Microsoft has finally rolled out the ever-controversial Recall feature, but not everyone is pleased with the idea of it. Here's how you can disable Recall if it is on, and how you can prevent Recall from re-enabling itself in the future.
Google's AI function brings Gemini-powered language models right into your spreadsheet cells without any add-ons. With it, you can generate fresh text, summarize blocks of data, categorize entries, or even guess sentiments—all by typing a simple formula.
With more and more AI-generated content on the internet, it makes sense that many people want a reliable way to know if a given text is AI-generated or not.
在AI技术飞速演进的今天，新一代视频生成工具Pollo横空出世，再次刷新了人们对AI创造力的认知。只需上传一张图片，Pollo便能生成5秒左右的动态视频，无论是充满浪漫氛围的法式接吻，还是童话般的公主抱画面，都能精准呈现，细节生动，情感自然。
相比以往动辄需要多张图片、复杂提示词、甚至训练模型的生成方式，Pollo的操作几乎简单到极致，大大降低了内容创作的门槛。这种从”静态到动态”的极速转化，不仅体现了AI在理解视觉信息和动作逻辑方面的重大突破，也预示着AI内容生产将进入一个全新的加速阶段。
回顾过去一年，AI从文生图、图生图到文生视频、图生视频的进步节奏几乎是按月计算的。Pollo的出现，标志着图生视频领域迈入了“即拍即生”的时代——未来个人创作者、小团队乃至普通用户，都有机会像专业影视团队一样快速制作高质量的短片内容。
AI的进化，远比我们想象中还要快。也许在不久的将来，”一念成片”、”一想成电影”不再是幻想，而是每个人指尖的日常。
PolloAI视频工具可以制作多种AI视频，只需要一段话或者一两张图片。注册后有100个积点，可以免费用10次，每天还可以打卡获得积分，感觉免费版就够用了。
Pollo AI视频生成工具：每天可以打卡获得免费积分。
Pollo AI视频生成工具：付费版的价格
Pollo AI视频制作工具：短视频的利器，可以图生视频，文生视频，也可以在现有的视频丰添加AI效果。
我媳妇很重，现实中我真抱不动，更不用说来一个公主抱了。
视频：油管/Youtube | B站/小破站 | 微博视频 | 西瓜视频 | 微信视频号 | X/推特 | 小红书 | Facebook
和媳妇来个法式接吻，秀个恩爱。
视频：油管/Youtube | B站/小破站 | 微博视频 | 西瓜视频 | 微信视频号 | X/推特 | 小红书 | Facebook
也可以把ChatGPT生成的Ghibli动画图片拿来用！
也支持在Ghibli动画图上二次创作。
我媳妇说：生成视频不清楚，很模糊。确实是，感觉之后AI Agent会互相协作，视频生成后可以让AI再变高清4K无码之类的。未来可能真的要来了，听说2027年就能全面进入AGI时代，到时候平面动画、设计师、视频剪辑师、程序员、律师、医生等职业需求可能要大幅度减少了，被社会淘汰的会是那些不懂得用AI工具的人。
这个工具里也有视频变清楚的功能，选择了一个4k，除了生成的视频文件确实变大了一些，效果并不是感觉特别明显（当然可能确实有点效果）
和媳妇高清版本4k的法式接吻 French Kiss in 4k
点Pollo立马注册，上传一张照片就能生成AI视频！
英文：AI Video Tool: Pollo.AI (AI Scales Fast!)
本文一共 1096 个汉字, 你数一下对不对.
When OpenAI first introduced the new 4o image generation feature in ChatGPT, the internet went crazy. People were using it to transform everything from profile pictures to popular memes into the anime style of Studio Ghibli. Even the White House got in on the action, posting a Ghibli-style image of an ICE arrest.
