元峰AI博客

吴恩达老师炸裂分享：70%程序员要被淘汰，6款CLI神器救命！

Sun, 07 Sep 2025 00:00:00 GMT

https://x.com/AndrewYNg/status/1963631698987684272

昨天看到吴恩达老师的分享👇

目前，市场对“懂AI”的开发者的需求存在巨大缺口，（企业）求贤若渴。但与此同时，由于大多数高校的课程设置尚未跟上“AI工具已能大幅提升编程效率”这一新常态，近期计算机科学（CS）专业毕业生的失业率反而有所上升。

当我面试“AI工程师”（即擅长构建AI应用的人才）时，我关注的是他们能否：

利用AI辅助来快速构建软件系统；

熟练运用AI的“技术积木”(building blocks)——例如提示词工程 (prompting)、RAG（检索增强生成）、评估 (evals)、AI工作流 (agentic workflows) 以及机器学习——来开发应用；

快速构建原型并迅速迭代。

掌握这些技能的人，其产出效率远非那些仍沿用2022年（即生成式AI诞生前）旧方法编程的开发者可比。我每周都会与大型企业交流，他们极度渴望招聘成百上千名具备这些技能的人才；许多初创公司也是如此，他们空有绝佳的创意，却苦于没有足够的工程师来实现。随着越来越多的企业拥抱AI，我预见这种人才短缺只会愈演愈烈！

然而，现实的另一面是，近期CS毕业生的失业率有所上升——尽管他们的“低度就业率”（underemployment rate，即毕业生从事无需学位的工作）仍然低于其他多数专业。这就是为什么我们会同时听到“CS毕业生找不到工作”和“紧缺的AI工程师薪资飙升”这两种截然相反的说法。

当编程技术从“打孔卡”进化到“键盘与终端”时，雇主们在短期内仍会雇用打孔卡程序员。但最终，所有开发者都必须转向新的编程范式。AI工程正在掀起一场类似的巨变浪潮。

业界有一种刻板印象，认为“AI原生代”的应届毕业生比经验丰富的开发者更出色。这有一定道理。在招聘全栈软件工程师时，我就曾多次放弃仍在使用“2022年模式”的资深开发者，转而选择一个真正精通AI的应届生。

但我所认识的最顶尖的开发者，并非刚毕业的新人（对应届生并无冒犯之意！）。他们是那些始终紧跟AI变革浪潮的资深开发者。当今效率最高的程序员，是那些既深刻理解计算机、懂得如何架构软件、并能在复杂局面中做出权衡取舍，同时又熟练掌握前沿AI工具的人。

诚然，2022年的一些技能正逐渐被淘汰。例如，过去我们必须死记硬背的大量编程语法，如今已不再那么重要，因为我们不再需要那么多“手写代码”了。但即便CS知识中有30%被淘汰，剩下的70%（那些计算机基础）——如果再辅以现代AI知识——才是真正高效开发者的基石。（这就像打孔卡被淘汰后，对编程基础的理解对于使用键盘输入代码依然至关重要。）

如果不理解计算机的工作原理，你不可能仅凭“氛围编程”(vibe code) 就走向卓越。计算机基础（Fundamentals）依然至关重要。对于那些在扎实基础上又掌握了AI的人来说，工作机会多到数不胜数！

以上就是吴恩达老师的分享。

AI编程主战场转移：终端是舞台，CLI是表演

聊到这，关键问题来了。我们都知道那70%的基础很重要，但那决定胜负的30%“现代AI知识”和“前沿工具”，到底指什么？

答案可能让你有点意外：我们写代码的主战场，正在从你熟悉的图形界面IDE（如VS Code、IntelliJ），永久性地迁往黑乎乎的AI编程终端（如Claude Code、Gemini CLI等）。

从IDE过渡到自动化的“终端编程工具”，这个转变发生还不到一年，但势头极其凶猛。所有AI巨头都在疯狂涌入这个赛道，发布自己的CLI（命令行）AI工具。

一年前，大家还在夸 Cursor（一款AI IDE）多好用；一年后，顶尖玩家们已经都在CLI里干活了。

为什么？因为终端意味着更快的执行速度、最直接的系统访问权限，并且能和你现有的工作流（比如Git）无缝集成。

为了帮你快速跟上这波浪潮，我列举了目前席卷整个行业、最火的几款CLI AI编程工具。有意思的是，它们大多是开源的，而且几乎都是近几个月才诞生的“新锐”。

2024-2025新战场：6款顶尖CLI工具（建议收藏）

Claude Code

Claude Code 另辟蹊径，它将AI直接带入你已在工作的终端环境中。这款AI编程工具常驻你的终端，能理解你的代码库，并通过自然语言命令帮你执行常规任务、解释复杂代码和处理git工作流。

它最令人印象深刻的是编辑文件、运行命令和创建提交（commits）的能力。Claude Code 继承了你的 bash 环境，使其可以与你现有的工作流协同工作，而无需你改变编程流程。

关键特性

直接的文件编辑和命令执行

自然语言git工作流管理

深入的代码库感知能力，能查看整个项目结构

与 VS Code 和 JetBrains IDE 无缝协作

结论： Claude Code 为终端AI的能力设定了很高的标准。它是一个真正理解上下文并能采取行动的编程伙伴。

Gemini CLI

Gemini CLI 让你能直接访问 Gemini，并且使用个人谷歌账户即可享受无与伦比的免费使用额度。其突出之处在于慷慨的免费套餐和开源特性。它使用 ReAct（推理与行动）循环来完成修复bug、创建新功能等复杂用例。

它可以查询和编辑超出 Gemini 100万token上下文窗口的大型代码库，并利用 Gemini 的多模态能力从 PDF 或草图生成新应用。

关键特性

用于完成复杂任务的 ReAct 循环

支持超100万token上下文窗口

支持多模态输入（PDF、草图、图像）

使用谷歌账户完全免费

开源且可定制

结论： Gemini CLI 证明了强大的终端AI未必价格高昂。

Codex CLI

OpenAI 的 Codex CLI 扮演了一个轻量级的编程代理，它可以在你的本地机器上读取、修改和运行代码。它专为那些已经“活在”终端里、既想要ChatGPT级推理能力，又想要实际执行能力的开发者而设计。

其安全性设计得非常周到：由于该CLI在本地运行，你的源代码永远不会离开你的环境（除非你选择共享）。

关键特性

ChatGPT级别的推理能力与代码执行力

本地化操作以保护代码隐私

文件操作和迭代能力

支持多模态输入（截图和图表）

仅需一个OpenAI API密钥即可实现零设置

结论： Codex CLI 将 OpenAI 业经考验的AI能力带到了终端，表现稳健。

Trae CLI

这是字节跳动（ByteDance）进军终端编程革命的入场券。Trae CLI 能够自主处理从头到尾的复杂工作流，在没有持续“手把手指导”的情况下做出决策并执行多步骤流程。

