跳到正文
11月20日週五
  1. DEV Community49

    Automatio 本週更新:社交帳戶發布、Chrome 分組分頁及一鍵生成 GIF

    Automatio 在 9 至 15 November 推出 7 項新功能、4 項改進及 13 項修正,重點包括社交帳戶發布、按聊天分組 Chrome 分頁,以及一鍵生成 GIF。連接社交帳戶須使用按月收費的付費方案,每個帳戶每月 $6,最多可連接 20 個;除非用戶在批准設定中允許發布,貼文發布前須先獲批准。GIF 現可在聊天及 API 中一步生成,圖片生成亦新增品質設定。

  2. HuggingFace Daily Papers(社區熱門論文)33

    HiUni 如何在共享視覺空間中統一理解與生成

    HiUni 探索將預訓練視覺語言模型擴展為統一多模態模型,讓同一個語言對齊 ViT 和 dense Transformer 主幹同時支援視覺理解與生成,並將任務專屬計算限制在輸出端。模型以 Pixel Diffusion Head 優化像素空間生成,並透過輕量 HiGate 路徑補充合成所需的細緻空間資訊。實驗顯示,HiUni 的平均理解評分與預訓練視覺語言模型相若,圖像生成和編輯表現具競爭力。

  3. 新浪科技19

    《The Ghost Of Solaris》即將轉為付費,Steam 玩家可免費領取

    動作冒險遊戲《The Ghost Of Solaris》即將由免費遊玩轉為付費銷售,玩家可在轉付費前免費領取。遊戲未來售價為 49.99 美元,調整至少會在公告發布一週後生效,具體日期待 Valve 審核完成後公佈。遊戲圖片疑似由 AI 生成,場景、音效及建模亦引發批評,運行時存在嚴重卡頓。

  4. 阿里雲開發者社區 AI48

    棲影AI 如何測試玻璃杯換背景的三種方法

    棲影AI以一隻帶把手的玻璃杯實測三種換背景方法,比較產品像素、輪廓和材質的變化。摳圖合成能保留主體像素,但要自行收邊;純文字重繪可能令形狀和材質偏離,多參考圖重繪則較能穩住輪廓,卻未能完全保留半透明質感。要守住哪一層,應先按商品特性選擇換法。

  5. 阿里雲開發者社區 AI54

    作者分享 AI 封面提示詞模板及技能化工作流

    作者分享一套 AI 封面提示詞模板與工作流,按用途、比例、文字、位置、主體、配色及限制條件控制生成畫面。模板建議標題只留 3 至 8 個核心字,縮至手機畫面後需在 3 秒內看清。文章區分封面與正文配圖,建議涉及人物、事實或產品的正文配圖優先採用可核驗的真實素材;所引九百人研究中,紀實照片真實感評分為 4.29,標註為 AI 生成的圖片為 3.02。

  6. 阿里雲開發者社區 AI60

    阿里雲最新 Wan-Image 全解析:模型定位、核心特徵、能力表現、適用場景及計費詳解

    阿里雲 Wan-Image(萬相 2.7 圖像生成與編輯)整合圖像生成與編輯,支援文生圖、文生組圖、圖生組圖、圖像編輯、多圖參考生成及交互式編輯。wan2.7-image 定價為 0.2 元/張,wan2.7-image-pro 為 0.5 元/張,兩者均按成功生成張數計費且不受分辨率影響。

  7. 阿里雲開發者社區 AI32

    ComfyUI 底層 SD 圖生圖實戰:批量生成 AI 漫劇分鏡,8G 顯示卡穩定出圖

    ComfyUI 圖生圖可用於批量生成 AI 漫劇分鏡,透過調整 denoise 重繪幅度並配合 IP‑Adapter,減少連續鏡頭的角色漂移。文章提供面向 8G 顯存的啟動參數、Python API 批量渲染腳本,以及以 FFmpeg 合成影片的指令。搭配原生節點和 ModelUnloader,可降低工作流依賴及顯存累積問題。

