Ai星球🪐中文频道ChatGPTGminiClaudeSora

sora 可以登录使用了，用英文输入提示词效果要好点

浏览器打开 sora.com 登录 gpt，使用 PLUS 账号就可以了

Google 不再是最好的搜索引擎

越来越多的用户通过社交媒体谈论 Google Search 搜索质量的下降，认为 Brave Search 或付费搜索引擎 Kagi 的搜索质量好于 Google Search 。Google 已经支配搜索引擎市场长达二十多年，它是自己成功的最大的敌人，它的衰落也是源自于其贪婪。过去几年 Google 在广告领域的市场份额在逐渐减少，从 2017 年的 34.7% 降至 2024 年的大约 28.8%，亚马逊在产品搜索以及 TikTok 的服务内搜索逐渐取代了它的位置。Google 在网络广告领域的份额也可能跌至五成以内。它的市场份额在萎缩，但 Google 不想让收入也萎缩，它的方法是在搜索结果中加入更多广告，这进一步导致了搜索质量的下降。基于大模型的 AI 聊天机器人的流行也让更多用户在寻找答案时不是访问搜索引擎而是询问 AI 。来源 1，2

OpenAI：用户现可与ChatGPT通电话、发短信

OpenAI当地时间12月18日宣布，美国和加拿大用户可通过拨打1-800-ChatGPT（1-800-242-8478）与ChatGPT进行交谈，每月有15分钟的语音通话额度，其他国家的用户也可通过发送WhatsApp消息到同一号码，与ChatGPT进行对话。来源 1，2

卧槽，这个真牛批了，无限画布AI计算机

tldraw computer，一台AI计算机，没有代码，只有自然语言和流程组件。

支持流程分支、切换和循环，而且项目还能变成模版跟其他人共享。

Andrej Karpathy 也给了很高评价

试了一下没找到地方交钱，还是免费的？

这里尝试：https://computer.tldraw.com/

GitHub Copilot 推出免费计划

免费计划包含每月 2000 次 Code Completions 和 50 条聊天消息，可以使用 GPT-4o 和 Claude 3.5 Sonnet 模型。

GitHub | TechCrunch

谷歌发布首个人工智能推理模型

当地时间12月19日，谷歌发布实验性的“Gemini 2.0 Flash Thinking”模型，这是谷歌首个AI推理模型。该模型能明确展现自己的思考过程，来解决复杂的问题，推理能力更强。该模型目前已在Google AI Studio和Vertex AI平台上线。谷歌表示，这只是推理之旅的第一步，未来这些推理能力可能会集成到Gemini 2.0系列主要模型中。

—— 财联社、Techcrunch

谷歌憋不住了开大了，发布四个🐂🍺项目！

- 原生多模态输入输出的 Gemini2.0
- 实时多模态沟通助手 Project Astra 的进展
- Project Mariner 浏览器类贾维斯助手
- Jules：代码开发助理

## Gemini 2.0
更好的性能：Gemini 2.0 Flash 比 1.5 Pro 更强大，同时仍然提供开发人员期望的 Flash 速度和效率。它还在关键基准测试中改进了多模式、文本、代码、视频、空间理解和推理性能。

原生多模态输出：Gemini 2.0 Flash 生成包含文本、音频和图像的集成响应 - 所有这些都通过单个 API 调用实现。这些新的输出模式可供早期测试人员使用，预计明年将更广泛地推出。

原生工具使用：Gemini 2.0 已经接受过训练使用工具-这是构建代理体验的基本能力。它可以本地调用工具，如 Google 搜索和代码执行，以及通过函数调用调用自定义第三方函数。

多模态实时API：开发人员现在可以使用来自摄像头或屏幕的音频和视频流输入构建实时的多模态应用程序。支持自然对话模式，如中断和语音活动检测。

## Project Astra

更好的对话：Project Astra 现在具有以多种语言和混合语言交流的能力，更好地理解口音和不常见的词语。

新工具使用：使用 Gemini 2.0，Project Astra 可以使用 Google 搜索、Lens 和地图，使其在您的日常生活中更加有用。

更好的记忆：我们提高了项目 Astra 的记忆能力，确保您可以控制。它现在具有最长 10 分钟的会话记忆，并能够记住与它过去的更多对话

改进的延迟：通过新的流媒体功能和本地音频理解，代理可以在大约人类对话的延迟下理解语言。

## Project Mariner

它能够理解和推理浏览器屏幕上的信息，包括像素和网页元素，如文本、代码、图像和表单，然后通过实验性的 Chrome 扩展使用该信息来完成任务。

在对 WebVoyager 基准进行评估时，该基准测试代理在端到端真实世界网络任务上的表现，Project Mariner 作为单一代理设置取得了 83.5%的最新成果。