Trae CLI 擅长理解整个项目的上下文，这使其在重构和大规模代码变更方面非常有效。

关键特性

只需最少监督的自主任务执行

支持多家LLM提供商，灵活性高

复杂工作流的自动化与规划

处理真实世界的软件工程任务

开源并处于活跃开发中

结论： Trae CLI 证明了字节跳动真正理解开发者需要什么样的终端AI。

Qwen Code (Qwen CLI)

Qwen Code 是阿里巴巴对终端编程的回应。它派生自 Gemini CLI，并针对阿里巴巴的 Qwen3-Coder 模型进行了优化。

这意味着你既获得了 Gemini CLI 业经考验的架构，又拥有了当前最强编程模型之一——底层 Qwen3-Coder 模型的力量。阿里称其在AI编程等方面创下了开源模型的新SOTA纪录，可与 Claude Sonnet 相媲美。

关键特性

基于 Qwen3-Coder-480B 模型构建

256K 原生上下文窗口，可扩展至 100 万 token

Fork 自业经考验的 Gemini CLI 架构

在 AI 体编程基准测试中达到 SOTA 性能

开源且免费使用

结论： Qwen Code 与 Qwen-3 coder 一同发布，后者是最好的AI编程模型之一。

OpenCode

OpenCode 将自己定位为 Claude Code 的开源替代品，它不会将你锁定在任何单一的提供商（支持OpenAI, Claude, Gemini, Bedrock, Groq等）。

其“会话管理能力”是高明之处；你可以保存对话，与团队成员共享，并从上次中断的地方继续复杂的编程任务。

关键特性

极其广泛的多提供商支持

会话管理与共享功能

针对重复任务的可脚本化自动操作

集成类 Vim 文本编辑器

结论： OpenCode 提供了许多开发者渴望的模型灵活性，非常适合团队环境。

结语

Claude Code 为基于终端的AI编程设立了标准。Gemini CLI 以其极低预算（免费）提供了强大的AI终端编程能力，打破了天花板。现在，作为 Gemini CLI 的一个分支，Qwen Code 凭借其 Qwen3-Coder 模型进一步拓展了边界，正在对 Claude 4 构成严重威胁。

终端编程是未来，我们，需要不断学习。

回到文章开头的那个矛盾：对于那些在扎实基础上（70%的基础）又掌握了这些AI工具（30%的新技能）的人来说，工作机会多到数不胜数。

Nano Banana：Google 悄然投下的图像编辑核弹

Thu, 04 Sep 2025 00:00:00 GMT

Google 发布了一个全新的图像编辑模型，让用户在 Gemini 中拥有更强大的照片编辑控制能力。这个模型的官方名称是 Gemini 2.5 Flash Image，但几周前在 LMArena 上泄露的名称"nano-banana"显然更有趣，也更有个性。现在全网都在叫它 Nano Banana。

这个更新现在已经在 Gemini 应用中上线，付费和免费用户都能使用。你可以换衣服、换背景，或者把宠物照片融合进去，而且这个模型会尽可能保持人物面部的一致性。

用完香蕉🍌，最大的感受就是AI 真的能让生产越来越简单。

就单从画图这个方面👇

✅ Midjourney时代：图片画风精美，但不可控

✅ SD+ComfyUI时代：精准控制，但技术门槛高

✅ Flux+GPT4o时代：简单但一致性还不够强

🍌Nano Banana 时代：简单+一致性完美融合

香蕉🍌的一致性，真的被震撼到了！这两年，每天都在用 AI，我见证了AI绘画从"玩具"到"生产工具"的华丽转身。现在的效率提升不是10倍，是100倍！

什么是 Nano Banana？

Nano Banana 是 Google DeepMind 推出的全新图像编辑模型，凭借一个有趣的代号悄然登场，然后突然就在社区排行榜上拿到了第一名。

在官方发布后，nano-banana 现在被标记为 gemini-2.5-flash-image-preview (nano-banana)，依然稳居榜首，得分 1362。

看看它与其他顶级图像模型的平均胜率，nano-banana 以 0.855 的最高分数遥遥领先。

Nano Banana 不仅仅是图像编辑器，它还是图像生成器。不过它的图像编辑功能明显强于生成能力。

最大的亮点是相貌保持能力。再也不会出现六个长得略有不同的"你"，鼻子乱变、眼睛不一致的情况了。无论你怎么折腾位置、服装或道具，宠物和人物都能保持原有的样子。这就是它的核心卖点

Nano-Banana 的惊人编辑能力

让我用实际例子来展示 nano-banana 的工作方式。你可以在 Google AI Studio、Gemini、Google Vertex AI 或 Flux Labs AI 上使用它。

我用 Google AI Studio 来演示，进入后选择 models/nano-banana，也是 gemini-2.5-flash-image-preview模型。

https://aistudio.google.com/prompts/new\\_chat

接下来上传参考图片并设置提示词。比如我想把一个美女的睡衣换成裙子。

分别上传两张图之后，输入这个提示词：

把第二张图的衣服，穿在第一张图的女人身上，并给出一张完整的上半身照片。

就这么简单。等待30秒，最终图片就出来了。效果相当惊艳，人脸、耳坠、项链完全没变。

13张图片合并？这才是真正的疯狂

更炸裂的案例来了。X 上的 Travis Davids 分享了一个让我震撼的操作——他用 Nano Banana 把 13 张不同的图片合并成了一张完整的作品。

这种操作听起来就很疯狂，但更震撼的是，即使处理这么多元素，模型依然能保持各个部分的一致性和协调性。

Travis 用的提示词是这样的：

一个模特正在摆姿势，靠在一辆粉色宝马上。她穿着以下物品，场景背景是浅灰色。绿色外星人是一个钥匙扣，它挂在粉色手提包上。模特的肩膀上还有一只粉色鹦鹉。她旁边坐着一只穿着粉色项圈和金色耳机的贵宾犬。

看这个提示词就知道有多复杂——模特、宝马、各种配饰、宠物、背景...13个不同的元素要融合在一起，每一个都得在合适的位置，还要看起来自然。

老照片修复：时光倒流的魔法

用来修复老照片，效果同样出色。比如这张大概是 1960 年代在保加利亚村庄建造桥梁的老照片，经过 Nano Banana 修复后，画质清晰度大幅提升，细节丰富，仿佛时光倒流。

