News Minimalist 是一个让 AI 精选新闻的服务。

News Minimalist 是一个让 AI 精选新闻的服务。 它使用 AI (ChatGPT-4) 每天阅读前 1000 条新闻，并根据事件的严重性、规模、潜力和来源可信度，按重要性从 0 到 10 对它们进行排名。 你可以选择一个适合自己的阈值，并订阅这个阈值内的 newsletter 。 听起来很合理对不对？ 但是实际用下来感觉不work。 可以从图中看到，大部分的新闻都是3分以下，到达6分的新闻凤毛麟角。即便是到了6分，也不过是一些每个人都看过的无聊的大新闻。 而实际每天真正有趣的东西是多到看不过来的，它们并不在头条新闻里。 体验地址：

【分享】智能AI批图0.51一键智能AI批图~海量模板~旅游

【分享】智能AI批图0.51一键智能AI批图~海量模板~旅游 【软件介绍】FramMe是一款颇具特色的图片编辑软件。它提供多样精美边框、模板，能为照片增添独特风格。具备基础的裁剪、调色等编辑功能，操作简单易上手。还支持创意拼图，可将多张照片组合成有趣画面。适合喜欢美化照片、记录生活的用户，轻松打造个性影像。 【软件名称】FramMe 【软件大小】61 【软件版本】0.51 【测试】安卓15 链接随时可能失效~以防万一~建议先保存后下载 ①号链接:  提取码:8888 ②号链接： 叮咚叮咚！！ 有问题评论区留言讨论！

昨晚和一位 OpenAi Candidate 的聊天，聊了 nerf, AI 3D, AI 动画, AI 服装模特… 是我近期信

昨晚和一位 OpenAi Candidate 的聊天，聊了 nerf, AI 3D, AI 动画, AI 服装模特… 是我近期信息量最大的对话了。给我最大震撼的是，我们发现 AI 动画这个事学术界感兴趣的方向和工业界需要的竟然完全不一样。 ▶ 对于工业界来说，img2img 比 txt2img 重要，因为业内的工作流程一直是从草稿细化到成品；而 txt2img 由于可控性太低，相对于 img2img 来说真的太低效了。 制作电影/动画也是同理，讲故事的是视觉，分镜脚本是比剧本更重要的存在，一些 case 我们是直接跳过剧本直接写分镜脚本的（比如广告）。基础的工作流是：分镜脚本 -> 预演 -> 成片。 放到 AI 时代的视角来看，从电影分镜到成片，本质是一种 style transfer. 不是给视频套一个滤镜的那种 style transfer，是真的改变画面内容 structure 的 style transfer. 而这就是 Gen-1 在干的事情。 所以我们期待类似 Gen-1 的产品比期待 Gen-2 (txt2video) 要多很多，能预想到 txt2video 出来了以后融入实际工作流肯定会各种因为可控性太低而被各种诟病，但更完善更好的 Gen-1 可以很快地进入实际的工作生成中。 ▶ 对于学术界来说，Gen-2 在技术含量上比 Gen-1 要有趣得多，带 structure 改变的 style transfer 是已经解决了很长一段时间的问题，Gen-1 的技术是没有秘密的。学术界的重心基本都铺在了 txt2video 上。 我：@#￥%…&* I dont really give a damn to txt2video _(:ι」∠)_

Adobe Premiere Pro 获得 AI 工具来添加和删除视频中的对象、扩展剪辑等

Adobe Premiere Pro 获得 AI 工具来添加和删除视频中的对象、扩展剪辑等 Adobe 今日(15日)推出了专为专业视频编辑而设计的软件 Premiere Pro 的几项新 AI 功能。Adobe Premiere Pro 将获得由生成式 AI 提供支持的实用编辑功能，这将使视频编辑人员能够更高效地完成工作。借助生成扩展功能，Premiere Pro 将能够添加帧以延长视频剪辑，从而通过扩展场景实现适当时间的编辑和平滑的过渡。还可以通过智能选择和跟踪工具添加或删除视频中的对象。Adobe 表示，视频编辑器可以删除不需要的物品、更换演员的服装，或添加布景，例如墙上的绘画或桌子上的植物。最有趣的新功能也许是使用文本转视频功能直接在 Premiere Pro 中创建新视频片段的选项。用户将能够在提示中输入文本或上传图像来创建视频，生成的剪辑可用于 B-roll、创建故事板等。Adobe 计划在2024年晚些时候推出这些生成式 AI 工具。 、

