「AGIへの道」飛書ナレッジベースへ直行 →
ホーム/質問リスト/質問詳細

如何生成稳定的AI视频

回答

以下是关于生成稳定的 AI 视频的相关信息：

工具推荐：

  • Runway：
    • 网址：https://app.runwayml.com/video-tools/
    • 官方使用教程：https://academy.runwayml.com/
    • 知识库详细教程：工具教程：Runway Gen-3
    • 特点：支持文生视频、图生视频、视频生视频；文生视频支持正向提示词、风格选择、运镜控制、运动强度控制、运动笔刷，支持多种尺寸，可设置种子值；生成好的视频可以延长时间，默认生成 4s 的视频；使用英文提示词。
  • Stable video：
    • 网址：https://www.stablevideo.com/generate
    • 知识库详细教程：工具教程：StableVideo
    • 特点：支持文生视频、图生视频，仅英文；图生视频不可写 prompt，提供多种镜头控制；文生视频先生成 4 张图片，选择其中一张图片以后再继续生成视频。

技术差异： 代表产品如 Runway，在端到端视频生成中，涉及的技术包括 GAN 生成对抗网络、VAE 变分自编码器和 Transformer 自注意力机制。

  • GAN 生成对抗网络：是一种无监督的生成模型框架，能生成视觉逼真度高的视频，但控制难度大、时序建模较弱。
  • VAE 变分自编码器：可以学习数据分布，像压缩和解压文件一样重建视频数据，能根据条件输入控制生成过程，但质量较 GAN 略低。
  • GAN、VAE 生成视频速度快，但存在生成质量和分辨率较低、长度短、控制能力弱的缺点。
  • Transformer 自注意力机制：通过学习视频帧之间的关系，理解视频的长期时间变化和动作过程，对长视频建模更好，时序建模能力强，可实现细粒度语义控制，但计算量大。

当前面临的问题及解决方案： 当前仍面临生成时间长、视频质量不稳定、生成的视频语义不连贯、帧间存在闪烁、分辨率较低等问题。解决方案包括使用渐进生成、增强时序一致性的模型等方法，上述的补帧算法、视频完善策略也可在一定程度上缓解问题。

制作技巧： 在镜头衔接上要写运镜提示词，描述多种运镜方式，否则画面会乱变。在做视频时要不断尝试参数。

AIモデルによって生成されたコンテンツであり、慎重に確認してください（提供元: aily）

参照

小歪：AI视频工具合集

https://app.runwayml.com/video-tools/官方使用教程：https://academy.runwayml.com/知识库详细教程：[工具教程：Runway Gen-3](https://waytoagi.feishu.cn/wiki/Eun9wqDgii1Q7GkoUvCczYjln7r)简单介绍：支持文生视频、图生视频，视频生视频使用英文提示词文生视频支持正向提示词、风格选择、运镜控制、运动强度控制、运动笔刷（https://academy.runwayml.com/gen2/gen2-motion-brush-interface），支持16:9、9:16、1:1、4:3、3:4、21:9尺寸，可设置种子值图生视频、视频生视频除了尺寸不可选以外，其他跟文生视频基本相同生成好的视频可以延长时间，默认生成4s的视频相关界面截图：[heading3]Stable video（有免费额度）[content]https://www.stablevideo.com/generate知识库详细教程：[工具教程：StableVideo](https://waytoagi.feishu.cn/wiki/Hf1cwooP5iRH2zkJ6RrcAKLunWb)简单介绍：支持文生视频、图生视频，仅英文图生视频不可写prompt，提供多种镜头控制文生视频先生成4张图片，选择其中一张图片以后再继续生成视频图生视频：文生视频：

AI视频生成(上) | 技术发展概况和应用场景思考

代表产品：RunwayGAN生成对抗网络:是一种无监督的生成模型框架,通过让两个神经网络相互博弈来进行机器学习。可以生成视觉逼真度高的视频,但控制难度大、时序建模较弱。VAE变分自编码器:它是一种可以学习数据分布的网络结构。就像把视频文件压缩成较小的文件再解压一样,它可以重建视频数据。VAE可以根据条件输入控制生成过程，但质量较GAN略低。GAN、VAE生成视频速度快，缺点是生成质量和分辨率较低，长度短，控制能力弱。Transformer自注意力机制:通过学习视频帧之间的关系,理解视频的长期时间变化和动作过程,这种方式对长视频建模更好，时序建模能力强,可实现细粒度语义控制,缺点是计算量大[heading2]1.4 AI视频生成当前面临的问题[content]当前仍面临生成时间长、视频质量不稳定,生成的视频语义不连贯、帧间存在闪烁、分辨率较低等问题。解决方案有：使用渐进生成、增强时序一致性的模型等方法解决。上述的补帧算法、视频完善策略也可在一定程度上缓解问题。[heading2]二.应用场景思考

