:Suno61 条X:腾讯混元58 条X:OpenClaw58 条X:通义千问 / Qwen57 条X:Microsoft Research55 条X:Anthropic51 条X:AK50 条X:Deedy Das48 条X:Google DeepMind46 条X:Charlie Holtz43 条X:商汤 SenseTime (@SenseTime_AI)42 条X:Google AI39 条X:Boris Cherny38 条X:Peter McCrory(Anthropic 首席经济学家)37 条X:可灵 Kling AI33 条X:百度 Baidu31 条X:AI at Meta31 条X:Viggle AI30 条X:Josh Woodward28 条X:Logan Kilpatrick28 条X:Aidan Gomez(Cohere CEO)27 条X:Mustafa Suleyman(Microsoft AI CEO)26 条X:SpaceXAI24 条X:Noam Brown23 条X:Andrew Milich22 条X:Odyssey22 条X:李继刚20 条X:华为云19 条X:硅基流动 SiliconFlow18 条X:Tianyi Cui18 条X:DeepSeek16 条X:Mark Zuckerberg15 条X:fal (@fal)14 条X:Karina Nguyen14 条X:Sundar Pichai14 条X:Mistral AI13 条X:Noah Zweben13 条X:PixVerse (@PixVerse)13 条X:智谱 Z.ai12 条X:ARC Prize (@arcprize)12 条X:Arena (@arena)12 条X:Demis Hassabis12 条X:DAIR.AI (@dair_ai)11 条X:ElevenLabs (@elevenlabs)11 条X:Eric Mitchell11 条X:Lee Robinson11 条X:Philipp Schmid(Google DeepMind 开发者体验) (@_philschmid)11 条X:唐杰10 条X:Ammaar Reshi10 条X:Andrew Ng(DeepLearning.AI 创始人)10 条X:Arthur Mensch(Mistral CEO) (@arthurmensch)10 条X:Barret 李靖10 条X:Hao AI Lab10 条X:Kimi.ai10 条X:卡兹克 (@Khazix0918)9 条X:Cursor (@cursor_ai)9 条X:Fei-Fei Li9 条X:Georgi Gerganov(llama.cpp) (@ggerganov)9 条X:Jensen Huang9 条Tripo(官方 X)8 条X:Cognition (@cognition)8 条X:Figure AI (@Figure_robot)8 条X:Gemini Notebook (@Gemini_Notebook)8 条X:Higgsfield AI (@higgsfield)8 条X:Jeff Dean8 条X:Manus (@ManusAI)8 条X:Meshy (@MeshyAI)8 条X:MiniMax Design (H3) (@Hailuo_AI)8 条X:谢赛宁7 条X:Jim Fan7 条X:Michael Truell7 条X:張小珺 Xiaojùn6 条X:Lisa Su(AMD CEO) (@LisaSu)6 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@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@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@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@argofowl · 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@cohavygal · 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@douglance · 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@kinfisht · 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@lon · 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@yevr19 · 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
17,350 条AI 相关新闻 · 最新在前
9月23日周三
  1. @lifesinger22

    玉伯称这是他见过关于 Jev 最浅入深出的一篇文章,并列出 11 个印象深刻点:模型该给代码用还是给人用、为什么在 OpenAI 做不出来、什么是杰文斯悖论、不看公开榜单而看内部工作流、用户数据没用、老看 PMF 容易扼杀创新、借助 Jev 这类模型 SaaS 有大机会。他将 Jev 的最好定义概括为“系统一模型”,并认为系统一模型才刚刚开始,同时表示不看好 neo lab。

    引用@lifesinger@lifesinger

    https://t.co/nhOyvaWvJl

  2. @PixVerse_35

    无需长提示词——只需一个词就能让故事走向完全不同的方向。 在这段玩法演示中看看效果。 #PixVerseWorldModel https://t.co/h7zBbO6TvT https://t.co/q7ExZrtD2X

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

    What happens next in this magical world? That’s where you come in. Step into Zero Mark, an interactive cinematic adventure powered by PixVerse R2, and use prompts to steer the story as it unfolds. Link below. https://t.co/qLm0Bd8Rrt

  3. @kimmonismus52

    Epoch AI 的分析估算,达到同等 AI 性能水平的成本约每年下降 13 倍,自 2023 年以来季度降幅为 47%。文中举例称 OpenAI 的 o3 在 FrontierMath Tiers 1–3 超过 25% 的成本约为 $0.55,约 18 个月后 GPT-5.6 Luna 以约 $0.0015 达到同一门槛。

    引用@EpochAIResearch@EpochAIResearch

    The trillion-dollar question: If AI companies collectively slow the development of AI, will prices also fall more slowly? Read the full report: https://t.co/0DndJ9fAhX