结合 Veo3 视频生成，甚至能让静态的老照片"活"起来。角色一致性、世界观理解和指令遵循，表现都相当出色。

使用小技巧

如需将效果从“好”提升到“出色”，请将以下专业策略融入您的工作流程。

内容要非常具体：您提供的信息越详细，您就越能掌控结果。不要使用“奇幻盔甲”，而是详细描述：“华丽的精灵板甲，蚀刻有银叶图案，带有高领和猎鹰翅膀形状的肩甲。”

提供背景信息和意图：说明图片的用途。模型对上下文的理解会影响最终输出。例如，“为高端极简护肤品牌设计徽标”会比“设计徽标”产生更好的结果。

迭代和优化：不要期望第一次尝试就能生成完美的图片。利用模型的对话特性进行小幅更改。然后，您可以继续提出提示，例如“效果很棒，但能让光线更暖一些吗？”或“保持所有内容不变，但让角色的表情更严肃一些。”

使用分步说明：对于包含许多元素的复杂场景，请将提示拆分为多个步骤。“首先，创作一幅清晨薄雾笼罩的宁静森林背景。然后，在前景色中添加一个长满苔藓的古老石祭坛。最后，在祭坛上放置一把发光的剑。”

使用“语义负提示”：不要说“没有汽车”，而是积极地描述所需的场景：“一条空旷的荒凉街道，没有任何交通迹象。”

控制相机：使用摄影和电影语言来控制构图。例如wide-angle shot、macro shot、low-angle perspective等字词。

完美替换经典电影画面

继续疯狂，Nano Banana 不仅能完美换脸，还能结合可灵 AI 或者 Veo3 生成视频，甚至让角色开口说话！

这简直是影视行业的核弹级颠覆！

想象一下这些场景：

你可以把老马P到《教父》里，让他跟川建国密谋大事！

钢铁侠突然出现在言情剧里，画面违和感十足却又莫名喜感！

小李子自己跟自己演对手戏，一人分饰两角毫无违破绽！

扎克伯格秒变蜘蛛侠，在高楼大厦间荡来荡去！

《复联》里亲吻的对象突然从黑寡妇变成死侍，这画面简直绝了！

这不是科幻，这是现实！

以前影视公司花几百万做的特效，现在普通人 3 分钟就能完成。当人人都能做出电影级特效的时候，整个创意产业的门槛将被彻底打破。

实操教程：四步让图片中的人物开口讲话

说了这么多，你一定好奇具体怎么操作。我来分享一个完整的实战流程，教你如何让 Nano Banana 生成的图片中的人物真正"活"起来。

第一步：第一步：用 Nano Banana 生成基础图片

这里我用了之前的一个老外形象，让他穿上西装坐在直播间。

提示词：让图2的男人换上图1的衣服，坐在直播间进行直播

第二步：使用必火AI让图片动起来

进入必火AI的文生数字人功能页面

网址：https://www.bihuoai.com/workspace/digital-human/text-to-digital-human

切换到形象转视频（让静态图片转为动态视频）

上传刚刚 Nano Banana 生成的图片

选择动作幅度

选择生成时长（建议10秒）

点击生成视频

视频生成完成后，点击"制作数字人"，快速克隆为数字人形象

这一步的关键是让静态图片具备基础的动态效果和口型变化能力。

第三步：让此形象开口讲话

在数字人制作界面：

选择刚刚克隆好的形象

为此形象选择合适的声音（可以选择不同的音色和语调）

输入让数字人讲的文案内容

选择合适的数字人模型（建议超清4K以获得最佳效果）

点击生成视频，等待2-5分钟完成生成

可以进入AI智能剪辑功能对生成的数字人视频进行快速剪辑

第四步：快速AI智能剪辑

在智能剪辑界面：

选择合适的剪辑模板（根据内容类型选择）

填写视频标题

添加背景音乐增强氛围

点击开始智能剪辑视频

模版1

模版2

经过这四个步骤，一个完整的会说话的数字人视频就制作完成了。整个过程大约需要10-15分钟，但效果却能达到专业级水准。

解决了AI生成数字人形象的最大痛点

作为一个做数字人这么久的人，我一直头疼的就是AI画虚拟人物一致性问题。

以前要保持同一个人物在不同场景下的面部特征一致，需要大量的训练和调试。现在有了 Nano Banana，这个困扰我很久的问题终于得到了完美解决。

目前虽然它还不能完全控制图片比例，但这已经是时间问题了。也许明天，Google 就又会放出更强大的功能，我们拭目以待。

在哪里使用Nano Banana？

看到这里，你肯定迫不及待想要体验 Nano Banana 的强大功能了。好消息是，现在有多个平台都支持这个模型，而且有些还提供免费试用机会。

Gemini（官方渠道）

💡

网址：https://gemini.google.com/

这是 Google 官方提供的渠道，付费和免费用户都能使用。界面简洁，操作直观，是体验 Nano Banana 最直接的方式。不过免费版本可能有使用次数限制。

Google AI Studio（官方渠道）

💡

网址：https://aistudio.google.com/

这是面向开发者的平台，功能更加全面，可以进行更复杂的模型调用和参数设置。如果你想深度体验 Nano Banana 的各种功能，这里是最佳选择。

Lovart（限时免费福利）

💡

网址：https://www.lovart.ai/zh/home

重点推荐！ 截止到9月1日前，Loveart 提供 Nano Banana 模型的限时免费使用。界面友好，支持中文，对国内用户非常友好。如果你想免费体验这个强大的模型，现在就是最好的机会。

平台提供了丰富的预设模板和样式，搭配Agent模式，即使是新手也能快速上手制作出专业级的图像效果。

4.Higgsfield（会员畅用）

💡

网址：https://higgsfield.ai/image/nano\\_banana

Higgsfield 为会员用户提供了非常优惠的政策：只要是网站会员，1年内可以无限制使用 Nano Banana 模型。对于需要大量使用图像编辑功能的用户来说，这是一个非常划算的选择。