娜乌斯嘉AIGC商业片制作 2024年11月1日 - 智能纪要

[heading2]智能章节[45:01](https://waytoagi.feishu.cn/minutes/obcnn3u33cq15x132rd3c87d?t=2701000)AI图像与视频生成中的技巧、问题及成功率本章节主要讲述视频制作相关内容。在镜头衔接上要写运镜提示词，描述多种运镜方式，否则画面会乱变。提到不同软件（如季梦、可林）生成图片或视频的情况，包括成功率、生成时间、面部效果等，还指出要对AI生成不稳定情况脱敏并介绍了一些小技巧。[53:56](https://waytoagi.feishu.cn/minutes/obcnn3u33cq15x132rd3c87d?t=3236000)娜娜酱谈视频制作中的AI生成、参数调整与画面关系本章节娜娜酱提到当天有多个内容，先将部分任务生成然后合成，在检查镜头是否都运行正常。还讨论了AI视频稳定相关，认为PS一帧一帧改不可行，AE改尚可。在做视频时要不断尝试参数。此外提到当天的第二个内容是deform，还涉及本地跑双月相关话题。[57:32](https://waytoagi.feishu.cn/minutes/obcnn3u33cq15x132rd3c87d?t=3452000)SD sample diffusion相关，谈defirm及运行SD所需电脑配置本章节主要内容是关于defirm相关。首先询问大家是否有SD sample diffusion基础，然后介绍defirm相关画面类似不断迭代变化的情况。还提到电脑带SD的要求，独立显卡8G以上较好，想做好要花钱。最后强调苹果和a卡跑相关内容存在问题，如速度慢、报错难查等。