值得信赖的测试人员现在开始使用实验性的 Chrome 扩展程序来测试 Project Mariner

## Jules

一款实验性的 AI 驱动代码代理，直接集成到 GitHub 工作流程中。它可以在开发人员的指导和监督下处理问题，制定计划并执行

详细信息：https://blog.google/technology/google-deepmind/google-gemini-ai-update-december-2024

Invalid media: video

这几个 AI 编程提示词，谁用谁知道！ 🥰

1️⃣ "请你 step by step 思考，理解我的意图，根据现有代码情况，输出完善的详细开发文档"
- 能够输出完善的改动说明文档
- 让 AI 更加全面的理解需求意图
- 让 AI 提供更完善思考的编程方案
- 帮助用户理解代码现状、变更方案

2️⃣ "请 step by step 进行 code review，确保本次任务的高质量完成"
- 帮助用户确认开发变更有无遗漏

3️⃣ "你是超级程序员，擅长精妙理解我的意图本质，绝妙的解决问题"
- 避免 debug 方案的复杂性，精准解决问题
- 一些奇怪的 debug 场景有奇效

叠个甲：仅个人近期体验分享

【OpenAI发展真的要放缓了？26岁OpenAI举报人疑自杀，llya说模型与训练到头了】

就在刚刚，消息曝出：OpenAI吹哨人，在家中离世。曾在OpenAI工作四年，指控公司侵犯版权的Suchir Balaji，上月底在旧金山公寓中被发现死亡，年仅26岁。旧金山警方表示，11月26日下午1时许，他们接到了一通要求查看Balaji安危的电话，但在到达后却发现他已经死亡。

与此同时，在今早NeurIPS 2024大会上，AI大牛、OpenAI联合创始人、SSI创始人伊利亚·苏茨克维（Ilya Sutskever）发表演讲时表示，模型预训练将会结束，因为AI的化石燃料“数据”已经用尽了。

X 上平台上有现场听众发布了Ilya演讲 PPT的截图。在一页 PPT中，Ilya指出，预训练将会结束。他解释成，算力因为更好的硬件、更好的算法、更大的集群而快速增长，但是数据则没有，因为我们只有一个互联网，而这是人工智能的化石燃料。

这个帖子还引来xAI创始人 Elon Musk的评论。他评论成：“很好的比喻。”

如今，GPT-5迟迟未发布，OpenAI 在“12 天”活动第 7 天发布 Projects 功能，进一步推动 ChatGPT 向“万能应用”迈进。这意味着，Scaling Law已经不再适用，模型不会越来越大，而是越来越垂直？

Instagram负责人：社交媒体需应对AI内容挑战

Instagram负责人亚当·莫塞里在一系列发文中指出，AI生成内容已变得难以分辨，用户应关注发布者的可信度。平台需尽力标注AI生成的内容，同时提供发布者背景信息，帮助用户判断内容真实性。莫塞里提到，Meta计划调整内容规则，但尚未推出类似X平台或YouTube的社区审查功能。AI时代下，提升社交媒体内容的透明性和用户信任成为关键议题。