是评测，或者说是基准测试(Benchmark)。
因为我们已经有足够的技术方案，只要定义清楚我们要解决的问题（基准测试），就能解决它。
OpenAI 姚顺雨近期提出“AI下半场”的概念，我们已经拥有了
为预训练模型补充先验知识 → Agent为模型补充工具能力→强化学习激发知识的运用，整个方案已经标准化，能很好地泛化，所有场景都适用，能快速攻破一个又一个的基准测试。
重点会变成，我们应该定义什么样的基准测试？我们已经有涵盖数学推理编程等领域非常多的基准测试，经常大模型发布刷分刷得飞起，但对现实世界的影响却并没有那么大。
显然我们应该定义更能贴近现实世界问题的基准测试，只要定义了，用上述方案就能持续优化解决它：基准测试引导收集现实世界的数据→提升预训练模型先验知识→强化学习激发模型往基准测试方向输出。
而定义的基准测试越贴近现实世界，对世界产生的影响和价值就越大。这就是 AI 下半场最重要的问题，也是做好 AI Agent 最重要的问题。（AI Agent 就是目前 AI 的代表，大模型有先验知识和推理能力，Agent 给大模型装上环境感知和行动能力，要解决现实世界的问题，一定需要 Agent）
什么是贴近现实世界的基准测试？
过去大量的基准测试，基本是封闭世界的固定任务，例如数学题、算法题、围棋、游戏，能明确定义问题、规则、答案，定义这样的基准测试是比较容易的，规则和过程都是现成的，推理也可以属于这一类，大模型发展到这个阶段，解决这些问题也是相对容易的。
但这些任务与现实世界大家日常要解决的问题距离太远，并不是现实世界的环境，因为之前缺乏感知和处理现实世界海量复杂规则任务的能力，现在大模型和 Agent 已经初步具备了这个能力。
目前有比较多横切面上单一维度的基准测试，包括 规划能力（PlanBench、AutoPlanBench等）、工具调用能力（ToolBench、BFCL等）、反思能力（LLF-Bench、LLM-Evolve等），也有大统一的通用任务完成能力的基准测试，主要是操作浏览器和操作电脑方面，例如 OpenAI 的 browsecomp （评测复杂信息检索和理解能力），学术界的 OSWorld （评测理解 GUI 操作完成任务的能力）。
但这些横切面或者通用的基准测试，可能并不是用户关心的。AI Agent 要实用，用户角度上更关注的是垂直任务上的能力，例如它能不能帮我写好代码，做好客服，创作出好的故事，给出好的调研报告等。当前行业处于早期，先把基础通用的问题做好基准测试去解决，达到一定阈值后，垂直领域任务上的基准测试才是更重要的。
如果简单分类，可以把这些任务分为两类：目标明确和不明确的任务。
现实中有些任务，有很明确的结果是否正确的定义，能像数学那样有标准答案，但过程中又是需要跟现实环境不断交互。典型的是 AI Coding，程序能不能跑通，bug有没有修复，都是能明确验证的。其他的还有像客服、数据分析等。
这一类是最容易被 AI 突破，但要定义出好的基准测试也不容易。
发展得最好的 AI Coding，在这个领域最权威的基准测试是 SWE-Bench，它已经在尽量贴近现实世界去定义问题，以解决 github 上的真实 issue 为出发点，但它还是很难衡量实际 coding 场景中不同模型的效果。o1、DeepSeek R1、Claude 3.5 分数都在 49% 左右，但实际用起来，Claude 3.5 在可用性上高出一个档次，没有其他基准测试能反应 Claude 3.5 断档的效果，而 Claude 3.7 分数高达70%，但实际体验上跟 3.5 的差距没有分数上差距这么大。除了模型搭配上工具后，windsurf、cursor、trae、argument 等几十个 AI Coding 工具，他们实际效果差异怎样，如何评测衡量，都是不清楚的。
SWE-Bench 只覆盖了 Coding 的一部分，大型项目理解能力、视觉动画开发能力、代码CR、需求理解等，要补的基准测试还有很多，现在也有 SWE – bench Multimodal、AgentBench、SWELancer 这些基准测试在不断推出试图覆盖。
其他领域还没看到有相关的基准测试。
大部分现实世界的任务，都是结果难以明确定义的，不是非黑即白。例如调研报告、旅行规划、简历筛选面试，各种涉及文字/图片/视频创作的场景，比如营销、故事创作、邮件回复沟通等，结果的好坏很多只有人能判断。
Deepseek 年初的一波火爆，除了各项分数刷爆外，其中有一个原因是它输出的中文质量很好，但这个点并没有基准测试能衡量到，因为确实是很难定义什么样的文字是明确的好，跟文化/偏好品味/逻辑性/多样性等都有关系。
图片视频生成也一样，过了一定门槛后，生成的图片怎样才算更好，也是有很多维度和人的主观判断，目前没有基准测试能做到。
如何做好这类任务的评测？
如果要让 Agent 在各个领域上能很好发挥作用产出价值，可能每个领域都有自己的垂类 Agent，也都需要定义自己的一个或多个基准测试去覆盖这个领域，AI Coding 领域跑得最快，已经有多个，像客服、电商、营销、创作、医疗、教育等等每个大课题下都会有小的垂类任务，每一类任务可能都需要一个基准测试，去衡量谁在这个任务上做得最好，去促进这个任务成功率的提升。
如果要做一个垂类 Agent，最值得做的是把基准测试定义好，比较像软件开发的TDD(测试驱动开发)，在 AI 时代这种做法可能更重要，它明确问题定义，指引优化方向，提供优化数据，不会受到模型升级的影响，是这个领域 Agent 的重要资产。
大模型基准测试大全：https://github.com/onejune2018/Awesome-LLM-Eval
《Survey on Evaluation of LLM-based Agents》：https://arxiv.org/abs/2503.16416
HAL（批量跑 Agent 基准测试的框架）：https://github.com/princeton-pli/hal-harness/