他の質問
如何让企业微信可以接上 AI？让我的企业微信号变成一个 AI 客服
要让企业微信接上 AI 并变成一个 AI 客服，可以参考以下内容： 1. 基于 COW 框架的 ChatBot 实现方案：这是一个基于大模型搭建的 Chat 机器人框架，可以将多模型塞进微信（包括企业微信）里。张梦飞同学写了更适合小白的使用教程，链接为： 。 可以实现打造属于自己的 ChatBot，包括文本对话、文件总结、链接访问、联网搜索、图片识别、AI 画图等功能，以及常用开源插件的安装应用。 正式开始前需要知道：本实现思路需要接入大模型 API 的方式实现（API 单独付费）。 风险与注意事项：微信端因为是非常规使用，会有封号危险，不建议主力微信号接入；只探讨操作步骤，请依法合规使用，大模型生成的内容注意甄别，确保所有操作均符合相关法律法规的要求，禁止将此操作用于任何非法目的，处理敏感或个人隐私数据时注意脱敏，以防任何可能的滥用或泄露。 支持多平台接入，如微信、企业微信、公众号、飞书、钉钉等；多模型选择，如 GPT3.5/GPT4.0/Claude/文心一言/讯飞星火/通义千问/Gemini/GLM4/LinkAI 等等；多消息类型支持，能处理文本、语音和图片，以及基于自有知识库进行定制的企业智能客服功能；多部署方法，如本地运行、服务器运行、Docker 的方式。 2. DIN 配置：先配置 FastGpt、OneAPI，装上 AI 的大脑后，可体验知识库功能并与 AI 对话。新建应用，在知识库菜单新建知识库，上传文件或写入信息，最后将拥有知识库能力的 AI 助手接入微信。
2025-05-09
围棋AI
围棋 AI 领域具有重要的研究价值和突破。在古老的围棋游戏中，AI 面临着巨大挑战，如搜索空间大、棋面评估难等。DeepMind 团队通过提出全新方法，利用价值网络评估棋面优劣，策略网络选择最佳落子，且两个网络以人类高手对弈和 AI 自我博弈数据为基础训练，达到蒙特卡洛树搜索水平，并将其与蒙特卡洛树搜索有机结合，取得了前所未有的突破。在复杂领域 AI 第一次战胜人类的神来之笔 37 步，也预示着在其他复杂领域 AI 与人类智能对比的进一步突破可能。此外，神经网络在处理未知规则方面具有优势，虽然传统方法在处理象棋问题上可行，但对于围棋则困难重重，而神经网络专门应对此类未知规则情况。关于这部分内容，推荐阅读《这就是 ChatGPT》一书，其作者备受推崇，美团技术学院院长刘江老师的导读序也有助于了解 AI 和大语言模型计算路线的发展。
2025-05-08
什么AI工具可以实现提取多个指定网页的更新内容
以下 AI 工具可以实现提取多个指定网页的更新内容： 1. Coze：支持自动采集和手动采集两种方式。自动采集包括从单个页面或批量从指定网站中导入内容，可选择是否自动更新指定页面的内容及更新频率。批量添加网页内容时，输入要批量添加的网页内容的根地址或 sitemap 地址然后单击导入。手动采集需要先安装浏览器扩展程序，标注要采集的内容，内容上传成功率高。 2. AI Share Card：能够一键解析各类网页内容，生成推荐文案，把分享链接转换为精美的二维码分享卡。通过用户浏览器，以浏览器插件形式本地提取网页内容。
2025-05-01
AI文生视频
以下是关于文字生成视频（文生视频）的相关信息： 一些提供文生视频功能的产品： Pika：擅长动画制作，支持视频编辑。 SVD：Stable Diffusion 的插件，可在图片基础上生成视频。 Runway：老牌工具，提供实时涂抹修改视频功能，但收费。 Kaiber：视频转视频 AI，能将原视频转换成各种风格。 Sora：由 OpenAI 开发，可生成长达 1 分钟以上的视频。 更多相关网站可查看：https://www.waytoagi.com/category/38 。 制作 5 秒单镜头文生视频的实操步骤（以梦 AI 为例）： 进入平台：打开梦 AI 网站并登录，新用户有积分可免费体验。 输入提示词：涵盖景别、主体、环境、光线、动作、运镜等描述。 选择参数并点击生成：确认提示词无误后，选择模型、画面比例，点击「生成」按钮。 预览与下载：生成完毕后预览视频，满意则下载保存，不理想可调整提示词再试。 视频模型 Sora：OpenAI 发布的首款文生视频模型，能根据文字指令创造逼真且充满想象力的场景，可生成长达 1 分钟的一镜到底超长视频，视频中的人物和镜头具有惊人的一致性和稳定性。
2025-04-20
Ai在设备风控场景的落地
AI 在设备风控场景的落地可以从以下几个方面考虑： 法律法规方面：《促进创新的人工智能监管方法》指出，AI 的发展带来了一系列新的安全风险，如对个人、组织和关键基础设施的风险。在设备风控中，需要关注法律框架是否能充分应对 AI 带来的风险，如数据隐私、公平性等问题。 趋势研究方面：在制造业中，AI Agent 可用于生产决策、设备维护、供应链协调等。例如，在工业设备监控与预防性维护中，Agent 能通过监测传感器数据识别异常模式，提前通知检修，减少停机损失和维修成本。在生产计划、供应链管理、质量控制、协作机器人、仓储物流、产品设计、建筑工程和能源管理等方面，AI Agent 也能发挥重要作用，实现生产的无人化、决策的数据化和响应的实时化。
