6 个AI生成PPT神器，助你实力反卷

6 个AI生成PPT神器，助你实力反卷 最近有小伙伴私信问到，AI工具能不能用来画 PPT，提高工作效率今天我就把PPT的制作流程拆解出来，并且分环节给大家推荐AI神器，以及操作指南，帮助你有效缩短PPT的制作时长 PPT的制作过程抽象总结与对应工具： ChatGPT 设计内容大纲与故事线，并规划好每张PPT需要承载的内容 Mind Show和Midjourney 根据大纲内容，一键搞定内容和配图 Flourish 根据Excel表格，自动生成数据可视化图表 Gamma和TOME 可以一句话提出自己的PPT要求，一键生成PPT 不过博主亲测，这俩还不能一键生成逻辑复杂的PPT，画个简单的还行 我也根据以上流程制作了一份自己的述职PPT，整体制作时长&LT1h 以后疯狂星期四再也不用为周五的汇报疯狂了 #AI的神奇用法 #AIHackathon

这个《玫瑰的故事》的 PPT，真的只花了我1分钟。

这个《玫瑰的故事》的 PPT，真的只花了我1分钟。 AI自己生成大纲，AI自己排版，AI自己生成详细内容…… 1、 而且，模板是可以换的，整套配色也是可以换的，大纲内容是可以改的；每页 PPT 里的文字、图片和图标，都是可以调的。 所以，哪怕我需要把全部内容改一遍，因为有了下图的“靶子”，改起来，也花不了太多时间。 更棒的是，整个过程，没有花一分钱。因为，每个账号下，有9个PPT 的免费额度。 也有不限额度的AI，只不过，PPT模板相对没那么好看。 2、 下图的AI，就是99块钱一年的AiPPT（链接：猿猴学会使用工具成为了智人，你学会使用AiPPT，1分钟生成精美PPT！点击立即体验↓↓ 之前看他们老板分享，还以为做出来效果，会特别 low。但今日一见，已经能对付很多场景了。 这些年我见过的年中汇报 PPT 里，比它好看的真不多。 3、 AiPPT的设计感很强，但模型能力远不如【免费的】「讯飞星火-讯飞智文」agent。 比如都输入《玫瑰的故事》，后者明显能写出更多黄亦玫的细节。 此外，讯飞智文不仅生成速度快，不付费也能下载到本地，感兴趣可以试一下： 4、 上次年终汇报的时候，我试着用Gamma梳理过。gamma链接： 短短半年时间，国产AI 开始长成了我想要的样子。不得不承认，在AI 生成 PPT 方面，我还是低估了国产AI。 为了写这篇文章，我又去搜了一下，发现iSlide 的AI 模板功能，也能【免费】实现AiPPT 的设计感： 5、 最后，从三大维度做一个排名吧： ①流畅度和生成速度：讯飞智文＞AiPPT＞iSlide ②设计感：AiPPT＞iSlide＞讯飞智文 ③成本：AiPPT＞iSlide = 讯飞智文