  8. 新浪科技53

    蘋果相機及照片業務負責人喬恩·麥考馬克退休

    蘋果負責相機及照片軟件業務的高管喬恩·麥考馬克已於 10 月底退休,結束在蘋果超過八年的職業生涯;公司尚未任命直接接任者,相關職責將由其下屬在其他高管領導下接手。麥考馬克此前負責 iPhone「相機」和「照片」應用,以及拍攝、查看和編輯照片與影片的底層技術。知情人士稱,他反對利用生成式 AI 生成或修改照片,但表示此次退休並非因與蘋果在 AI 戰略上存在分歧或衝突。

  9. Hacker News 熱門(buzzing.cc 中文翻譯)44

    Frontier Design Benchmark 排行榜新現兩款隱形模型,排名均高於《Fable 5.2》

    Frontier Design Benchmark 排行榜新現兩款隱形模型,排名均高於《Fable 5.2》。這項基準以 Contra 市場的真實設計委託作盲測,由 68 位專業設計師進行 4,311 次投票,涵蓋 33 項設計委託。評分量表設有 35 個維度,分數與設計師評分的相關係數為 0.94。

  10. DEV Community29

    AI 卡通濾鏡與短篇照片轉影片效果實際能做到甚麼

    AI 卡通濾鏡會把單張照片轉成靜態插畫,照片轉影片效果則會將單張照片生成短片。目前使用的照片轉影片效果約長四至五秒,較像短暫鏡頭移動或場景變化,並非可製作任意長度影片、設定精確鏡頭路徑或編輯完整時間軸的工具。收費方式各有不同,部分產品按點數或月費、年費計價,也可能不設免費方案。

11月19日週四
  1. 阿里雲開發者社區 AI32

    多模態資訊處理技術落地:AI 識別與內容生成如何提升線上課堂體驗

    多模態 AI 將線上課堂中的語音、圖像與文本統一識別、理解及生成,讓課堂內容可搜尋、重用和互動,減少教與學之間的資訊損耗。工程實作涵蓋語音轉寫、視覺理解、內容切片,以及字幕翻譯、課堂摘要、課件生成和智能答疑;實時字幕採流式處理、摘要採異步處理、問答採同步處理,並按任務選擇模型規格。

  2. 阿里雲開發者社區 AI50

    Stable Diffusion 與 ComfyUI 在雲端的選型與部署:文生圖大模型落地技術分享

    Stable Diffusion 與 ComfyUI 的雲端部署分享聚焦利用阿里雲函數計算(FC)的 Serverless GPU 能力,構建文生圖工作流。WebUI 適合人工調試與少量出圖,ComfyUI 則適合批量生產及工程化整合。部署要點包括分離模型權重與鏡像、鎖定依賴版本,以及以 API 格式 JSON 固化工作流。

  3. 阿里雲開發者社區 AI35

    毛絨萌寵風格圖如何生成?Flux 預置工作流程與內置 LoRA 技術拆解

    阿里雲函數計算結合 Flux 預置工作流程與內置 LoRA,協助穩定生成毛絨萌寵風格 AI 圖像,減少從零配置工作流程的負擔。生成效果取決於材質與光影提示詞、分辨率和採樣步數的平衡,以及 LoRA 模型強度與 CLIP 強度的調節。工作流程可部署於 Serverless GPU,並按請求彈性調度。

  4. 阿里雲開發者社區 AI37

    文生圖成本實測:函數計算部署 ComfyUI,每張圖 0.02–0.2 元是怎樣算出來的

    阿里雲函數計算部署 ComfyUI 的實測顯示,文生圖每張成本約為 0.02–0.2 元,主要由 GPU 耗時與實例按量單價決定,另有少量存儲及流量費用。分辨率、採樣步數、模型載入與冷啟動都會影響耗時;採用低配置批量出草稿、高配置定向精修的兩段式流程,可控制成本。

  5. 阿里雲開發者社區 AI40

    ComfyUI 上雲實踐:基於函數計算一鍵部署文生圖環境與 LoRA 模型配置詳解

    ComfyUI 可透過阿里雲函數計算部署至 Serverless 平台,實現一鍵部署、GPU 彈性擴縮容及按量付費。LoRA 可透過「Load LoRA」節點載入,分別調校模型與 CLIP 強度;單個 LoRA 的強度建議從 0.6~0.8 起步,並可將驗證通過的工作流儲存為 JSON 模板供團隊重用。