2025-04-20
ai视频
以下是 4 月 11 日、4 月 9 日和 4 月 14 日的 AI 视频相关资讯汇总： 4 月 11 日： Pika 上线 Pika Twists 能力，可控制修改原视频中的任何角色或物体。 Higgsfield Mix 在图生视频中，结合多种镜头运动预设与视觉特效生成视频。 FantasyTalking 是阿里技术，可制作角色口型同步视频并具有逼真的面部和全身动作。 LAM 开源技术，实现从单张图片快速生成超逼真的 3D 头像，在任何设备上快速渲染实现实时互动聊天。 Krea 演示新工具 Krea Stage，通过图片生成可自由拼装 3D 场景，再实现风格化渲染。 Veo 2 现已通过 Gemini API 向开发者开放。 Freepik 发布视频编辑器。 Pusa 视频生成模型，无缝支持各种视频生成任务（文本/图像/视频到视频）。 4 月 9 日： ACTalker 是多模态驱动的人物说话视频生成。 Viggle 升级 Mic 2.0 能力。 TestTime Training在英伟达协助研究下，可生成完整的 1 分钟视频。 4 月 14 日： 字节发布一款经济高效的视频生成基础模型 Seaweed7B。 可灵的 AI 视频模型可灵 2.0 大师版及 AI 绘图模型可图 2.0 即将上线。
2025-04-20
ai视频教学
以下是为您提供的 AI 视频教学相关内容： 1. 第一节回放 AI 编程从入门到精通： 课程安排：19、20、22 和 28 号四天进行 AI 编程教学，周五晚上穿插 AI 视频教学。 视频预告：周五晚上邀请小龙问露露拆解爆火的 AI 视频制作，视频在视频号上有大量转发和播放。 编程工具 tree：整合多种模型，可免费无限量试用，下载需科学上网，Mac 可拖到文件夹安装，推荐注册 GitHub 账号用于代码存储和发布，主界面分为工具区、AI 干活区、右侧功能区等。 网络不稳定处理：网络不稳定时尝试更换节点。 项目克隆与文件夹：每个项目通过在本地新建文件夹来区分，项目运行一轮一轮进行，可新建会话，终端可重开。 GitHub 仓库创建：仓库相当于本地项目，可新建，新建后有地址，可通过多种方式上传。 Python 环境安装：为方便安装提供了安装包，安装时要选特定选项，安装后通过命令确认。 代码生成与修改：在 tree 中输入需求生成代码，可对生成的代码提出修改要求，如添加滑动条、雪花形状、颜色等，修改后审查并接受。 2. AI 视频提示词库： 神秘风 Arcane：Prompt：a robot is walking through a destroyed city,,League of Legends style,game modelling 乐高 Lego：Prompt：a robot is walking through a destroyed city,,lego movie style,bright colours,block building style 模糊背景 Blur Background：Prompt：a robot is walking through a destroyed city,,emphasis on foreground elements,sharp focus,soft background 宫崎骏 Ghibli：Prompt：a robot is walking through a destroyed city,,Spirited Away,Howl's Moving Castle,dreamy colour palette 蒸汽朋克 Steampunk：Prompt：a robot is walking through a destroyed city,,fantasy,gear decoration,brass metal robotics,3d game 印象派 Impressionism：Prompt：a robot is walking through a destroyed city,,big movements
2025-04-20
目前全世界最厉害的对视频视觉理解能力大模型是哪个
目前在视频视觉理解能力方面表现出色的大模型有： 1. 昆仑万维的 SkyReelsV1：它不仅支持文生视频、图生视频，还是开源视频生成模型中参数最大的支持图生视频的模型。在同等分辨率下各项指标实现开源 SOTA。其具有影视化表情识别体系、人物空间位置感知、行为意图理解、表演场景理解等优势。 2. 通义千问的 Qwen2.5VL：在 13 项权威评测中夺得视觉理解冠军，全面超越 GPT4o 与 Claude3.5。支持超 1 小时的视频理解，无需微调即可变身为 AI 视觉智能体，实现多步骤复杂操作。擅长万物识别，能分析图像中的文本、图表、图标、图形和布局等。