平台界面专业，功能齐全，还提供了详细的使用教程和案例分享，适合专业创作者和设计师使用。

6.Gemini 官方API

使用 Gemini（又称 Nano Banana）生成图片：

💡

https://ai.google.dev/gemini-api/docs/image-generation?hl=zh-cn

Gemini 可以通过对话方式生成和处理图片。你可以通过文字、图片或两者结合的方式向 Gemini 发出提示，从而以前所未有的控制力来创建、修改和迭代视觉内容：

Text-to-Image：根据简单或复杂的文本描述生成高质量图片。

图片 + Text-to-Image（编辑）：提供图片，并使用文本提示添加、移除或修改元素、更改风格或调整色彩分级。

多图到图（合成和风格迁移）：使用多张输入图片合成新场景，或将一张图片的风格迁移到另一张图片上。

迭代优化：通过对话逐步优化图片，进行细微调整，直到达到理想效果。

高保真文本渲染：准确生成包含清晰易读且位置合理的文本的图片，非常适合用于徽标、图表和海报。

图片生成（文生图）

以下代码演示了如何根据描述性提示生成图片。

AI 生成的图片：一家以 Gemini 为主题的餐厅中的纳米香蕉菜肴

图片修改（图生图）

以下示例演示了如何上传以 base64 编码的图片。如需了解多张图片、较大载荷和支持的 MIME 类型，请参阅图片理解页面。

AI 生成的图片：一只猫正在吃香蕉

选择建议：

新手体验：推荐 Loveart，免费且界面友好

偶尔使用：选择 Gemini 官方渠道

开发需求：Google AI Studio 是最佳选择

重度用户：Higgsfield 会员服务最划算

无论选择哪个平台，Nano Banana 的核心功能都是一样的。关键是要多实践，多尝试不同的提示词和组合方式，才能真正掌握这个强大工具的精髓。

最后的想法

可能有人会说，这不就是又一个图像模型嘛，有什么大不了的。但我觉得 Nano Banana 的意义远不止如此。

回想一下过去几年，AI 图像处理就像是个"工具箱"——生成图片用这个模型，编辑照片用那个模型，虚拟试衣又是另一个模型，想让人物在不同场景保持一致？得去找 LoRA 或者自己训练。

*Nano Banana 改变了这个游戏规则。**它就像一个多面手，生成、编辑、试衣、融合...什么都能干，而且干得还不错。还要什么复杂的工作流，还要什么 ComfyUI，现在仅仅需要一个模型，一句提示词。

不过话说回来，这对那些专门做单一功能的创业公司来说可能不是什么好消息。比如专门做虚拟试衣的、做图像训练的，现在 Gemini 里就自带这些功能，用户还会花钱买你的"专业服务"吗？

这不只是技术升级，更像是行业洗牌。当一个工具能顶好几个工具用的时候，整个市场的玩法都要变了。用户的期待也会跟着变——既然你能做这个，为什么不能做那个？

说白了，Nano Banana 可能只是个开始，真正的变化还在后头。我们正在见证一个新时代的到来——AI 创意工具的大一统时代。

xAI 开源 Grok-1，老马格局真大

Mon, 18 Mar 2024 00:00:00 GMT

3月11日，埃隆·马斯克承诺，他的公司 xAI 会把 AI 聊天机器人 Grok 开源给大家，现在，这承诺已经兑现了。

今天凌晨，马斯克的 xAI 宣布，他们的巨型模型 Grok-1 ——一个拥有 3140 亿参数量的混合专家（MoE）模型，连同模型的权重和网络架构，现已全面开源。

这一动作，也让 Grok-1 成为了目前世界上参数量最大的开源大语言模型。

什么是 Grok?

Grok 是一个庞大的语言模型，拥有3140亿个参数，使其成为目前可用的最大的开源模型。作为对比，这是 OpenAI 2020年发布的被视为突破的 GPT-3 大小的两倍多。

Langchain 的 @Andrew Kean Gao 分享的图表中，你可以看到 Grok 的大小与其竞争对手相比有多么庞大。

但 Grok 不仅仅体量巨大，它还采用了专家混合 (MoE) 架构，允许它为不同任务策略性地激活其参数的子集。这理论上使它比传统的密集模型更高效和适应性强。

Grok-1 发布摘要

3140亿参数的专家混合模型，给定 Token 时有25%的权重处于激活状态

基础模型训练了大量文本数据，未针对任何特定任务进行微调

8个专家（2个激活）

860亿参数

Apache 2.0 许可证

博客：https://x.ai/blog/grok-os

代码：https://github.com/xai-org/grok-1

虽然有很多细节值得探讨，但首先记住这 5 个要点：

Grok是到目前为止最大的开源大语言模型（LLM），使用了接近3140亿的参数量，这在所谓的“开源”模型中是前所未有的（可能也是最大的）。它很可能采用了与GPT-4相似的专家混合（MoE）结构。

但请注意，这只是一个基础模型。也就是说，按照目前发布的状态，它还不能直接应用于特定的任务或对话场景。没有进一步的调整，它还不能发挥作用。因此，要想将其用作类似ChatGPT的工具，还需要进行一定的“调整”和“微调”。

模型的检查点定在2023年10月，它没有针对任何特定应用（比如对话）进行优化。其发布遵循Apache 2.0许可，这意味着其他公司也可以在Grok-1的基础上发布改进版或衍生产品…… 这真是令人兴奋！

同时，虽然人们对此感到兴奋，但我们也必须警惕潜在的隐患。

随着这种新AI的问世，安全威胁无疑会增加。例如：

存在通过查询如何制造网络武器、炸弹或其他危害性物品的未授权使用风险 => 受控AI如何应对？

多个开发者将发布他们版本的LLM => 标准化API缺失和使用复杂度上升的问题如何解决？

出现多种版本，可能会偏离原始目标 => 这种“飞速进步”会导致许多现有服务突然变得过时吗？

架构的细节虽然引人入胜，但过于技术化了……在此我不展开（如果你感兴趣，我们可以另行讨论）。但要知道，如果你没有高端的设备（比赛级电脑或高性能服务器），你将无法运行Grok！

如何安装 Grok

在这个 GitHub 仓库中解释了如何加载和运行 Grok-1 的指南。克隆仓库到你的本地。

可以使用 torrent 客户端和此磁力链接下载权重：

顺便说一句，有些人质疑为什么权重是通过 Bittorrent 磁力链接发布的。随着模型越来越大，这可能成为未来的常态。此外，通过 torrent 分发300 GB 数据比直接传输更便宜。

从 HuggingFace 下载权重，并将其放置在“checkpoints”目录内。

打开命令行界面并运行以下命令来测试代码：

该脚本加载检查点并在测试输入上从模型中抽样。

需要注意的是，由于 Grok-1 模型的庞大体量——包含 3140 亿个参数，测试模型所使用的示例代码需要一台具有足够 GPU 内存的机器。

奈何手里的家伙式不够强，目前无法访问能够在本地运行 Grok 的硬件，因此无法提供模型实际操作的第一手示例。

xAI 仓库中专家混合 (MoE) 层的当前实现未针对效率进行优化。这种实现是故意选择的，优先考虑模型正确性验证，避免开发自定义内核的需要。

如何尝试 Grok

如果你只是好奇 Grok 能做什么，它目前在 X 上可用，但仅对 Premium+ 用户开放，价格为每月16美元。

Grok-1 开源许可

本次发布的代码和相关 Grok-1 权重根据 Apache 2.0 许可证授权。

Apache 2.0 许可证是一种宽松的免费软件许可证。该许可证允许对软件进行任何目的的使用，用户能够分发它、修改它，并分发软件的修改版本。

该许可证仅适用于此仓库中的源文件和 Grok-1 的模型权重。

就在之前，马斯克起诉 OpenAI 及其联合创始人 Sam Altman 和 Greg Brockman，指控他们背离了最初成立为非营利组织的使命，转而追求利润。