不知道是谁整理的ai工具汇总，太全了（期待有人加上ppt和数字人）。

不知道是谁整理的ai工具汇总，太全了（期待有人加上ppt和数字人）。 AI文本 ChatGPT： NotionAI： A.I. Data Sidekick：AI工具编写 SQL、文档等的速度提高10倍 Writesonic：人工智能写作辅助工具 copy.ai：使用 AI 编写更好的营销文案和内容 Character.AI：AI人工交互 Fireflies：该工具可插入 Zoom、Teams 或 Webex 等流行的视频会议工具，并自动执行做笔记和创建转录的过程 Jasper： AI文案写作工具 Outplay： CoWriter：AI辅助写作 AI绘画 Midjourney：AI绘画神器 网站： 教程： PhotoRoom：擦除任何背景、对象 造梦师：只需一句话，让你的文字变成画作 ARC Lab：一款提供照片修复、抠图、画质增强的在线工具 Artbreeder：人工智能合成创意工具 Stockimg AI：生成各种各样的设计元素,包括logo、插画、图片壁纸等 niji·journey：二次元ai绘画 Getimg.ai：关键词生成图片的AI工具 Dreamlike.art：AI图像生成 文心一格 飞桨：AI艺术和创意辅助平台 Phygital+：AI图像生成 Beautiful.ai：AI生成PPT AI音频 Brain.fm：专注、放松、冥想和睡眠，聆听为您的大脑量身打造的音乐 Soundraw：人工智障生成音乐 Endel：个性化背景音，帮助您集中注意力、放松和睡眠 Riffusion：实时音乐和音频生成库 Papercup：人工智障配音和视频翻译软件 LALAL.AI：从任何音频和视频中提取人声、伴奏和各种乐器 Murf：使用多功能AI语音生成器从文本到语音 PolyAI：语音助手 Voicemod：语音实时变声器 Boomy：人工智障生成音乐 Mubert：人工智障生成音乐 AI视频 Runway： AI 魔法工具 Cascadeur：人工智障辅助关键帧动画软件 Synthesia：人工智障视频生成 Pollinations：文本转视频、图片 Zubtitle：为视频添加字幕和在线编辑视频 Munch：人工智障提取视频中的最引人入胜、最流行和最有影响力的片段

Claude Artifacts 神奇用法：人人都能制作的在线画板，全程不到三分钟？

Claude Artifacts 神奇用法：人人都能制作的在线画板，全程不到三分钟？ 「人工智能意味着计算机正在学习我们的语言，而不是我们必须学习它们的语言。」 Naval 几天前，Claude 带来目前最强的免费大模型3.5 Sonnet， 其综合能力领先GPT-4o ；而新特性 Artifacts 因为其超强的编程能力和所见即所得的实时交互，令AI研究者们尖叫不已。在我看来， Artifacts 正在引领一种全新的创作范式。Hans准备了一系列小教程，展示其惊人的能力边界。 与其说是教程，不过是实际操作的录屏：在此次绘画工具制作全流程中，你将看到一个好用的软件产品从想法、实现、完善到版本迭代只有短短几分钟，是如此简洁、优雅；甚至不需要理解任何编程语言，自然地对话，毫无门槛。唯一需要的，是你的好奇心。 尽量亲自尝试吧几句话就能生成复杂作品的神奇体验，是很难借助用他人的语言来充分感受的。 Enjoy ～ One more thing： 如果你是Claude 和ChatGPT 双栖用户，可以把我的GPTs Prompt for me当成兔子洞；它不仅能针对Claude 写出结构化的Prompts，还收集了不少 Artifacts 精华案例，一定能打开你的创作灵感。 Time to build～ Invalid media:

- 图4 展示了9个Discord 服务进入Top100的玩家：Midjourney为首，还有DomoAI、Pika、Suno等

- 图4 展示了9个Discord 服务进入Top100的玩家：Midjourney为首，还有DomoAI、Pika、Suno等。 AI 伴侣正在成为主流 - 6个月前， 只有两家AI 伴侣公司入选，此次更新报告中网页端8家、移动端2家。 -在网页排名第3， 移动榜单第16。 - 根据 SensorTower每个用户每月平均298个会话，则74个。 - 除了男女朋友， 更广泛的伴侣涌现， 包括友谊、娱乐、顾问和医疗等。 早期研究表明， AI在诊断准确性和临床态度都胜过真人医生。[2] （Hans 表示感同身受 ） - 在《Nature》杂志最新的一项研究中， Replika聊天机器人减少了3%的自杀倾向。 移动 vs. 网页，场景应用大不同 - 网页端一般支持更复杂、多步骤的内容生成和编辑工作流， 例如语音生成的Eleven Labs和AI绘画的Leonardo，还有PPT 利器 Gamma等， 它们都在Top 20之内。 - 移动端偏向于通用助理， 大多模仿ChatGPT， 甚至超过10家名称相似。 （这是抓住App Store 的SEO 优化空间，还有一些羊毛软件， 以类似标题和标识来欺骗用户） - 移动侧还有一些符合移动特性的AI 应用。 Facemoji 第9，Bobble 第31和Genie 第37都是专用键盘，在AI帮助下发短信；而Photomath 是手机扫描作业，而Elsa是语言学习。 AI 是一个全球风潮 - 硅谷可能是AI的中心， 但全世界都在制造受欢迎的产品。 - 榜单上 30%源自湾区，也只有1/3 移动应用源自美国。 - 图6展示了开发者的地理分布：北美除美国外，还有加拿大的多伦多、蒙特利尔；亚洲的北京、香港、首尔、伊斯坦堡、新加坡和河内等；欧洲、中东和大洋洲都广泛分布。 - 一些移动开发者多次创下佳绩：位于伊斯坦布尔的工作室 Codeway开发了Face Dance、Wonder和Chat & Ask AI，都持续在顶级的应用程序榜单上。 土耳其的HubX 开发了Nova、DaVinci和PhotoApp增强器等。 这份报告侧面证明了 AIGC 生态蓬勃发展，新一代 AI 产品将迎来进一步的腾飞。 It’s time to build～ 注释和参考： [1] AI 洞察：除了ChatGPT，新世界还涌现了哪些重磅玩家？ 2023.9 [2] Hans 的GPT Store 随机漫步：陪伴篇 [3] a16z 官方报告网址：