  4. @AYi_AInotes23

    阿易 AI Notes 两周达成 1020 万曝光,环比涨 80%,收藏超 6 万、比点赞还多,转发分享翻倍。他称增长靠每天挤时间写对别人有用的内容,假期将继续打磨长文 skill 和 X Growth OS 优先给社群使用,知识库也会迭代一版。

    引用@AYi_AInotes@AYi_AInotes

    做 X 内容、做增长、想拿创作者收益的兄弟们,我干了件可能帮大家赚钱且少走半年弯路的事: 我决定把自用的这套 X Growth OS 增长操作系统开源给大家,回馈大家一直以来的关注和支持! 说实话,x是目前最值得投入的平台,我半年多副业都在x挣了有40多万,甚至说个暴论,要把x当做一家自己的公司去经营,X Growth OS 是一套纯本机优先、不可变草稿、每一步都在本地留下证据账本的独立系统。 为了把这套系统的逻辑彻底讲透,我顺手用最近大热的视频创作Pexo,全程纯聊天,从零到一捏了一条 45 秒完整的商业白板解说视频: 0 剪辑轨道、全程自然语言对齐,画面哪里不对直接在屏幕上画个红圈局部重绘,出来就是一条带配音、字幕和包装的可用成片! 我觉得对于做产品、搞运营、做知识科普的兄弟们, AI 视频圈真正能干活的生产力工具今天真的落地了, 绝逼是今年把商业视频门槛干得最碎的一次,没有之一! 你敲一句大白话: → 它在后台拉模型规划分镜、画线稿,自己去挑该用 Kling 还是海螺,把多轨剪辑和音画包装全包了; → 出来的不是一段需要你再导进剪辑软件缝合的 5 秒素材碎片,而是一条带配音、单行字幕、直接能发的 45 秒完整解说片; → 画面哪里不对,哪怕一个图标画错,不用切回剪辑软件,暂停视频在画面上画个圈批注,改字像在飞书文档里批注一样,鼠标画个圈打个点,它局部重绘,提示词不用删,更不用从头重抽! → 交付出来就是一条自带单行字幕、旁白、配乐和手绘动作的完整 45 秒商业成片! 我刚才拿自己刚做完的「X Growth OS 本机增长系统」45 秒产品白板视频做了一场全流程实测,咱们看下方视频: 我给它的第一道指令很简单:“把发推像拆炸弹的痛点,用真实人手拿着黑色马克笔在白纸上画出来,琥珀色代表决策,青绿色代表回执,先跑前 7 秒试片。” 指令一敲,它在后台直接开始拆解分镜, 很多人做视频第一步就踩坑: 迷信一句话直接生成大片,结果模型自由发散,出来的东西根本没法看。 Pexo 第一版试片给我弹了个花里胡哨的暗色 3D 风格, 我直接在对话框里回了一句:“风格太重,只要极简手绘线稿。”两秒钟后,白底黑线、真实人手画出散乱碎片的质感稳稳咬合住!把不确定性掐死在第 0 秒,整条片子的基调就不会跑偏。 确认完试片,后面 5 段顺着讲:划掉虚荣曝光、画出增长链路、画出不可变草稿与回执。 在同一个对话框里持续往下聊,它打破了传统 AI 视频 5 秒单次成片的硬顶,自己负责把段落拼合完整,并自动匹配语速节奏与转场,出来就是一条结构完整的长片,完全不用导出素材再进剪辑软件自己对音画。 最绝的是画面上的 Mark to Fix 批注修改,这绝对是全篇最聪明的一步: 做过视频的都懂以前有多崩溃, 憋脚本在 Notion,生成图在 Midjourney, 跑动效在 Kling 或 Hailuo, 最后还要扔进剪映拉几十条音轨与字幕轴,耗掉大半天拼出来的片子还是浓浓的拼接塑料感。 更搞人心态的是,一旦发现第 15 秒有个图标错了,整段提示词就得推倒重抽! 而在 Pexo 这里,就像在飞书文档里画圈批注一样: 直接在成片画面上框选打点,敲一句话告诉它把这里的按键改成青绿色回执,它结合对话上下文直接把那两秒局部修好,完全不需要切回剪辑软件切轨道。 前面定好的白纸黑线风格与冷色调标记,在生成后续因果图和数据看板时被它全部记住,不需要每开一次新对话就重新教一遍模型做人。 但先把丑话说在前头,这东西是搞生产力的兵器,绝不是拍大片的玩具, 如果你想拿它生成赛博朋克电影、漫威特效、或者搞短剧带货擦边,赶紧绕道,它压根就不是干这个的。 而且它绝不是闭眼不管的无脑生成器,你的输入 Brief 事实边界越糊,它画出来的逻辑就越扯。 你自己的业务逻辑和审美,依然是最后的总指挥。 它省的其实已经不是那几秒生成时间,是把以前找外包花两三千、在多轨剪辑软件里搬砖两天的折磨,彻底压缩成几轮确定性的对话。 做知识科普、产品说明、业务流程或者商业汇报的朋友,真的可以把工作流彻底更新一下了。 说穿了:视频模型在大脑里算得多快不重要,但能让你在画面上画圈改稿的双手,才真正决定一条视频能不能发出来。 大家平时做视频最烦哪个环节呢?我自己的感受是,在剪辑软件里给几十个散碎片段对音频字幕轴,简直是对耐心的折磨hh。