也有网友调侃，OpenAI 一点都不 Open。

Grok = OpenSource OpenAI = Closed Source

参考链接：

https://x.com/_SaxX_/status/1769593547349467288?s=20

https://x.com/itsandrewgao/status/1769454405852807432?s=20

Sora 视频可以开口唱歌了

Fri, 08 Mar 2024 00:00:00 GMT

利用 AI 生成的视频制作，革新创作自由

OpenAI 持续展示 Sora 的功能，令人惊叹不已，最新的片段堪比好莱坞制作，所有这些都是从一个提示词生成的。

尽管 Sora 没有开放，仍然是 OpenAI 官方和一群精选内测玩家的专属产品，但很多惊艳的片段已在全球各个社交媒体上分享，让人们得以一睹其惊人的作品。

新的 Sora 视频令人惊叹，必须观看才能相信

这些最近的片段是从一个提示词制作的，类似于完整的制作，具有多个镜头、无缝效果和持续长达一分钟的视频中的一致动作。

我们所见证的暗示着生成式娱乐的未来，特别是当与其他 AI 模型集成用于声音、唇形同步或 LTX Studio 等顶级平台时，使创造力比以往任何时候都更容易获得。

例如，X 上的创作者 Blaine Brown 展示了一段视频，将 Bill Peebles 的 Sora 外星人与 Pika Labs Lip Sync 和使用 Suno AI 创建的歌曲合并在一起，制作了一个非常震撼的音乐视频。

Sora 生成外星人视频，SUNO 生成音乐，PikaLabs 匹配唇形

下面的视频由 OpenAI 的文本转视频模型 Sora 直接生成，未经任何修改，用到的提示词如下。

提示词：一个外星人自然融入纽约市，偏执惊悚风格，35 毫米胶片

Sora 生成的一个外星人自然融入纽约市视频片段

我们还可以通过 LensGo AI 将这段蓝色外星人视频转化就为其他风格，比如皮克斯，吉卜力，丧尸风格等。结果非常酷！

Pixar 皮克斯风格

Ghibli 吉卜力风格

The Walking Dead 丧尸风格

这些风格都可以使用这个 LensGo 来转化。如果你愿意也可以亲自体验一下：https://lensgo.ai/。

Sora 生成的视频还有很多，例如博物馆飞越这个案例，以其多样的镜头和流畅的动作而脱颖而出，尽管是在室内，但类似于无人机镜头。

提示词："飞过一个博物馆，里面有许多绘画和雕塑，以及各种风格的精美艺术品”

与此同时，诸如一对夫妇在精心制作的鱼缸中用餐之类的场景突出了 Sora 在处理复杂动作时保持整个剪辑中无缝流动的能力。

提示词："一对 20 多岁的男女正在一家由纳米技术和铁磁流体实现的未来主义餐厅用餐”

Sora 前途无量，简直亮瞎眼。仅靠一个小提示，它就能变魔术似的搞出一些高大上、随时能上线的视频，实力不容小觑。

通过与其他 AI 模型和娱乐平台进一步集成，Sora 准备扩展其功能，给创作人和娱乐界带来前所未有的自由度和创新可能。它的潜力确保了生成式娱乐的未来将更加多样化和令人敬畏。

厨房里厨师太多？ Sora 可以根据文本创建逼真且富有想象力的视频，但它也可以让把从 DAll·E 3 创作的静态图像变为栩栩如生的视频。

Sora 的未来

说到现在，Sora 还是个谜，对外界保持神秘。考虑到 AI 搞破坏的能力，它脑子里藏着的那些真实世界的秘密，OpenAI 小心翼翼地保护着 Sora，这也是情有可原的。

目前，OpenAI 正在对系统进行红队测试，聘请训练有素的专家来尝试让 Sora 做出破坏性的事情，就为了能在大家见面前把问题都解决掉。

不过说到底，如果 AI 系统能够仅仅通过观察（而 Sora 的早期结果表明它可以）就开发出世界的一个详细且准确的模型，那么 OpenAI 不会是唯一开发出此类系统的公司。

这训练模型的活儿，花钱如流水，可能比搞那些生成图片的 AI 还要烧钱。但看样子，未来几年，连开源模型都可能追上 Sora 的步伐，到时候我们可能就生活在被 AI 模仿的世界里了。

正如专家佩里所说，这将开启视频创作的新纪元。但不止如此，它还可能彻底改变机器人的世界，让所有 AI 系统在逻辑推理方面做得更好，并让我们更接近 AGI。

那些活灵活现的 AI 猫咪视频确实挺酷的。但在 AI 的大世界里，它们不过是冰山一角，预示着更多激动人心的事物即将到来。

还在傻傻的等 Sora？快来看看 LTX Studio 的 AI 自动剪辑

Fri, 01 Mar 2024 00:00:00 GMT

因为近期 Sora 的爆火，使得很多伙伴对 AI 视频比较感兴趣，而且我自己因为做数字人视频比较多，所以对这一块关注比较多。

这不今天发现了一个宝藏神器，就是心心念念的 AI 视频剪辑工具终于要亮相了。

Lightricks 推出了 LTX Studio，一个由 AI 驱动的电影制作工作室。

先看下预告片养养眼。

看了预告片，这个工具可以使创意人员能够自动生成脚本、可编辑的故事板和进行视频剪辑。仅需一键，即可创建包含特效、音乐和旁白的最终剪辑。

主要功能介绍

🔥 从构想到实现，全能一站式平台

LTX Studio 正在引领 AI 与视频制作融合的新潮流，让一个简单的想法能够转变成为一个连贯的、由 AI 生成的视频。LTX Studio 使个人能够分享他们的愿景，通过新的讲故事方法来放大他们的创造力。

🎯 利用专业 AI 精确指导每个场景，包括具体的摄像机角度。

🎬 无论是一个初步的想法还是一份完整的剧本，都能转化成为一部精细的视频作品。

👥 生成角色，并在不同画面中保持其身份和风格的一致性。

🎥 只需一键，就能完成包含特效、音乐和旁白的视频的最终剪辑。

使用生成式 AI 可以做到

👁 深度画面控制

🌈 借助尖端的 3D 创造技术，创造新视角，让你对每个场景拥有完全的控制权。

💫 风格化与渲染

🎨 精确描述你想要的视频风格和感觉，并利用先进的语言模型，瞬间在所有画面中实现这一效果。

🌐 强大的一体化平台

🔧 在一个去除了制作前后障碍的多模态平台上，从头至尾完成你的项目。

💡

目前还没有开放使用，需要先添加白名单等候：https://ltx.studio/

一句话故事案例展示

LTX Studio 正在接受请求。让你成为故事讲述者，将提供的提示词生成视频。是不是熟悉的配方，熟悉的味道，前几天 OpenAI 也是这么干的，你留下提示词，人家帮你生成视频。

只不过，LTX Studio 更加给力，不仅给你视频，还把视频的分镜图也附带给出来了，可谓太良心了。你是不是已经迫不及待了，好，那我们直接上案例。

案例1

A tired prisoner gazes through the steel bars of his cell, his naked upper body bearing the scars of both torture and fierce battles. Using a broken mirror fragment, he surveys the desolate and dimly-lit corridors in both directions, ensuring that no guards lurk in the shadows.