2025-04-15
目前全世界最厉害的视频视觉理解大模型是哪个
目前全世界较为厉害的视频视觉理解大模型有以下几个： 1. 昆仑万维的 SkyReelsV1：不仅支持文生视频、图生视频，是开源视频生成模型中参数最大且支持图生视频的模型。在同等分辨率下各项指标实现开源 SOTA。其优势包括影视化表情识别体系、人物空间位置感知、行为意图理解、表演场景理解等。 2. 腾讯的混元：语义理解能力出色，能精准还原复杂的场景和动作，如特定品种的猫在复杂场景中的运动轨迹、从奔跑到跳跃的动作转换、琴音化作七彩音符等。 3. Pixverse V3.5：全球最快的 AI 视频生成模型，Turbo 模式下可在 10 秒内生成视频，最快仅需 5 6 秒。支持运动控制更加稳定、细节表现力强、首尾帧生成功能，具备顶尖动漫生成能力。
2025-04-15
需要做一个自动化出视频的工作流
以下是一个关于自动化出视频工作流的详细介绍： 优势： 全自动化处理，解放双手。 40 秒快速出片，效率提升。 成本低廉，每条仅需 0.0x 元。 输出质量稳定专业。 DeepseekR1 保证文案质量。 还能改进，例如可以加入配套 BGM，让视频更有感染力；增加更丰富的画面内容和转场效果；使用免费节点替代付费插件，进一步降低成本；优化模板样式，支持更多展示形式；增加自动化程度，支持批量处理。 工作流程： 1. 可以在扣子商店体验，建议自己搭建。 2. 工作流调试完成后，加入到智能体中，可以选择工作流绑定卡片数据，智能体则通过卡片回复。 3. 选择发布渠道，重点如飞书多维表格，填写上架信息（为了快速审核，选择仅自己可用），确认发布等待审核，审核通过后即可在多维表格中使用。 4. 创建飞书多维表格，添加相关字段，配置选择“自动更新”，输入相关字段后，“文案视频自动化”字段捷径会自动调用工作流，生成视频。 5. 表单分享，实现“填写表单，自动创建文案短视频”的效果。 6. 全自动视频合成使用多视频融合插件，一键导出成品。但需注意节点产生的视频是异步生成，可能无法马上展现，需耐心等待几秒。 如果您还有其他疑问或需要进一步的帮助，请随时联系。
2025-04-14
生成提示词的提示词
以下是关于生成提示词的相关内容： 生成提示词的思路和方法： 可以根据效果好的图片中的高频提示词去反推效果，结合不同字体效果的描述，打包到一组提示词中。提示词给到 AI 后，AI 会根据给定文字的文义，判断适合的情绪风格，然后给出适合情绪的字体和风格描述、情感氛围等，加上一些质量/品质词，形成输出提示词结构。为了让 AI 更能描述清晰风格，可以先给定多种参照举例。 具体操作步骤： 打开 AI 工具的对话框，将相关提示词完整复制粘贴到对话框。推荐使用 ChatGPT 4o。 当 AI 回复后，发送您想要设计的文字。可以仅发送想要的文字，也可以发送图片（适合有多模态的 AI）让 AI 识别和反推。 将 AI 回复的提示词部分的内容复制到即梦 AI。 对生成提示词的一些观点： 提示词生成提示词并非必要，不一定能生成最好的 Prompt 框架，修改过程可能耗时且不一定能修改好，不如花钱找人写。 一句话生成完整符合需求的 Prompt 非常困难，只能大概给出框架和构思，需要更低成本地调整需求和修改 Prompt。 不同生图工具生成提示词的特点： 即使是简短的描述，生成的提示词也非常细节、专业。 会解析需求，找出核心要点和潜在的诠释点，并给出不同的提示词方案。 提示词构建更多在于增强，而不是发散，生成的内容更符合期望。 同时生成中、英双版本，国内外工具通用无压力。 14 款 AI 生图工具实测对比： 本次实测用到的工具包括国内版的即梦 3.0（https://jimeng.jianying.com/aitool/home）、WHEE（https://www.whee.com）、豆包（https://www.doubao.com/chat）、可灵（https://app.klingai.com/cn/texttoimage/new）、通义万相（https://tongyi.aliyun.com/wanxiang/creation）、星流（https://www.xingliu.art）、LibiblibAI（https://www.liblib.art），以及国外版的相关工具。
2025-04-20
有没有能根据描述，生成对应的word模板的ai