  5. @AYi_AInotes41

    AIsa 推出 GTM 引擎,把 Similarweb、Ahrefs、Semrush、Apollo、Oxylabs、WaveInflu 及各大社媒数据源和 Perplexity、Tavily 搜索整合成一个 API Key、一个余额,按调用量扣费,GTM Growth Plan 39 美元/月。

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

    卧槽真的有点爽到了兄弟们,这才是 AI 该有的样子啊, 发句指令直接把全网 10 个顶级AI信息源兄弟给你筛成 6 条带证据的干货, 出海做竞品和社媒监测的也都看过来呀,一个 Key 把全网数据和 AI 串起来直接出简报,以前大几万块的活现在几毛钱搞定! 我每天看 AI 动态要在x(推特)、油管、Reddit 之间反复横跳,结果让 Cursor 挂了个通行证,两分钟把全网讨论同一件事的噪音全滤干净,直接吐出 6 条带原文的简报。 真的不用写爬虫、不用挨个平台翻,两分钟就把推特、油管、Reddit 的噪音全滤干净了! 而且我做的这套工作流简直是防信息轰炸神器,不管同一个热点全网成百上千个人转了多少遍,它直接打包成一条给你,多看一句废话算我输! 比如今天早上我给 Cursor 扔了这份信息源名单,附带了一串极狠的规则: 只看我指定的 10个核心账号、官方更新页、常看的油管频道和 Reddit 社区,只抓过去 24 小时,重复的合并,水帖过滤,最多留 6 条。 两分钟后,一份干干净净的清单甩了回来: 哪家发了新版本、推特大佬在吵什么技术细节、社区踩了什么坑,每条后面都死死钉着原始链接。 最关键的是,视频只有简介的它老老实实写明没看过全片,绝不瞎编。 很多人可能会说,这不就是让大模型写个今日新闻汇总吗? 说实话还真不是,表面上看是做优质信息源简报,真正让我觉得塔牛逼的地方是,它治好了我每天最恶心的一个痛点: 同一个更新,官方发一次,推特博主吹一次,油管出个解说,论坛再水一帖。 你自己刷的时候像看了四五件大事,脑子胀得不行,其实本质就发生了一件事。 这套工作流最值钱的位置不只是数据抓取,而是跨平台归并:同一件事只占一条,下面把官方声明、大佬锐评、用户吐槽按层码好。 想核对技术的点官方,想看热闹的点社区,不为了凑满条数浪费你一秒钟。 想明白这个玩法,底层其实就三块拼图: 最上面是 Cursor 当大脑,严格执行去重和筛选逻辑; 中间是信息源白名单,官方负责给事实,博主负责给视角,社区负责给真实翻车案例; 最底下是这次接进来的 AIsa,相当于给 Agent 发了张统一的数据通行证。 这里最爽的其实是底层不用折腾了, 平时你要查推特公开推文、翻 Reddit 讨论、抓油管新片、搜官方页面,光是搞定四五套爬虫、解决不同平台的接口封禁和账单,就能把人劝退。 这次通过 AIsa 一个 Key 统统接通,按用量扣费,跑一次几毛钱,账单明明白白摆在那。 当然,我也必须给泼盆冷水,这套东西不是拿来全网无脑狂搜的。 比较克制的一点是,名单必须极其克制,千万别脑热塞两百个来源进去。 接口调多了额度会跳是一方面,更可怕的是,你又亲手给自己造了一座读不完的信息垃圾场。 而且它只负责帮你初筛,真要把内容拿来做决策,第一步依然是点开它给的原始链接回去验明正身。 咱们可以算笔账:你自己把这些平台挨个刷一遍,再把水分拧干,至少要搭进去一个小时。 现在发完指令该接水接水,它处理完了带着结论和证据来找你, 因为它卖的其实不是抓取能力,而是把你心里一直悬着的筛选焦虑整个拿走干完。 录屏我一刀没剪,调了哪些接口、扣了几分钱全部打在公屏上。 你们每天看技术动态,最常翻的是哪个平台?有没有那种质量极高、但你总嫌打开太麻烦的信息源?