一个疲惫的囚犯透过牢房的钢筋凝视着，他赤裸的上身布满了酷刑和激战留下的伤疤。他用一块破镜片，审视着两边荒凉昏暗的走廊，确保没有警卫潜伏在阴影中。

幕后花絮

分镜1，2

好，我把这张截图丢给 GPT4，仅仅输入提示词“分析一下这张图中的信息”，就得到了下面的信息。

GPT 把图中所有信息给你讲的明明白白，清清楚楚。位置，灯光，天气，广角还是特写，全都一目了然。就问你强不强吧！

🎬

这张图片看起来像是一个电影或电视节目的分镜头脚本界面，具体细节如下：

项目的标题是“The Prisoner's Redemption”。

分镜头脚本被分为至少两个场景。每个场景都包含了若干个镜头。

场景 1的设置是：

位置：监狱牢房

照明：微暗

天气：室内

镜头描述：

镜头 1：一个名叫Sam的人物的特写，眼睛通过钢条反射着微弱的光。

镜头 2：中景，Sam被伤痕累累的躯体在微弱、闪烁的光线下。

镜头 3：广角镜头，显示了一个孤独的Sam站在牢房中央。

镜头 4：建立镜头，钢条在磨损的石头地面上投下斜线的阴影。

镜头 5：中景，Sam的手紧握着碎裂的镜子碎片，他坚定的目光在碎片中反射。

场景 2的设置相似，也是在监狱牢房和微暗的光线下。

镜头描述：

镜头 1：Sam小心翼翼地从地面上捡起一块破碎的镜子碎片。

镜头 2：破碎的镜子反射出微光，揭示了墙上的划痕。

镜头 3：Sam的眼睛变窄，因为他破译了涂鸦中隐藏的信息。

每个镜头下方都有一些图标和选项，表示可以添加角色对话、音效等元素。右上角有“Preview & Export”按钮，说明用户可以预览并导出他们的工作。

这个分镜头脚本的界面和功能指示这是一个视觉化的叙事工具，用于规划和展示电影或电视剧的镜头组成和流程。每个镜头都提供了关于场景、角色行动和情感状态的视觉和文本描述，这有助于导演、摄影师和其他团队成员理解和准备拍摄。

分镜3，4

🎬

这张图片继续展示了电影或电视剧“The Prisoner's Redemption”的分镜头脚本界面，包含场景 3 和场景 4 的一些镜头。 场景 3的设置是：

位置：监狱走廊

照明：闪烁的灯光

天气：室内

镜头描述：

镜头 1：特写镜头，Sam的眼睛因发现涂鸦中的隐藏信息而睁大。

镜头 3：广角镜头，闪烁的灯光在涂满涂鸦的走廊墙上投下移动的阴影。

场景 4的设置是：

位置：监狱庭院

照明：强烈日光

天气：户外，晴朗

镜头描述：

镜头 1：Sam倚靠在监狱庭院的围栏上，对Elias低声讲述逃跑计划。

镜头 2：Elias点头表示同意，他的眼里充满了决心和希望。

镜头 4：Elias用棍子在泥土中粗略地勾画出监狱庭院的布局。

镜头 5：Sam的手紧握围栏，手指变白，目光坚定地望向远方。

镜头 6：远景，守卫在远处的走廊巡逻，对囚犯们的密谋毫无察觉。

像前一张图片一样，这张图片显示了对每个镜头的详细规划，包括位置、光线、天气和镜头类型等信息，以及可以添加的角色对话和音效等元素。这些信息对于电影或电视剧的制作至关重要，因为它们有助于创造所需的场景氛围和情感效果。这种详细的规划也确保了拍摄现场的工作效率，因为每个人都对即将发生的事情有清晰的认识。

分镜5，6

🎬

在这张图片中，我们继续看到了“The Prisoner's Redemption”电影或电视剧的分镜头脚本界面。展示的是场景 5 和场景 6 的部分镜头。 场景 5的设置如下：

位置：典狱长的办公室

照明：柔和、过滤的光线

天气：室内

镜头描述：

镜头 1：Sam倾身向Elias低声讲述逃跑计划（中景）。

镜头 2：Elias点头同意，他的眼神反映出决心和信任（特写）。

镜头 3：两人交换了一个微妙的握手，以此确认他们的决心（中景）。

镜头 4：他们扫视周围环境，意识到低语交谈的风险（宽景）。

镜头 5：Elias微妙地示意，表明一个警觉的守卫正在靠近（中景）。

场景 6的设置如下：

位置：监狱庭院

照明：风暴中的光线

天气：户外，下雨

镜头描述：

镜头 1：雨水在监狱庭院的场景中倾泻而下。

镜头 2：Sam和Elias在庭院中进行互动。

镜头 3：一位名叫Anna的角色在害怕中睁大了眼睛。

镜头 4：囚犯们重新集结，准备采取行动。

镜头 5：随着囚犯们的张力上升，整个庭院被一种紧张气氛所填满。

这些镜头继续提供了故事情节的视觉描述和文本信息，帮助制作团队理解每个场景的情感和叙事重点。通过这种详细的规划，制作人员能够确保拍摄过程中效率的最大化，并帮助演员更好地把握角色情绪和故事情节。此外，界面中的工具和功能，如添加角色对话和音效的选项，都是为了进一步丰富场景和镜头的叙事效果。