目前有一些可以根据描述生成特定内容的 AI 应用和方法。例如： 在法律领域，您可以提供【案情描述】，按照给定的法律意见书模板生成法律意见书。例如针对商业贿赂等刑事案件，模拟不同辩护策略下的量刑结果，对比并推荐最佳辩护策略，或者为商业合同纠纷案件设计诉讼策略等。 在 AI 视频生成方面，有结构化的提示词模板，包括镜头语言（景别、运动、节奏等）、主体强化（动态描述、反常组合等）、细节层次（近景、中景、远景等）、背景氛围（超现实天气、空间异常等），以及增强电影感的技巧（加入时间变化、强调物理规则、设计视觉焦点转移等）。 一泽 Eze 提出的样例驱动的渐进式引导法，可利用 AI 高效设计提示词生成预期内容。先评估样例，与 AI 对话让其理解需求，提炼初始模板，通过多轮反馈直至达到预期，再用例测试看 AI 是否真正理解。 但需要注意的是，不同的场景和需求可能需要对提示词和模板进行针对性的调整和优化，以获得更符合期望的 word 模板。
2025-04-18
如何自动生成文案
以下是几种自动生成文案的方法： 1. 基于其它博主开源的视频生成工作流进行优化： 功能：通过表单输入主题观点，提交后自动创建文案短视频，创建完成后推送视频链接到飞书消息。 涉及工具：Coze 平台（工作流、DeepSeek R1、文生图、画板、文生音频、图+音频合成视频、多视频合成）、飞书（消息）、飞书多维表格（字段捷径、自动化流程）。 大体路径：通过 coze 创建智能体，创建工作流，使用 DeepSeek R1 根据用户观点创建文案，再创建视频；发布 coze 智能体到飞书多维表格；在多维表格中使用字段捷径，引用该智能体；在多维表格中创建自动化流程，推送消息给指定飞书用户。 2. 生成有趣的《图文短句》： 实现原理： 先看工作流：包括第一个大模型生成标题、通过“代码节点”从多个标题中获取其中一个（可略过）、通过选出的标题生成简介、通过简介生成和标题生成文案、将文案进行归纳总结、将归纳总结后的文案描述传递给图像流。 再看图像流：包括提示词优化、典型的文生图。 最终的 Bot 制作以及预览和调试。 3. 腾讯运营使用 ChatGPT 生成文案： 步骤：通过 ChatGPT 生成文案，将这些文案复制到支持 AI 文字转视频的工具内，从而实现短视频的自动生成。市面上一些手机剪辑软件也支持文字转视频，系统匹配的素材不符合要求时可以手动替换。例如腾讯智影的数字人播报功能、手机版剪映的图文成片功能。这类 AI 视频制作工具让普罗大众生产视频变得更轻松上手。
2025-04-15
如何通过输入一些观点，生成精彩的口播文案
以下是通过输入观点生成精彩口播文案的方法： 1. 基于其它博主开源的视频生成工作流进行功能优化，实现视频全自动创建。 效果展示：可查看。 功能：通过表单输入主题观点，提交后自动创建文案短视频，并将创建完成的视频链接推送至飞书消息。 涉及工具：Coze平台（工作流、DeepSeek R1、文生图、画板、文生音频、图+音频合成视频、多视频合成）、飞书（消息）、飞书多维表格（字段捷径、自动化流程）。 大体路径： 通过 coze 创建智能体，创建工作流，使用 DeepSeek R1 根据用户观点创建文案，再创建视频。 发布 coze 智能体到飞书多维表格。 在多维表格中使用字段捷径，引用该智能体。 在多维表格中创建自动化流程，推送消息给指定飞书用户。 2. 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，可以选择工作流绑定卡片数据，智能体则通过卡片回复。 选择发布渠道，重点是飞书多维表格，填写上架信息（为快速审核，选择仅自己可用），等待审核通过后即可在多维表格中使用。 3. 多维表格的字段捷径使用： 创建飞书多维表格，添加相关字段，配置后使用字段捷径功能，使用自己创建的 Coze 智能体。 表单分享，实现填写表单自动创建文案短视频的效果。 4. 自动化推送：点击多维表格右上角的“自动化”，创建所需的自动化流程。 另外，伊登的最新 Deepseek+coze 实现新闻播报自动化工作流如下： 第一步是内容获取，只需输入新闻链接，系统自动提取核心内容。开始节点入参包括新闻链接和视频合成插件 api_key，添加网页图片链接提取插件，获取网页里的图片，以 1ai.net 的资讯为例，添加图片链接提取节点，提取新闻主图，调整图片格式，利用链接读取节点提取文字内容，使用大模型节点重写新闻成为口播稿子，可使用 Deepseek R1 模型生成有吸引力的口播内容，若想加上自己的特征，可在提示词里添加个性化台词。
2025-04-15
小红书图文批量生成