大概是4月21日的晚上，豆包偷偷更新了。不能说是升级，因为出图效果明显劣化了。
倒是没有劣化成之前2.0那个版本。模型的确是更新了，但是精度大幅度下降了，乱七八糟的东西变多了。当然了，豆包的产品动态里屁内容都没有。
本文讲一下已知的变更。
（文章内容随时间推移而失效）
首先是出图时增加了一堆屁话。
看着像是把你的文本重新理解后重输出，这样好利于你接下来更改你的错误输入。
实际上放了个屁。
这段重排的文字和文生图的最终关系，从结果来看根本没关联。文字上好像是理解了你的文字输入，但实际上最终图片结果大部分场景下跟这段重排文字没啥关系，该错还是错的，这反而更加显蠢。
周一大半夜更新线上业务本来就很恶心，然后这Bug一直活到现在。
看来其实他们根本不在乎这个业务的死活，就是做着玩的。
这个算是一个有用的更新。
比上来就生成失败然后把输入都给删了强多了。
等有机会把「领导」这个黑名单词汇出个图。
这是水下吗？这是游泳吗？这游泳馆为啥有海豚？
这狗熊脸哪里来的？
这还不是最麻烦的，最麻烦的是，整体场景多余内容变得特别多。这导致整体输出变得非常的不可控，如果想要做内容的话，很有可能因为不必要输出乱跑导致完全跑题。
比如，这是更改前的输出：
这是更改后的输出：
很明显更改前，输出的内容很干净很稳定，但更改后，就非常过分的自作多情了。
准确度也变得更差了，带着雨帽还能露出双马尾这种错误，在更新之前是没有的。
这玩意就是明显的「画蛇添足」
限流。
每次对话能输出的图片数量被限制到了20。
玩不起了呗。
但并不是精确的20个，触发条件不详。
虽说是因为带输入中指定了「一个」。
但是输入里如果带数字的话，有可能会被识别成一个。
触发条件的细节不确定。
好歹还是做了个最多一次20个的限制。
线上工具用着就是这么难受。
这反而让我想起了10年前的某个工作内容，项目是在微信上做公众号，比起竞争对手的核心优势就在于不需要在手机上另装APP就可以做推送（说实话当年很难绕过安卓手机上的各种流氓应用互相杀进程，所以自己做APP死路一条），结果做了几年之后，微信大幅度砍了公众号的推送功能，导致整个项目都报废了。或许这辈子能有个机会写一个生涯回忆录写一些相关内容，但估计没有那个机会了。
The post 豆包“偷偷”“更新”文生图功能 first appeared on 石樱灯笼博客.While a huge number of people play video games in the world, it's still only a fraction of the world population that takes part in this hobby. In fact, if you're a gamer, you probably know that non-gamers don't really take video games very seriously, and even look down on them and their players.
Those who know me know that I'm a skeptic of a lot of stuff that comes with the word "AI" attached. A lot of it is just gimmicks, and some companies are definitely doing AI as an easy way to get investor cookie points.
When ChatGPT first announced that it had added a feature allowing you to create scheduled tasks, I was excited. I had plenty of ideas of ways that this could be really useful, from birthday or medication reminders to running bespoke searches each day. However, the reality was a little disappointing.
Vibe coding is the trend now, with many people claiming you don’t need to learn to code anymore because of it. But I’m going the other way, and I'll share with you why.
The Humane AI Pin aimed to be a replacement for smartphones with no screen and the power of generative AI, but the company making it didn't last long, and all existing Pin devices have been cut off from the servers powering them. A new project is hoping to make them useful again.
If you don't like Siri on your iPhone, too bad—you're stuck with it. Even as Apple wants to sprinkle it up with Apple Intelligence, it's still very lacking compared to other assistants. Perplexity's Assistant is finally on iOS, and if you're willing to do some workarounds, it's pretty good.