分镜7，8

🎬

这张图片继续展示了“The Prisoner's Redemption”项目的分镜头脚本界面，包括场景 7 和场景 8 的详细信息。

场景 7的设置如下：

位置：主监狱大厅

照明：自然光与人造光混合

天气：室内

镜头描述：

镜头 1：广角镜头显示多名囚犯在主大厅聚集，准备逃跑。

镜头 2：中景，Sam和Elias领导团队，讨论逃跑计划的最后步骤。

镜头 3：特写，手伸向临时武器和工具，眼中充满决心。

镜头 4：中景，囚犯移动路障，加强对抗守卫的阵地。

镜头 5：广角镜头，囚犯在等待合适的时机行动时紧张情绪升温。

场景 8的设置如下：

位置：监狱外的废墟

照明：温暖的早晨光线

天气：户外，晴朗

镜头描述：

镜头 1：囚犯在主大厅聚集，身后是废墟，脸上展现出坚决的团结。

镜头 2：Elias带头冲锋，带领同伴囚犯；他的脸上展现出经历艰难的证明。

镜头 3：Anna的眼神中展现出恐惧和决心的混合，当她加入团队时。

镜头 4：Sam点头肯定，他的疤痕见证了过去的苦难。

镜头 5：囚犯们向出口涌去，一片团结的希望的氛围。

这些镜头进一步描绘了逃亡计划的关键时刻，显示了各个角色在紧张而严峻的情境中的行动和情感。这些详细的镜头描述和设置信息对于电影或电视剧的制作团队来说是至关重要的，因为它们指导了拍摄过程中的视觉和叙事要求。通过这些分镜头脚本，剧组可以有效地组织和执行拍摄计划，从而将编剧的视觉故事变为现实。此外，每个镜头下方的图标和选项表明，还可以添加更多的元素，如角色对话和音效，来进一步丰富场景的叙述层次。

基于提供的分镜头脚本信息，我们可以整合出电影《The Prisoner's Redemption》的大致故事情节如下：

在一座阴暗的监狱中，主角Sam经历了身心的折磨。我们首先在监狱牢房内见到他，通过微弱的光线，他的眼神透出绝望。他身上的伤痕讲述了他所经历的艰难。在这个孤独的地方，Sam发现了一面破碎的镜子，他的反射中透露出一个坚定的决心。
随着故事的发展，Sam在牢房内发现了一个重要的线索，一条隐藏在涂鸦中的信息。这条信息引导他与另一个囚犯Elias在监狱的不同角落进行秘密会面。在典狱长办公室外，两人低声交流着逃跑计划。尽管周围监狱守卫的步伐声不断，他们还是通过一次微妙的握手达成了默契。
逃亡计划逐渐成型，Sam和Elias开始在庭院中秘密集结其他囚犯。一名女性角色Anna显示出对即将发生的事情既感到恐惧又充满了决心。在风暴来临的雨夜，监狱庭院成为了囚犯们密谋和准备的舞台。
最终，在主监狱大厅，囚犯们聚集，准备执行他们的逃跑计划。Sam和Elias领导着囚犯们，每个人的眼神都透露出决心。他们开始获取临时武器，准备与守卫对抗。监狱的氛围充满了紧张，囚犯们在
等待合适的时刻行动，他们在庭院中构筑防御，心知这是他们自由的唯一机会。
当逃跑的日子到来，囚犯们在清晨温暖的阳光下，聚集在监狱外的废墟中。Elias带头冲锋，向外界的自由进发，他的脸上写满了坚韧和希望。Anna和其他囚犯加入队伍，尽管她内心充满恐惧，但决心也同样强烈。Sam的面容上刻着历史的痕迹，他的每一道疤痕都诉说着他的故事。
当囚犯们团结一致，准备迈向自由的那一刻，整个监狱充满了紧张而希望的气氛。他们的行动精心策划，每个人都明白，只有团结一心，他们才能战胜监狱的束缚，找到救赎。
《The Prisoner's Redemption》是关于勇气、团结、抗争以及对自由不懈追求的故事。通过这些分镜头脚本的详细描述，观众能够清晰地感受到每一刻的紧迫感，每一场戏的情感冲击，以及每一位角色的深刻变化。这部电影不仅讲述了一场大胆的逃亡，更是对人性和希望的深刻探讨。

看到这里，不得不感慨几句。我呢，虽然没有作过电影，也不是这个专业的，只是经常会剪辑视频。比如前几天我就用 AE 把 Sora 的官方 Demo 视频素材剪辑了一个片子。

暂时无法在飞书文档外展示此内容

但是，LTX Studio 这样的工具为我们打开了一个新世界的大门，让我们这些视频剪辑的爱好者也能够有机会让自己的故事更加光彩夺目。

我们每个人的心中肯定都藏着一个故事，浸透了童年的纯真梦想，青春的热烈情感，以及对未来的无限憧憬。以前，这些故事可能只能在脑海中静静盘旋，或者在夜深人静时悄声诉说。但现在，有了 AI 的帮助，这些无形的思绪可以转化成动人的影像，每一帧都是我们内心世界的写照。

这不仅仅是技术的进步，这是让我们每个人都能成为艺术家的奇迹。我们可以把心中的诗篇，眼中的风景，以及心跳的节奏，全部融入到我们制作的视频中。这些视频将不仅仅是娱乐，它们是我们与世界沟通的桥梁，是我们个人情感和视觉美学的展现。

除了 LTX Studio，还有像 Sora，Runway，PikaLab 等等这样的 AI 视频创作工具，正是为了这样的时刻而生，它让每个人的故事都有了被听见的机会，让我们的内心世界得以呈现在这个宽广的舞台上。

案例2

A kid finds a super shiny, big and red magical strawberry in the woods. After eating it, she starts turning into a red astronaut and fly up, zooming over the town happily.

一个孩子在树林里发现了一个超级闪亮、又大又红的魔法草莓。吃完后，她开始变成一个红色的宇航员，高兴地飞起来，飞过小镇。

幕后花絮

案例3

a rookie cyberpunk bounty hunter finds himself at the center of a city gang war after saving a mob bosses son from a rival attack. Gotta learn the rules fast if he wants to survive life of on this side of the law. A crime thriller packed with hits, jealousy, and power.

一位菜鸟赛博朋克赏金猎人发现自己处在城市帮派战争的中心，原因是他从敌对攻击中救出了一个黑帮头目的儿子。如果他想在这条法律的边缘生存，就必须快速学会规则。一部充满打击、嫉妒和权力的犯罪惊悚片。

幕后花絮

案例4

We've turned your shot description into a video. Wide overhead shot set in a 1927 travelling carnival featuring a tightrope walker, he is high above the ground balanced on a tightrope at the midpoint of the rope with a crowd below him watching in suspense, soft diffused lighting with spotlight on the performer, dramatic shadows, warm sepia tones, suspenseful entertainment, vintage night circus aesthetic, ARRI Alexa Mini (16:9 you’re taking AR)

我们将你的分镜描述变成了视频。 1927 年巡回嘉年华中的广角俯拍分镜，一位走钢丝者，他高高地站在地面上，在绳索的中点保持平衡，下面的人群屏息凝视，柔和的漫射光线，聚光灯照在表演者身上，戏剧性的阴影，温暖的棕褐色调，悬念娱乐，复古夜间马戏美学，ARRI Alexa Mini（16:9 你正在拍摄 AR）

案例5

A young man entering a sound-healing chamber. Surrounded by scientist in labcoats, anticipating the maiden power-up, eventual results.