以下是关于小红书图文批量生成的详细内容： 流量密码！小红书万赞英语视频用扣子一键批量生产，这是一个保姆级教程，小白都能看得懂。 原理分析： 决定搞之后，思考生成这种视频的底层逻辑，进行逆推。这种视频由多张带文字图片和音频合成，带文字图片由文字和图片生成，文字和图片都可由 AI 生成，音频由文字生成，文字来源于图片，也就是说，关键是把图片和文字搞出来。 逻辑理清后，先找好看的模版，未找到好看的视频模版，最后看到一个卡片模版，先把图片搞出来，才有资格继续思考如何把图片变成视频，搞不出来的话，大不了不发视频，先发图片，反正图片在小红书也很火。 拆模版： 要抄这种图片，搞过扣子的第一反应可能是用画板节点 1:1 去撸一个，但扣子的画板节点很难用，Pass 掉。用 PS 不行，太死板不灵活，html 网页代码可以，非常灵活。经过 2 个多小时和 AI 的 battle，用 html 代码把图片搞出来了。这里不讲代码怎么写，直接抄就行。要抄，首先要学会拆，不管用什么方式批量生成这样的图片，都必须搞清楚里面有哪些是可以变化的参数，也就是【变量】，如主题、主题英文、阶段、单词数、图片、正文、翻译、普通单词、重点单词等。 想方法： 大概知道批量生成这样的图片需要搞清楚哪些参数，图片用 html 代码搞出来了。但问题是视频怎么搞，这种视频由多张不同的【带文字的图片】生成，比如读到哪句，哪句就高亮起来，图片也可以随着读到的句子变更。最后，视频就是用这样的图片一张张拼起来的。
2025-04-14
ai如何什么生成表格
AI 生成表格通常可以通过以下技术实现： 1. 利用变分自编码器（VAEs）和序列到序列模型（Seq2Seq）等技术生成表格文件、表格公式，并清理、创建、转换和分析表格中的文本数据，例如表格结构设计、数据分析表、表格自动化等。 2. 借助一些办公软件中的 AI 插件，如飞书中的相关插件，先通过 AI 理解图片中的内容并填充到表格列中，然后利用自带插件总结生成相关指令。 此外，在多模态数据生成中，结构化数据生成包括表格生成，多模态合成数据从大类来看有非结构化数据（图片、视频、语音等）和结构化数据（表格等）两大类。非结构化数据生成包括文本生成、图像生成、音频和语音生成、视频生成、3D 生成、合成数据生成等。
2025-04-14
我想知道现在中国网络环境内可以用的最好图片AI，以图生图稳定
目前在中国网络环境内可用的较好的以图生图且较为稳定的 AI 产品有： 1. Artguru AI Art Generator：在线平台，能生成逼真图像，为设计师提供灵感，丰富创作过程。 2. Retrato：AI 工具，可将图片转换为非凡肖像，有 500 多种风格可选，适合制作个性头像。 3. Stable Diffusion Reimagine：新型 AI 工具，通过稳定扩散算法生成精细、具细节的全新视觉作品。 4. Barbie Selfie Generator：专为喜欢梦幻童话风格的人设计的 AI 工具，能将上传的照片转换为芭比风格，效果出色。 此外，关于 Stable Diffusion 还有一些相关的使用技巧和处理步骤： 用 GFPGAN 算法将人脸变清晰，可参考文章。 将图片发送到图生图中，打开 stableSR 脚本放大两倍，该放大插件是所有插件中对原图还原最精准、重绘效果最好的，可参考文章。 使用 Stable Diffusion 中的【X/Y/Z plot】脚本做参数对比，如设置 X 轴为提示词相关性，Y 轴为重绘幅度等。绘图时可通过增加提示词、使用画笔工具等进行局部修改和重绘。
2025-03-12
大模型稳定输出
大模型在稳定输出方面具有以下特点和相关情况： 在翻译场景中： 突破传统翻译模型局限，大幅提升翻译质量，为广泛应用带来机遇。 能够通过深度上下文分析理解语言真正含义，适应不同语境，避免词不达意和语境脱节，精准捕捉并传达原文意图，尤其在处理隐喻、习语或文化特征文本时表现出色。 生成更流畅、自然且地道的翻译，接近母语水平，保持原文语言风格和情感色彩，更具亲和力和感染力。 具有强大适应性，能根据不同翻译场景灵活调整策略，在多场景翻译中更具灵活性和精准度。 能够深入理解文化内涵，避免因文化差异导致误解或偏差，在专业领域能提供更专业且符合行业标准的翻译结果。 在旅行青蛙智能体搭建过程中： 涉及多个意图分支，如定向旅行、投喂青蛙、在家休息等，每个分支包含多个大模型节点和相关操作。 关于大模型是否具有道德观念： 大型语言模型本身不具有真正的道德观念或意识，它们是通过大量数据训练来模拟语言统计规律的。 但可以被设计用来识别和生成包含道德观念内容的文本。 为确保其输出符合社会道德和伦理标准，采取了多种方法，如数据清洗、算法设计、制定准则、保持透明度、用户反馈、持续监控、人工干预以及教育和培训等。然而，确保 AI 模型的道德和伦理性仍是复杂且持续的挑战，相关标准也在不断演进。
2025-03-04
coze知识库是否稳定且保密
Coze 知识库目前存在一些不稳定的情况。例如，在国内版中，某些官方和第三方插件的 API 调用及返回结果不太稳定，可能导致部分信息无法完全显示。但对于以问答为主的客服场景，其表现相对稳定。同时，目前存在不稳定版本，需要不断调试完善。关于保密方面，文中未提及相关内容。
2025-02-22
在2025年2月12日这个时间点，我有哪些方式可以快速，稳定的使用 deepseek r1