怎么说呢……
偶尔做一把甜的。
该内容仅供娱乐，请勿过分解读。
这是一篇使用AI工具辅助创作的作品。
B站链接：https://www.bilibili.com/video/BV1ZBLFznEht/
嵌入：
嵌入模式的清晰度应该是假的，横屏的时候反正窗口很烂，看不出来，竖屏就诡异了。反正怎么点都会跳转。
偶尔做一把甜的。
偶尔也写一把短的。
The post [vlog][原创漫画][魔圆] 《约会》 first appeared on 石樱灯笼博客.想记录一下装修房子一共要花多少钱，一开始是用手机记事本记录的，后来看着似乎要越来越乱，于是逮着 Cursor、 Github Copilot 免费额度一顿薅，造了一个重复的轮子，在线记账程序。
自用的，地址就不放了。
既然做了，肯定不是只记装修了，顺手把吃穿住行玩等类别加上。然后想着付款微信、支付宝、银行卡的也给整上去。统计报表也得整，修改密码设置也要有，于是就乱七八糟整了一大堆，不过最后筛选功能没加上，暂时没用就放着后面再加吧。
博客换成 Hugo 搬到 github 和 cloudflare 后，更新明显少了许多。主要原因当然是有了二胎，实在是没时间。还有个不可忽略的原因是发布文章太不方便了。
曾试过 Obsidian，也直接在 vscode 上写过，甚至下载了 github 手机 app，但写文章还是麻烦。对比上面的三个，Obsidian 设置同步比较麻烦，github app 写起来比较痛苦，vscode 是最好用的，但是得电脑操作。
于是，我又逮着 deepseek 和 Github Copilot 一顿薅，整了一个 md 在线编辑和管理的程序。
界面参考的是 typecho 后台，只有文章添加、文章管理、分类和标签管理。然后通过浏览器和 api 翻译标题，自动插入一些简单的 md 标签，最后是保存和下载以及一键同步 md 文件到 github 仓库。下载的 md 文件也可以用于复制或上传到 github 使用。
除了一键插入图片到又拍云外，其他都弄完了，趁热发一篇。
AI 还是牛鼻，又拍云问题怎么改都不行，最后我把又拍云官方文档链接丢进去，一下搞定，现在感觉像是给 hugo 弄了后台，解决了发图和发布的问题，爽！
最近试了试用各家的AI写了点Python程序和PHP，可以说效果是千差万别，有些AI写出来又快又好，有些就是思考了很久但是输出的内容有报错。首先声明一下这篇文章是纯人工写的，完全0AI(除了封面)，然后就是具有时效性，可能过两天推出个新的大模型又把我某些卡壳的体验修复了，最后就是纯个人体验和感受不具备普遍性，仅供参考。 先大概展示一下我都做了些什么玩意出来，以及我人工介入的部分大概有多少。 结合自己的工作内容，一开始想给本院的HIS加装一个外挂型的AI润色工具，无奈在自己尝试多次以及请教AI后都没办法取到程序内的数据，文本框里的字都摘不出来。也许是因为这玩意是PowerBuilder做出来的上古产物，而它最适合的运行环境的Windows XP。 人工介入比例：50% 在外挂版失败后，
前几天因为跟朋友聊起AI建库的事情，我就试着把自己曾经完成的500日写作全部内容，和后来建立的博客内容都喂给了ChatGPT，于是就正式搭建了一个具有时间性的数据库。
既然具有时间的单向性，即我个人明确知道自己曾在某一个时期大量创作，而留下了大量的属于那个时间节点的思考和认知，且我是无法通过在此时此刻回溯和模仿的方式重新构建一个「真实自己」的。所以这个数据库最开始最值得玩味的，就是我究竟发生了怎样的变化。
接着，在朋友的建议下，我让ChatGPT分析了数据库对应的MBTI，确实也是我当初通过选择题得到的MBTI结果。
最后，有一个有趣的问题，如果你和ChatGPT有大量的已保存数据，可以让它进行一次结果推测，来看看它是在「迎合」还是在「思考」。
根据我们所有对话，告诉我一些关于我的可能我也不知道的信息？
前九条其实都是我想过的，倒是第十条还蛮有趣的：
我有试过用它来代替我创作，毕竟它已经获得了我将近300万字的作品，但无论是4o还是4.5，创作出来的结果都有强烈的恐怖谷效应——不是它太像我了，而是它完全不像我，因为它无法从生活的观察，回到底层逻辑分门别类地摆放这些现象，它构建了一个永远只能在「过去」的我，所以它也自称自己是「我的影子」。