  6. IT之家59

    Canva 推出「AI 開關」,可關閉絕大部分 AI 工具

    Canva 推出「AI 開關」,讓免費版及 Pro 版用戶統一開啟或關閉絕大部分 AI 工具。背景移除、魔法抓取等 AI 圖像編輯工具仍會保留;素材庫另設「減少 AI」,可降低搜尋時看到 AI 生成圖片的機會。用戶可在「個人資料」調整這兩項設定,亦可在「設定」的「權限」中管理生成式 AI 功能。

  7. HuggingFace Daily Papers(社區熱門論文)39

    WaveView:新視角就在雜訊之中

    WaveView 將扭曲後的來源影像注入預訓練生成器初始雜訊的相位,以生成新視角,並保留原有架構、只增加極少額外開銷。在 DL3DV 基準的所有重疊區間均勝過基線;最困難區間中,模型在共視區域的 PSNR 比 MetaView 高 0.84 dB,速度快 2.1 倍。以相同雜訊微調 AnyView,令其在 AnyViewBench 的零樣本 PSNR 從 11.58 提升至 12.35 dB。

  8. Engadget62

    Canva 將讓用戶關閉大部分生成式 AI 功能

    Canva 新增兩項設定,讓用戶關閉生成式 AI 功能,或減少圖片庫搜尋結果中出現的 AI 生成圖片。Free 和 Pro 用戶均可使用;停用生成式 AI 後,Background Remover、Magic Grab 等非生成式編輯工具仍會保留。圖片庫設定只會降低 Canva AI 生成圖片出現在搜尋結果中的機會,並非完全屏蔽。

  9. 新浪科技42

    13隻雞蛋難倒多款 AI 大模型,專家解釋集體失手原因

    多款主流 AI 文生圖模型在生成13隻雞蛋時反覆出錯,豆包、元寶、千問等工具也被發現有類似的計數問題。專家指出,AI 生圖依靠學習圖片的紋理和佈局特徵生成圖案,並沒有精準計數模組,因此難以控制畫面中物件的確切數量。這是現階段模型的固有限制,並非功能故障或 bug。

  10. 阿里雲開發者社區 AI27

    貼圖和文章配圖少用或不用 AI 圖片

    作者建議貼圖和文章配圖少用或不用 AI 圖片,如需使用,比例不超過30%,封面則不受此限。大量使用 AI 圖片容易造成低質素同質化,亦可能削弱貼圖的真實性;人物或動物圖像亦容易引發真實性驗證。貼圖宜用3-5張具補充或連貫性的圖片,文字約200字,話題標籤建議不超過5個,並檢查圖片文字、標題及內容。

  11. HuggingFace Daily Papers(社區熱門論文)32

    UltraTex:對齊物理知識以生成高保真 PBR 紋理

    UltraTex 提出級聯多視角框架,結合物理知識與視覺語言模型特徵,從單張參考圖像為 3D 網格生成符合物理特性的 PBR 紋理貼圖。框架先聯合預測反照率與世界空間着色法線,再根據生成的反照率、參考圖像及材質語義先驗預測金屬度與粗糙度貼圖。實驗顯示,UltraTex 在視覺保真度、材質準確度及物理合理性方面勝過現有開源和商業方法。

  12. HuggingFace Daily Papers(社區熱門論文)45

    Jeveration:System One 模型現可生成圖像

    Jeveration 將凍結的視覺語言模型改作生成模型,讓 System One 模型以單次前向傳播生成連貫圖像,並支援圖像轉圖像及密集預測。模型生成 512x512 圖像需時 78 ms,速度最高比現有統一模型快 122x。實驗顯示,其圖像質素及密集預測效能具競爭力。

  13. 阿里雲開發者社區 AI49

    沒有顯卡也能玩 AI 繪畫:PAI-EAS 部署 Stable Diffusion WebUI 方案

    阿里雲 PAI-EAS 提供 Stable Diffusion WebUI 雲端託管方案,讓用戶無需本地顯卡即可部署 AI 繪畫服務。方案支援單機版、集羣版和 API 版,單機版最快 5 分鐘部署;PAI-Blade 可令圖片生成速度提升 2–3 倍。最低規格運行不超過 40 分鐘,預計費用不超過 15 元。