在 2025 年 2 月 12 日，您可以通过以下方式快速、稳定地使用 DeepSeek R1： PPIO 派欧云（https://ppinfra.com/modelapi/product/llmapi?utm_medium=article&utm_source=WayToAGI）：提供满血版全版本的 DeepSeekR1，输入价格为￥4/百万 tokens，输出价格为￥16/百万 tokens。有开发者福利，新注册立得 500 万 tokens（关注 PPIO 公众号回“deepseek”再领 1 亿），初创企业认证有 10 万算力补贴。产品服务特点为服务稳定性 99.9%，保持 0 故障，与 DeepSeek 官方同价，客户支持通道 10 分钟响应。 百度智能云：DeepSeekR1 限时免费，配额 1000RPM/10000TPM，无调用 tokens 上限。本模型将于 2025 年 2 月 19 日 00:00 起正式商用计费，输入价格 0.002 元/千 tokens，输出价格 0.008 元/千 tokens，有在线体验。 硅基流动：DeepSeekR1 输入价格为￥4/M Tokens，输出价格为￥16/M Tokens，有在线体验。2025 年 2 月 6 日起，未实名用户每日最多请求此模型 100 次。 此外，在 2 月 12 日，还有以下相关内容： 《》，来自社区伙伴 Hua 的投稿，手把手指导您在微软 Azure AI Foundry 平台上完成 DeepSeek R1（671B）模型的完整部署流程，包含环境准备、资源管理、模型测试及 API 调用说明。 《》Anthropic 正式发布 Anthropic AI Economic Index，聚焦 AI 对经济的长期影响。该指数直观展现 AI 如何融入现代经济的各类实际任务，并从职业（occupation）和具体工作任务（task）两个维度，量化 AI 对劳动力市场的影响。 《》DeepSeekR1 的火爆现象背后，企业可以获得显著提升。其强化学习和联网搜索能力，改变了信息获取方式，从“检索—阅读—摘要”转变为“提问—获得答案”，大幅提升工作效率。同时，DeepSeek 的开源策略打破了技术垄断，让国内大模型能力迅速提升。
2025-02-12
稳定使用DeepSeek的方法
以下是稳定使用 DeepSeek 的方法： 1. 访问网址：搜索 www.deepseek.com，点击“开始对话”。 2. 操作步骤： 将装有提示词的代码发给 DeepSeek。 认真阅读开场白之后，正式开始对话。 3. 设计思路： 将 Agent 封装成 Prompt，将 Prompt 储存在文件，保证最低成本的人人可用的同时，减轻自己的调试负担。 通过提示词文件，让 DeepSeek 实现同时使用联网功能和深度思考功能。 在模型默认能力的基础上优化输出质量，并通过思考减轻 AI 味，增加可读性。 照猫画虎参考大模型的 temperature 设计了阈值系统，但是可能形式大于实质，之后根据反馈可能会修改。 用 XML 来进行更为规范的设定，而不是用 Lisp（对开发者有难度）和 Markdown（运行下来似乎不是很稳定）。 此外，DeepSeek 在一些案例中也有出色表现，比如在卫夕指北的案例中，经过细腻、严谨、自洽、深刻的思考，输出了符合要求的结果。 在获取 2048 游戏代码方面，DeepSeek 具有诸多优势，如国内能访问、网页登录方便、目前完全免费等。同时，也介绍了其他获取代码的工具和方法，如 Cursor 等。
2025-02-08
如何实现稳定的ai agent
要实现稳定的 AI agent ，可以从以下几个方面考虑： 1. 提示词工程与工具调用能力的配合：设计出一套与知识图谱相结合的工具调用逻辑，稳定人设。通过缩小 max_length 防止 LLM 长篇大论，每次输入到上下文窗口中的记忆只返回最近几轮的对话，并利用查询知识图谱的信息来实现永久记忆。 2. 工具设计：将与知识图谱交互这一大的任务，细分为查询、创建、修改、删除实体或关系、获取实体的所有关系、获取所有实体名称列表等多个工具，组成一个工具包供 LLM 调用。 3. 构建数字人灵魂： 写一个像人一样的 Agent ，工程实现所需的记忆模块、工作流模块、各种工具调用模块的构建都是挑战。 解决灵魂部分如何驱动躯壳部分的问题，将灵魂部分的所有接口定义出来，躯壳部分通过 API 调用。 注意实时性，由于整个数字人的算法部分组成庞大，几乎不能实现单机部署，要解决网络耗时和模型推理耗时问题。 考虑多元跨模态，根据实际需求添加其他感官的交互。 处理拟人化场景，如插话、转移话题等情况。 4. 工作流的设计模式：可以运用吴恩达教授提出的设计模式，如 Reflection 模式，设计工作流先检索知识库的活动内容，再通过 LLM 大模型区块进行数据修正，最终输出符合意图的结果。
2025-02-06