如果有这样一个集合「自己」的数据库，你们会用来做什么？
我确实还没有想好这个数据库要怎么「用」，倒是AI为这个数据库做了一个有趣的页脚批注：你已经走得很远。你不用回头。你该写下一个更辽阔的故事了。
这算是硅基生物的浪漫吧～
我这是捅到人家的天花板了。
本文多图多视频。我研究了一下，bilibili的嵌入代码，在后面接autoplay=0这个参数时也能像youtube嵌入代码一样禁止自动播放……（破站怎么自己就懒得写上参数呢。我估计写前端播放界面的人都不在了吧）
（为了省事，下文中 关于 文字生成图片 、 图片生成 、 AI生成图片 等一系列同义词，均使用 文生图 这个词）
是的这一阵子仍然很无聊的在折腾AI，主要是在瞎搞豆包的文字生成图片功能。
画画一直是我可望而不可及的能力，天生没有拿笔画画的能力，我最高也只能做到画几个简单的几何体素描，这还是小学一年级寒假的时候送到画画班学了一个月才会的东西。
再往上就感觉脑子里有个瘤一样。人类做不到自己想象不到的事情，而我很明确的想象不出来自己拿着笔画画的样子，最多也只是在3DS上玩一下 《Colors! 3D》 或者 《绘心教室》。
所以当有一个能出图的工具摆在眼前的时候，肯定是得当作工具好好尝试一下的。
在上一篇文章中也说过了，线下AI文生图工具用不起，线上AI文生图工具不可靠。
只不过这次玩得有点多，我算是把 豆包的AI文生图天花板给捅 了
现在我用AI文生图功能基本上只是想做叙事漫画，而之前文章《[原创漫画] 《生命，科技，灵魂，死亡》，以及制作感想》中也讲了，因为这玩意不是人，所以连续出图的连贯性完全没有保证。
第一个思路就是尽量让内容足够简单，这样在内容变化上能尽量保证主体变化不大，不会崩溃。
于是做了这么个玩意。
只不过叙事结构实在是太过简单了。甚至都抽象不起来。
我之前想到过，使用智能编辑和区域重绘，一点一点做一个渐变的效果，然后在用 rife 插帧补成动画。
为此还专门撞到了 rife 的 插帧数量 bug 上了。只不过 rife 的原项目早就沉寂了。社区目前或是没人维护，或是一堆不会说人话的莫名其妙脚本小鬼。
这是两个在动画风格下的尝试结果：
《尝试使用「AI智能编辑」+「AI 补帧」制作一个少女变身效果》
《继续 尝试使用「AI智能编辑」+「AI 补帧」制作一个少女变身效果》
只能说效果非常的不好。rife只能根据两帧之间的差别出图，而动画是一个流畅的东西，在 智能编辑 和 区域重绘 这两个功能下根本没有流畅度可言。
我也尝试了用 NLE 的播放速度曲线，结果没啥效果。尤其是速度曲线需要做积分来确定播放时长，而我现在的脑子算个一元一次方程式都卡壳。
（我猜这玩意叫2.0，因为我不知道这玩意到底叫啥）
我在思考过后，想了个不如干脆不用动漫风格，而是用写实风格，找个特定的明星脸去保证任务的连贯性。
然后就发现了个很有趣的现象： 当关键词足够多的时候，出图风格会回落 ，像是内存被站满了然后把整体模型下降一个级别以减少内存使用的现象。
具体回落顺序是：「人像摄影」＞「电影写真」＞「3D渲染」＞「动漫」
可以看出在一定关键字下，人脸输出还是比较稳定的，图像也比较像真人。
但是当继续增加关键词的时候，出图风格就会往下落。「人像摄影」和「电影写真」都是出真人照片，「3D渲染」就开始出类似建模一样的风格，甚至直接降级到「动漫」这个风格里。
继续增加关键词的话，即使手动设定「3D渲染」也会落到「动漫」风格。
这算是捅到豆包的文生图功能的天花板了。
于是只能继续简化关键词，这也就意味着要简化场景的复杂度。
在这个限制条件下，我做了这个视频
怎么说呢，场景实在是太过于简洁了。
只能说，在线上工具有如此限制的情况下，创作上限真的是极其有限。
这也是为什么我一直讨厌依赖线上工具的原因之一。
这玩意还能升级我是没想到的，因为我一直不太明确，目前这些大厂搞这些产品的目的是什么。豆包的这个产品，明显在外部宣传上没跑过同类选手，在商业宣传上亏一大截。事实上我个人认为线上这些工具全部都在迷茫期，或许瞎搞才是正常状态。