一个年轻人走进一个声音治疗室。周围是穿着实验室外套的科学家，期待着首次启动，最终的结果。

梦想成真

https://x.com/LTXStudio/status/1773137933371142387?s=20

LTX Studio 与奥斯卡提名、两届金球奖得主导演阿里·福尔曼 (Ari Folman) 合作，在 LTX Studio 的帮助下创作了第一个视频。果然让梦变为现实了。

答应我，一定要看完这个视频。

LTX Studio 产品发布会中，他们的产品副总裁展示了下面这段视频，展示了 LTX Studio 的创作过程是多么简单。如果你有想法，只需点击几下即可将其应用到你的故事中。

最后的话

LTX Studio 的推出标志着视频制作行业的一次重大革新，为个人创作者提供了前所未有的便利。这个全能一站式平台不仅仅是将创意想法自动转化为视觉故事的工具，而且通过AI的力量，简化了从剧本到屏幕的整个过程。利用它，即便是一个单独的创作者也可以实现通常需要整个制作团队才能完成的工作。

前面文章介绍的这些案例中，我们看到了如何仅通过一句简单的描述，LTX Studio 就能够展现出一个完整故事的力量。无论是《The Prisoner's Redemption》中的紧张气氛，还是一个孩子在森林中发现魔法草莓的奇妙冒险，或者是赛博朋克背景下的犯罪惊悚故事，LTX Studio 都能够抓住每个故事的核心，并将其转化为引人入胜的视觉叙事。

结合 AI 技术的进步和这种创新工具的出现，我们确实正步入一个全新的电影制作时代。个人创作者现在可以独立实现从构想到剧本，再到最终视频的全部创作过程。这不仅极大地降低了进入门槛，还为电影和视频内容的多样性带来了前所未有的可能性。将我们的创意可以更加自由地实验和表达，而不必受限于传统制作的限制和资源的约束。

"一句话电影"，"一人电影"的时代已经来临，这将重新定义故事讲述的边界和可能性。而我们最缺的，是创意，是讲故事的能力。这个软技能，是 AI 没法代替的。

Heygen 5.0，AI 数字人终于可以走起来了！

Fri, 29 Mar 2024 00:00:00 GMT

HeyGen 推出了一项新的 AI 动态头像生成功能，名叫“动态头像 1.0”。[NEW] — Avatar in Motion 1.0🏃♂️✨

之前我们做的数字人不是只有一张脸在那念口播稿，就是一个数字人简单的重复几个简单的动作。

但是今天这个可不一样，不仅可以保持口型同步，克隆语音语调，保留背景声！还能精准的识别和追踪用户的身体动作，如手部移动和手势！

这意味着你可以使用文本输入控制一个虚拟角色，并使其复制你的动作、姿态，让他说任何语言。这样这的数字人几乎难以分辨真假！真正以假乱真！

下面是官方发布的演示视频。

这个演示中最让人感到牛逼的是一点是：在原始影片里，Nik 其实讲的是德语！

而你在这段视频中听到的英语和西班牙语，都是通过 AI 技术从他的德语原声转换过来的，保留了他那独特的声线和语调特征，最重要的动作也能完全匹配。

下面是官方让大家在在评论区留言抽卡，输入你想让 Nik 说的话，Heygen 官方来生成视频。

中奖1

"Ladies and gentlemen, let's peel back our appreciation for the banana, history's most comical fruit. This elongated, slightly bent treasure not only serves as nature's own slapstick prop but also moonlights as the world’s most straightforward snack to decipher: green says wait, yellow screams eat, and brown spots are a missed opportunity. Bananas, in their eco-friendly packaging, remind us to enjoy their potassium-rich goodness before offering themselves to the compost gods. Whether mashed into bread, frozen for a pseudo-healthy treat, or starring in a pants-splitting banana split, this fruit has slipped its way into our diets and hearts. Here's to the banana, the ultimate blend of humor, health, and humility. Cheers!"

女士们、先生们，让我们深入了解一下香蕉，这不仅是个搞笑的话题，更是史上最有趣的水果。它那特有的细长弯曲形态，不仅成为了大自然中最自然的喜剧道具，其实它还是一种极其简单的零食：绿色代表还需等待，黄色则是大声告诉你可以享用了，棕色的斑点意味着你可能已经错过了最佳食用时机。它们自带的环保外壳提醒我们，在成为堆肥的神奇食材之前，要享受其富含的钾的益处。不论是做成香蕉面包，冷冻作为健康小吃，还是作为令人嘴角裂开的香蕉船的主角，香蕉已经不知不觉中成为了我们饮食和心灵的一部分。让我们为香蕉举杯，它完美地融合了幽默感、健康价值与谦逊精神。干杯！

中奖2

(Nick walking then sitting on a bench) "You're watching the future; it's all around, and all real."

（尼克边走边坐到了一个长椅上）“你见证着未来；它就在我们周围，而且完全是真实的。”

中奖3

She sells seashells by the seashore, The shells she sells are seashells, I’m sure.So if she sells seashells on the seashore, Then I’m sure she sells seashore shells.

她在海边卖着贝壳，她卖的都是海里的贝壳，我能确定。如果她在海岸线上卖贝壳，那么我肯定，她卖的正是海岸上的贝壳。

这个老 6 竟然还整了段绕口令，哈哈，但是肯定难不住咱们的 Nik 呀，照样说的很 Nice。

其实截止目前数字人的形态基本都是以口播类型的为主，今天 Heygen 的这一功能的更新，不仅展示了 Heygen 在 AI 领域的领先技术，也为数字人的应用开辟了新的方向。随着技术的发展，数字人肯定会越来越接近真实人的行为动作。

通过这几个案例视频大家发现，视频中的背景音，人物的音色，手势动作与身体移动都匹配的非常完美。如果没有告诉你这些是数字人视频，你应该是看不出来的。AI 圈的更新就是如此之快。

其实现在我们见到的很多数字人的形态基本都是以口播类型的为主，今天 Heygen 的这一功能的更新，不仅展示了 Heygen 在 AI 数字人领域遥遥领先的技术，也为数字人的应用开辟了新的方向。随着技术的发展，数字人肯定会越来越接近我们真实人类的行为动作。

如果你也想使用数字人来制作短视频，请联系元峰，近期有优惠哦。