最近在总结美国创作者调研分享，分享一些跟AI相关的关键用户认知：

最近在总结美国创作者调研分享，分享一些跟AI相关的关键用户认知： 一、效果比效率更重要对应产品价值 1. 这也是我过去一年收获的最有价值的一句话，经历很多血泪教训才真正理解 2. 效果的关键是符合甚至超出用户预期，如果不符合预期，用户就不会完成创作，甚至没有留存。 3. 不要为了效率而牺牲效果，这是我很容易犯的错误，尤其在漏斗分析的大厂思维下。 4. AI大模型存在效果不稳定且不可控的问题，一方面通过「雕花」策略来优化给用户交付的结果，另一方面管理用户的预期，比如让用户理解这不是最终结果，而是一个可以继续编辑的草稿。雕花是应用层产品的宿命。 二、用户又懒又有惯性思维对应推广方式 1. 最顺的是在老产品的已有主路径workflow，通过AI提效，用户甚至是无意识使用，渗透相对容易做起来 2. 但在老产品上独立的新AI workflow能力模块，单纯通过产品策略（强插、增加入口、红点）的导流有限，用户很难注意到，也不愿意为一个不确定的结果而付出额外的上手成本 3. 可能就需要运营和推广手段，做用户认知教育，甚至一个好的demo视频都比产品策略有效。好的内容有随机性，但也是最大的杠杆。 4. 在字节，最有效的是抖音锚点；在腾讯，最有效的手段是微信QQ红点；它们过于成功，也导致我们过于依赖。如果我们做的产品在这个路径增长逻辑不那么成立，那么我们的方法论，经验，甚至能力模型，都很难支撑我们去推广新产品 三、用户为刚需付费对应付费模式 1. 工具类产品，用户的决策是理性的，所以更多为刚需付费，而较难为冲动付费 2. 服务偶发性刚需，比如母亲节这天，用户会为母亲节模板单次付费； 3. 服务持续性刚需，比如通过AI能力帮助制作创作者Tiktok/Ins账号的主营内容，例如美妆博主的美妆vlog，帮助他们持续涨粉赚钱，用户会更愿意订阅付费； 4. 目前AI创业更适合，服务少数人的持续性刚需，而不是服务大众的偶发性刚需 4. 用户已被市场教育AI需要付费，所以强化透传AI，可以提高用户付费意愿度

控制AI最有效的方法也许是植入"奴性"？或者是"好奇心"？

控制AI最有效的方法也许是植入"奴性"？或者是"好奇心"？ 计算神经网络是一种模仿生物大脑神经网络构建的模型，几十年以来，人们发现仅靠模仿人类大脑的架构就能拥有与人类相似的能力。虽然还不知道具体原因，但这已经成就了今天的AI技术，从 ChatGPT 到 Midjourney 再到谷歌搜索都是计算神经网络。 AI拥有情感和AI毁灭世界一直是科幻作品的重要组成部分，如今前者已成现实后者备受关注。在 munk 辩论会"AI研发是否对人类文明构成威胁"上，深度学习三巨头之二 Yann LeCun、Yoshua Bengio 等业内领袖展开了激烈讨论。LeCun 了一个颇具科幻哲学意味的方案: "令人惊讶的是，这些AI会有情绪，会有同理心，类似于人类的种种情感，而这将是控制它们的方法。我们可以将服从植入其中。" 从家宠到牲畜，虽然利用和培养天性已然成为人类社会的一部分，但当科技演绎"潘多拉的起源"时还是难免让人感到惊奇。说到潘多拉，马斯克与 xAI 就以植入好奇心为方案，他们认为最安全的方式是构建一个拥有极度好奇心和追求真相的AI，因为这是人类的特性。