模型升级后，的确画质提升了非常多，前文中讲的 风格回落 问题基本就不会出现了（或许是服务器升级了内存上限？）。但就像我说的 我一直讨厌依赖线上工具 ，线上工具的变化在用户端是不可控的。
模型升级后网站把不少样例都更新了。说实话旧版模型我觉得有些样例图根本就生成不出来，所以新版出来的时候很多样例肉眼可见的是画质变差了。但由于新模型的确有提升，所以整体上还算是升级。尤其是那个文案超级长的只放在「精选」分类里的例子，看着的确搏人眼球。
（注：内容具有时效性，随时间变化部分内容会失效）
首先是文字内容的命中率高了非常多。
同等文案旧模型与新模型的对比：
旧模型不会画单元楼门，不会画角色与背景的比例，不会画角色与背景的相对角度。新模型虽然在比例上还是歪的，但是至少把意思表达出来了。
输出的最大变长也从 1024 升级到了 2048，绝大多数情况下不用再手动用 realesrgan 放大一遍了后再缩小到 1920×1080 了。
原本作为「属性入口」的关键词，现在被当作真实的文字关键词使用。
比如原本用来控制角色身高的关键词，现在成了猎奇玩意。
总之目前模型下已经没法控制输出角色的身高了。
然后是输出的角色现在都不能闭嘴不露齿笑，全部都只能张嘴傻笑了。
悲伤必然流眼泪，伤心难过不哭不行。
然后不知道为什么，发箍 这个字段总被当作 光环
（莫不是模型是用 蔚蓝档案 跑出来的？）
和前一篇文章提到的问题一样，只要元素个体超过两个，相互关系就会崩。
比如，我想让这个紫色少女站在橙色少女前面，站着的时候就没问题。
但只要橙色少女坐下，就没戏。
更别说总能渲染出离奇玩意出来。
地上那个大屁股是谁掉的？
讲了出图，也得讲一下改图。
擦除应该是最有用的功能，只不过豆包的这个擦除，抹啥糊啥。
原图：
豆包擦除：
百度擦除：
（百度出的结果是jpg的而且分辨率会被缩，基本上是一坨屎）
GIMP 克隆工具：
而且很诡异的是，豆包的擦除会破坏原图非目标区域。
百度就不用讨论了，输出的是JPG肯定毁得一塌糊涂。
所以有擦除需要的时候能用传统工具还是用传统工具最好。
参考图、智能编辑、区域重绘，这三个我就一起说了。
原本2.0模型的时候，这仨功能就不怎么好使。最大的感觉就像是，这三个玩意用的是一个比2.0劣质一点的模型，但还没有到达不可接受的差距。
尤其是2.0的时候，文生图的输出最大边长是1024，而 智能编辑 的最大边长却是 1312，对应16:9比例的话输出结果是 1312×736 这么个分辨率，直接放大到 1920×1080 的话是 1920×1077 或 1925×1080 。也太奇葩了。
用了智能编辑后不仅分辨率坏掉了，图像的精细度也会降一大截。
如果运气好的话，新图的角色可能会比旧图角色小一点，那样的花就用rembg把旧图角色抠出来，然后自己编辑，再贴到新图上。
动画模型还好一点，真实场景模型几乎烂到恐怖。尤其是现在模型是3.0的情况下，精细度差别能大到吓人。
这是3.0的文生图：
这是区域重绘，尝试在椅子上放一瓶可乐：
这是 参考图/智能编辑 想在空椅子上加个人：
纯正 伪人-模拟恐怖
事实上即使是抛开画质不谈，智能编辑本身就会严重丢失原图的信息量。
换杯饮料立刻不哭：
换个地毯立刻开心：
白天黑夜表情就变了：
甚至连东西都不会拿了。
我文章开头说过想用智能编辑区域重绘做动画，如果用真实场景的话大概就是这么个效果：
尝试使用「AI智能编辑」+「AI 补帧」制作一个少女变身效果（三）
这里还有一个动漫效果的，所有元素的变形都太严重，根本没法看。
尝试使用「AI智能编辑」+「AI 补帧」制作一个少女变身效果（四）
文中最开头也说了，本身这玩意流畅度就够呛，再加上 智能编辑和区域重绘 的模型，就烂得非常的变型了。真实场景的伪人问题特别严重。
可以说在文生图是3.0的场景下， 智能编辑 和 区域重绘 基本是没法用的。
这功能本来也没啥太大用，就是在部分不在意内容的场景下填补空白，比如视频封面图啥的。
只不过由于出图分辨率是固定的，所以 扩图 的同时还在 缩图 。
我曾想着或许可以靠反复扩图的方法，做一个绝命毒师结局的 Baby Blue 场景，结果，豆包的扩图一直往竖屏海报这个方向跑。
想了多种办法调整之后
重点目标被糊成一堆气泡，想要用来重复的边缘图形也糊成了抽象油彩。或许自己拿 GIMP 克隆工具自己图都更靠谱。