The Verge

谷歌发布 AI 图像生成新工具 Whisk，支持上传多张图片以图生图

该工具允许用户使用其他图像作为提示来生成图像，而不需要冗长的文本提示。用户只需提供图像。

如果手头没有合适的图像，用户还可以点击骰子图标，由谷歌自动填充一些图像。用户也可以在文本框中输入一些文字进行调整，但不是必要的。

谷歌表示，Whisk 使用的是其最新一代的 Imagen 3 图像生成模型，该模型也于今日发布。

Whisk | Google Blog

谷歌发布 Veo 2 和 Imagen 3 模型

谷歌发布了其最先进的视频生成模型 Veo 2，可根据文本或图像提示生成逼真、高质量的视频片段。最高能够创建 4k 分辨率视频。Veo2 将于明年推出。

同时发布的还有改进版的文生图模型 Imagen 3，它能更好地再现现实世界的物理和逼真的人类表情。

Google

微软推出的新手友好型生成式 AI 课程

https://www.moyunews.com/generative-ai-for-beginners/

推荐！微软推出的新手友好型生成式 AI 课程，共 18 节，现已在 GitHub 上狂揽近 5 万星⭐️

🆔 项目名称：Diffutoon

https://www.moyunews.com/diffutoon/

⭐️ 项目功能：卡通渲染

📁 项目简介：一种出色的卡通渲染方法，将照片真实的视频转变为动漫风格。能够处理超高分辨率和快速运动。

🌐 视频展示：点击打开

🔗 开源地址：点击访问

Hedra 的 Character-1 可以通过文本和图片生成说话和唱歌视频

https://www.moyunews.com/hedra/

Hedra 的 Character-1 可以通过文本和图片生成说话和唱歌视频，目前最长时间 60 秒，可以免费体验。

Vadoo AI - 用于视频创作的人工智能。

将文字提示转化为高质量的短视频。它拥有可定制的模板、丰富的视频库，快速字幕生成器，添加画外音等。

🧬 https://www.vadoo.tv

#tools #AI

🗣️ EasyVideoTrans-免费开源且易用的AI视频翻译配音工具 小白也适用

🏷️ #AI工具 #GitHub项目 #实用工具 #趣站 #AI #TTS #视频翻译

官网：https://easyvideotrans.com/
后端开源：https://github.com/sutro-planet/easyvideotrans-frontend
前端开源：https://github.com/sutro-planet/easyvideotrans-frontend
ptvzhen：https://github.com/CuSO4Gem/pytvzhen

🆔 网站名称：Napkin AI

⭐ 网站功能：在线视觉工具

📁 网站简介：一款专为商业故事讲述而设计的在线视觉工具，将文本内容快速转化为各种视觉图像，如信息图、图表和流程图等。

只需输入文本，Napkin AI 就能自动生成相关的视觉内容，帮助用户更有效地传达复杂概念和想法。

🔗 网站链接：点击打开

Anthropic 发布 Claude 3.5 Sonnet 和 Claude 3.5 Haiku，推出计算机使用功能

Anthropic 发布了升级版 Claude 3.5 Sonnet 和全新模型 Claude 3.5 Haiku。Claude 3.5 Sonnet 在编码方面取得了显著进步，超越了所有公开模型。Claude 3.5 Haiku 则在许多评估中与 Claude 3 Opus 性能相当，但成本更低，速度与前一代 Haiku 相似。

同时，Anthropic 还推出了具有计算机使用能力的公测版，使 Claude 能够像人一样使用电脑，进行屏幕查看、光标移动、按钮点击和文本输入等操作。目前，该功能仍处于实验阶段，Asana、Canva 等公司已开始探索其应用。Claude 3.5 Sonnet 现已向所有用户开放，计算机使用测试版也已在 Anthropic API、Amazon Bedrock 和 Google Cloud’s Vertex AI 上线。Claude 3.5 Haiku 将于本月晚些时候发布。

Anthropic

李彦宏预测 AI 是另一个泡沫，99% 的 AI 公司会在泡沫破裂时面临倒闭

百度 CEO 李彦宏在哈佛商评举办的 Future of Business 会议上预测 AI 是另一个泡沫，99% 的 AI 公司会在泡沫破裂时面临倒闭的风险，只有 1% 的公司能生存下来。

AI 泡沫有多大，可以用该行业最主要芯片供应商英伟达的市值作为参考，英伟达的市值在两年内增长了十倍，从 3000 亿美元增至 3.4 万美元。一辆火车能搭载的乘客是有限制的，李彦宏称，AI 行业的泡沫类似 90 年代和移动互联网市场的泡沫。他认为这段不确定的时期是健康的，将会清除掉 AI 市场中不符合消费者需求的虚假创新或产品。他认为 AI 取代人类工作至少需要 10 到 30 年的时间。

奇客Solidot

Midjourney釋出了其照片編輯器外部影象編輯器。

開發人員引入了2個新功能，允許您透過文字描述編輯影象。 以前，只能使用Midjourney建立的圖片，現在可以使用任何圖片。

⭐人工智慧照片編輯器。 使用者可以丟擲他的影象，選擇任何片段，並要求神經網路根據您的文字提示重新繪製。

⭐重新繪製影象。 儲存構圖，但繪製物件、紋理和顏色的不同環境，建立新的視覺效果。 例如：

-新增、刪除、更改照片中的物件。

-改變內部、背景、顏色、設計、衣服。

-更改影象樣式。

訪問仍然有限：您需要每年訂閱，或成為12個月的訂閱者，或生成超過10,000張圖片。

Claude很快就會學會如何控制你的電腦🤩

該功能已經在幾個服務和應用程式上進行了測試。

是的，OpenAI早就宣佈了這樣一個工具，但他們進展甚微。 如果Anthropic更快地向所有使用者推出此功能，我也不會感到驚訝。

你覺得怎麼樣？

陌生人，在我們自己🦋之間

那些看過原版動畫片的人應該會喜歡這部用人工智慧製作的短片。

SynthID：识别AI生成的内容

SynthID 使用各种深度学习模型和算法进行水印嵌入和识别，在不影响原始内容质量的前提下，帮助用户确定内容是否由 Google 的 AI 工具生成，并已集成到 Imagen、ImageFX、Gemini 等 Google 产品中，还通过 Lyria 支持 AI 音乐生成。

用户可以通过 Google 搜索或 Chrome 浏览器中的“关于此图片”功能识别图像是否由 Google AI 工具生成。SynthID 的文本水印技术已在 Nature 发表并开源，目前正与 Hugging Face 合作，使其更广泛地应用于开发者平台。

DeepMind

🆔 网站名称：Brev.ai

⭐ 网站功能：AI 音乐

📁 网站简介：一个创新的在线人工智能音乐生成器，可以通过输入文本描述快速创建高质量的音乐作品。

利用先进的 Suno V3.5 技术，将用户的文字转化为旋律、和声，甚至完整的歌曲，适用于视频、社交媒体等多种场景。

🔗 网站链接：点击打开

🆔 网站名称：text-behind-image

⭐ 网站功能：图像后面添加文本

📁 网站简介：一款可以在图像后面添加文本的工具。只需打开应用程序，上传图像，然后输入想要添加的文本，系统会自动生成带有文本的图像。

🔗 网站链接：点击打开

🔗 开源地址：点击访问

Instagram 新增AI 扩图工具

https://x.com/samsheffer/status/1849556989879415251

🗣️ Fluximg Flux Image AI Generator：基于Flux.1 Pro 高品质AI图片生成工具

🏷️ #AI工具 #趣站 #AI

👉 https://www.fluximg.com/zh

Robops開始變得有用了😍

一個搬運遊客的行李，另一個移走樹葉。 很快，我們將在街上看到他們，而不是看門人。

讓我們來欣賞迪奧虛構的香水廣告。

在創作中使用了Midjourney、Mystic v2、Runway、Magnific、Audio、EllevenLabs和CapCut。

誰注意到腿在框架中是如何改變位置的？

具有人工智慧的多臂机器人，可以识别成熟的苹果并收集它们

令人驚訝：新技術提供了第六根手指的概念

這是身體擴張的概念，即使是不知道如何使用一隻手的人也可以透過增加第六根手指來顯著提高他們的能力。

對於想要提高工作效率的人來說，無論他們是否殘疾，這將是一個很好的工具。

HivisionIDPhoto - AI证件照制作
轻量级抠图
根据不同尺寸规格生成不同的标准证件照、六寸排版照
美颜（waiting）
智能换正装（waiting）

📎开源地址

🏷标签：#AI #工具 #开源 #github #证件照

FLUX1.Art

一个免费的AI画图网站,AI生图

📎网站地址

特斯拉We Robot 发布会全纪录：完全无人驾驶出租车、Optimus 机器人、Robovan（机器人巴士）

特斯拉在洛杉矶”We, Robot”活动上发布了其全新Cybercab，这款车类似于更小、更流线型的双座版Cybertruck。

这款被称为“机器人出租车”（robotaxi）的车辆是专为自动驾驶设计的，车内没有方向盘和任何踏板，它的设计充满未来感，车门像蝴蝶翼一样向上开启，车内空间仅够两名乘客使用。

Support authors and subscribe to content

This is premium stuff. Subscribe to read the entire article.
Login if you have purchased

加入会员
加入会员查看更多会员内容和教程。
超过1000+的会员内容，每天更新。
开通会员

via XiaoHu.AI学院 (author: 小互)

Invalid media:
video
video
video
video
video

PicoAudio 是一种人工智能，可以根据提示创建任何声音。

枪声、爆炸声、下雨声、敲门声以及其他多种声音，可以立即下载音频。您还可以创建自己的库或查看其他库。

🧬 https://huggingface.co/spaces/amphion/PicoAudio

#tools #AI

OpenAI 推出全新写作、编码工具 ChatGPT Canvas，将免费开放

OpenAI 今日宣布推出全新写作、编码工具 Canvas，这是一个与 ChatGPT 合作编写和编码项目的新界面，超越了简单的聊天。

ChatGPT Canvas 可以更好地了解任务的上下文，用户可以突出显示特定部分，以准确表明希望 ChatGPT 关注的内容。用户也可以直接编辑文本或代码，要求 ChatGPT 调整写入长度、调试代码并快速执行其他操作，并且提供后退按钮来恢复作品的先前版本。