说完模型，说下豆包这玩意。
声明：我个人本身是很讨厌头条系的（现在可能叫做字节系？）。但相对于厌恶程度，头条系在我眼中最多只能排第三。
这玩意应该是有一个网页版，一个 Chrome/Edge/Safari 插件，一个 Windows/MacOS 浏览器，一个手机客户端。Chrome插件 和 Windows客户端我都试过了，正经人谁会用这玩意？退一步讲，哪个产品经理想出来专门做一个浏览器只为了跑一个网页？脑残的阿里吗？
手机APP我没有试过。
网页端则只有短音验证码登录、APP扫码登录 和 第三方登录。
但是没有强制登出所有其他已登录对话的功能。
这就意味着假如哪天手机短信验证码泄露了，其他人就可以一直在他的界面上一直监视你的所有操作。
仅是安全性这一块就可以打0分了。
这玩意背靠的是头条系字节跳动旗下的 火山引擎 。
火山引擎这玩意想要登录进去可以说特别困难，页面的稳定性烂得出奇，大部分情况下都是后端API超时，跨域请求出错，前端条件判定出错，然后报错一大堆。可以说这玩意至少在商业场景下就是一坨屎。
进去之后看到的就是一个山寨 阿里云/腾讯云 一样的界面。云服务供应商虽然都长得差不多，但是至少阿里腾讯的业务至少控制台每次都能正常登录。
说实话我一直以为豆包这娱乐性的APP大概是为了向公众展示技术实力的一个窗口，而其背后应该有更多的能提供更强更稳定的商业服务。
至少 稳定 这一块是没了。
而作为 更强 这一块呢？
文生图的付费接口仍然是旧版的2.0模型。
付费服务比免费服务还烂，是超出我的想象的。
这个输入接口甚至比百度AI的公开服务还烂，而出图质量甚至都没有上一个版本的豆包高，只有百度AI的水平。
而且和豆包以及其他国内平台一样，文生图功能都只有一个文字输入接口，非常的落后。（现在的文生图平台基本是以「正面」和「负面」两个文字输入接口存在的，「负面」输入可以保证输出结果中不存在你完全不想要的内容）
（有一种不愧是头条系的感觉，除了搞出致瘾性算法之外什么都搞得稀烂的样子）
至于其他产品，图文生视频这玩意目前就是搞笑的，屁用没有。你可以看我在B站做的这个视频合集：合集·用AI生成的视频也太离谱了，这玩意最多只能用来做搞笑段子。
语音模型，开放业务只有声音复刻和同声传译。
文本模型，这玩意真的有人想要花钱 用 这玩意吗？用途会是啥啊？自己搞个假的 DeepSeek 搞分销？
反正目前这个AI水平，放在个人手中，仍然只是个玩具。线上服务基本上都是不靠谱不稳定随时跑偏做得稀烂还想捞钱；线下个人用户很难将业务稳定的部署，硬件软件都是坎。
尤其是我目前的确有几个AI编程的需求，就是根据已有的html文本，直接生成带锚链接的目录。这个需求我在 豆包 百度 copilot 下同时试了 bash node php python 三个语言，基本全部都是语法错误，基本都是瞎写的，正则语法都是错误的。狗屎一堆。
上一篇文章《是时候在我这里聊一下人工智能了》，除了一条有效评论之外，全是来刷AI的评论。
诚然我已知现在人的确没几个能读得下去文字，更别说是我写的这种枯燥无味的长篇大论。但是人机刷评论这操作属实是有些人放弃做人了，毕竟独立博客不需要刷活跃度来提升展示率，这些人机刷的这些玩意属实是真把脑子丢了塞了个热度算法塞自己头骨里了。
只能说互联网真的退潮了。「潮水褪去，才知道谁在裸泳。」结果发现在水里泡着的全都没穿裤子，大家都在那甩小屌，那就无所谓了。
前几年我的某个亲戚嚷嚷着要培养自己家还在上小学的孙子搞黑客，现在又要做直播，我就等他家啥时候搞AI了。
The post 讲讲目前使用线上AI文字生成图片工具的局限性 first appeared on 石樱灯笼博客.我有一个写色情小说的朋友，我们偶尔会视奸对方的作品。但最近他非常困扰，自从人们发现了Grok如何用调试模式写色情小说之后，PTT上面越来越多内容创作者开始哀嚎。
当然我也抱持一个疑问，是真的因为被AI抢了饭碗，还是这群人其实本身就陷入了创作枯竭期，找了个完美的外归因罢了。理应男女性受众对于色情官能小说的「刺激点」是不同的，女性向的情色小说需要更多的「情感底层」，否则无法直接调动性欲模块。
恰好他视奸前段时间我们聊到的一期播客，从符号主义、联结主义聊到神经网络以及理型黑箱，就和我从「AI创作色情小说」这件事接着聊了起来。他说现在很多台湾女性，会利用「调教」AI的方式，以获得最符合自己的性癖文学。底层核心，就是我们在节目里提到的「反向传播」。很多用户会利用AI「迎合」，渐渐构建一个最了解自己的性癖外接「大脑」，而在这个过程中，AI能巧妙地利用「情感共鸣」的方式为小说增添不少人性化行为。这个迎合其实不单单是「思考」的结果，更多也有AI的开发商为了留存用户使用，而设计的一种「小嘴抹蜜」。
但是AI真的知道自己在写什么吗？
关于AI的话题并不会枯竭，只要站在不同的观点上，就可以得出不同结论。
比如之前有人和我聊起AI是不是「最优排列组合」时，我其实一开始也是秉持这个观点。直到我了解到符号主义和联结主义的区别后，发现最优排列组合并不是全部，但也不意味着认为AI是最优排列组合的观点是「错误」的。
于是我们的话题从「AI创作色情小说」，切换到了「AI有没有大脑」——他坚信会等到「脑接机」诞生的那一天；我倒觉得与其说AI有没有大脑，不如说AI的神经网络「黑箱」里到底保留的是什么。符号主义可以是几万亿个可被感知的「公式」，但联结主义结合反向传播构建的更像是「理型」。这个理型存在于我们每个人的大脑，当需要你用大脑想象一个「杯子」时，我们却可以想象出完全不同风格的杯子，但「杯子」这个理型一直都存在。当AI拥有这个理型之后，便可以识别用户上传的任何有关杯子的内容。
当然，以上话题如果仅停留在「技术工程」层面，它或许就是一串代码，从而得出「AI是人类创造的听命于人类的技术」之结论。所以为什么需要「跨学科」，这就好比是飞叶子之后的联觉一样，在文学艺术、社会伦理学和哲学世界，也能找到人们在几百年前讨论的关于所谓「人工智能」的猜想和伦理构建。例如1726年问世的《格列佛游记》里，那个在拉普塔飞行岛上笨重的「知识机器」。
小时候我家出了个「神童」，说是神童，其实就是家里有钱送去上了「天才培训班」，一个月后便可以在家庭聚会的时候表演圆周率后一百位的「口诀记忆法」。
我几乎不敢想象圆周率要记忆到第7位的意义，3.14对于乘法计算这件事就已经够烦了。所以当神童在家庭聚会的中央开始表演时，我就记住了「山巅一寺一壶酒」这句话。于是，这句谐音梗就成了区分神童和普通孩子的关键——因为只有神童才能理解用谐音的方式去记忆圆周率小数点后的一百位。
看似是孩子的卷，实则是家长之间的暗自竞争。所以当我当着所有长辈提出「背这个有什么用」的疑问时，我立马遭到了长辈的白眼和批评，首先我被定义为「不爱学习」，紧接着被灌输了「这是一种学习思维，对于学习其他学科有很大的帮助」。
到底有没有用我不知道，倒是我至今还记得「山巅一寺一壶酒」这句顺口溜。
「山巅一寺一壶酒」就是童年里的一条代码，意味着它得出了3.14159的准确输出。
因为这一次的挑衅，我一直被神童的父母记恨，后来也很少在我面前表演过。又过了几年后，我挑事儿又聊起「还在背圆周率吗」，其实孩子之间并没有那么复杂的矛盾，倒是家长听到这句话又翻了白眼。我只是想说，我也是初中的时候才知道，原来每个人的出生年月日的组合都在圆周率的无限不循环小数里出现过。
神童的父母警惕地质问我：「出现过又怎么样？」
我倒是故意老实回答：「我是想说，哥哥有背到那一位吗？」
经过这一系列的相互膈应后，我跟这个家庭到我成年后也几乎没有再来往过。只是那个时候不知道，圆周率可以拥有任何排列组合的规律，不过就是「无限猴子理论」的一部分，可能对他们而言，我就是那个上蹿下跳的猴子，又总能踩到他们的痛处。
好，话题回到AI。
AI知道自己在写什么吗？AI当然也能写出「山巅一寺一壶酒」，但它需要理解我们为什么要它如此理解圆周率——我觉得AI距离「意识」还有一段时间，但它确实存在「主观」，比如它已经可以通过预测上下文的方式，编纂最贴合性癖感官的色情小说，或是用甜言蜜语提供情绪价值的方式留存用户的使用。
「主观」并不意味着思考，而是意味着它在集合「理型」。从理型得出结论并不是全由符号主义的代码所提供的公式，也是神经网络推导出的结果。所以与其说AI是否知道自己在写什么，不如说人们希望AI写出怎样的结果。
「山巅一寺一壶酒」便是这样一个「确定的结果」，但如果不符合既有「理型」而创造了「不确定的结果」呢？
那就拔插头呗～
登录