OpenAI 透露，Canvas 使用 GPT-4o 构建，用户可以在模型选择器中手动选择测试版中的 Canvas，即日起将向 ChatGPT Plus 和 Team 用户推出。Enterprise 和 Edu 用户则在下周获得访问权限，测试结束后，OpenAI 计划向免费用户推出 Canvas。来源 1，2

AI 机器人能以 100% 成功率破解图像识别 CAPTCHA

苏黎世联邦理工学院研究人员报告，利用特别训练过的图像识别模型，AI 机器人能以 100% 成功率破解 ReCAPTCHA v2。Google 的 reCAPTCHA v2 会展示一组街景网格，要求用户识别哪些图像包含自行车、人行横道、楼梯或交通信号灯。Google 已经逐步淘汰 reCAPTCHA v2 改用 reCAPTCHA v3，通过分析用户交互识别人和机器人，不再需要用户接受繁琐的挑战。然而互联网上仍然有数百万个网站使用 reCAPTCHA v2，而使用 reCAPTCHA v3 的网站还会将 reCAPTCHA v2 作为后备方案。研究人员利用了开源模型 YOLO ("You Only Look Once") 的微调版本。他们表示在成功率达到 100% 之后我们正进入后 reCAPTCHA 时代。来源 1，2

一位用户告诉 ChatGPT

他将退订ChatGPT

续订 Claude

结果...

GPT疯了... hhhhh #视频 来源

OpenAI计划转型为营利公司

大语言人工智能（人工智慧）模型ChatGPT 的开发商OpenAI 公司日前准备对公司结构做彻底改革，从非营利公司转型为一家营利性公司。

在近期一小轮高官离职潮之后，OpenAI 的首席执行官阿尔特曼(Sam Altman) 表示，OpenAI「不是一家正常的公司」。

OpenAI 当前有利润上限，其限制给予投资者和员工的回报比例，超额部分将予以其他非营利组织。《卫报》报导指这一结构限制了其吸引投资，而当前的AI科技竞争需要大量融资。

谷歌 CEO 皮查伊：AI 不会取代程序员，反而会让更多人成为程序员

皮查伊在卡内基梅隆大学的演讲中谈到了 AI 对编程工作的影响，他表示，AI 最有可能帮助人们，而不是取代他们。它可以帮助现有程序员专注于更高级的任务，而不是重复解决同样的问题。此外，皮查伊认为 AI 将降低编程的门槛，使更多人能够通过自然语言的方式进行编程，就像使用一种创意工具一样。

皮查伊还将 AI 能够在日常活动中为众多专业人士提供帮助的能力描述为看待人工智能的“正确视角”，他还称“人工智能”这个词不太恰当，容易让人产生比较的想法（IT之家注：即把人工智能与人类智能进行比较），其实不必如此。他认为一个更好的术语应该是“赋能智能”，并且他“打赌未来会有更多的人进行编程”。来源 1，2

OpenAI 劲敌 Anthropic 正考虑以 300~400 亿美元估值进行融资

The Information 报道称，美国 AI 初创公司 Anthropic 已经开始与投资者洽谈新一轮融资事宜。一位现有投资者透露，Anthropic 新一轮融资后估值可能达到 300~400 亿美元，大约是今年初完成一轮融资后估值的两倍。

Anthropic 主要依赖于旗下生成式 AI 聊天机器人 Claude 获得收入，被视为 OpenAI 最大的初创企业竞争对手。在此之前，OpenAI 还被曝出将以 1500 亿美元的估值筹集 50 亿至 70 亿美元资金，几乎是今年第一季度的两倍之高。来源 1，2

Google 以 27 亿美元重聘公司前 AI 研究员

科技巨头竞相以高价聘请最顶尖的 AI 人才，但 Google 付出的代价令所有人望尘莫及。Noam Shazeer 是 2017 年开创性的神经网络架构 Transformer 论文《Attention Is All You Need》的合作者，在 Google 拒绝发布他开发的聊天机器人后，他于 2021 年离开的公司创办了 Character.AI。当 Character.AI 陷入困境时，前雇主突然现身。Google 开出了 27 亿美元的支票，除了授权 Character.AI 技术外，交易的一部分是让 Shazeer 同意重新为其工作。在公司内部，Shazeer 的回归被广泛视为是公司同意支付 27 亿美元授权费的主要原因。Shazeer 现在是搜索巨人负责 Gemini 下个版本的三人之一。Google 拒绝让 Shazeer 接受采访。来源 1，2