LeCun哈佛演讲PPT放出：唱衰自回归LLM 指明下一代AI方向

LeCun哈佛演讲PPT放出：唱衰自回归LLM 指明下一代AI方向 LeCun 给出了一个模块化的认知架构，它可能构成回答这些问题的途径。该架构的核心是一个可预测的世界模型，它允许系统预测其行动的后果，并规划一系列行动来优化一组目标。目标包括保证系统可控性和安全性的护栏。世界模型采用了经过自监督学习训练的分层联合嵌入预测架构（H-JEPA）。LeCun 的演讲围绕多方面展开。开始部分，LeCun 介绍了目标驱动的人工智能。LeCun 指出与人类、动物相比，机器学习真的烂透了，一个青少年可以在大约 20 小时的练习中学会开车，小朋友可以在几分钟内学会清理餐桌。相比之下，为了可靠，当前的 ML 系统需要通过大量试验进行训练，以便在训练期间可以覆盖最意外的情况。尽管如此，最好的 ML 系统在现实世界任务（例如驾驶）中仍远未达到人类可靠性。我们距离达到人类水平的人工智能还差得很远，需要几年甚至几十年的时间。在实现这一目标之前，或许会先实现拥有猫类（或者狗类）级别智能的 AI。LeCun 强调 AI 系统应该朝着能够学习、记忆、推理、规划、有常识、可操纵且安全的方向发展。LeCun 再一次表达了对自回归 LLM 的不满（从 ChatGPT 到 Sora，OpenAI 都是采用的自回归生成式路线），虽然这种技术路线已经充斥了整个 AI 界，但存在事实错误、逻辑错误、不一致、推理有限、毒性等缺陷。此外，自回归 LLM 对潜在现实的了解有限，缺乏常识，没有记忆，而且无法规划答案。在他看来，自回归 LLM 仅仅是世界模型的一种简化的特殊情况。为了实现世界模型，LeCun 给出的解决方案是联合嵌入预测架构（JEPA）。LeCun 花了大量篇幅介绍 JEPA 相关技术，最后他给出了简单的总结：放弃生成模型，支持联合嵌入架构；放弃概率模型，支持基于能量的模型（EBM）；放弃对比方法，支持正则化方法；放弃强化学习，支持模型 - 预测控制；仅当规划无法产生结果时才使用强化学习来调整世界模型。在开源问题上，LeCun 认为开源 AI 不应该因为监管而消失，人工智能平台应该是开源的，否则，技术将被几家公司所掌控。不过为了安全起见，大家还是需要设置共享护栏目标。对于 AGI，LeCun 认为根本不存在 AGI，因为智能是高度多维的。虽然现在 AI 只在一些狭窄的领域超越了人类，毫无疑问的是，机器最终将超越人类智能。机器学习烂透了，距离人类水平的 AI 还差得远LeCun 指出 AI 系统应该朝着能够学习、记忆、推理、规划、有常识、可操纵且安全的方向发展。在他看来，与人类和动物相比，机器学习真的烂透了，LeCun 指出如下原因：监督学习（SL）需要大量标注样本；强化学习（RL）需要大量的试验；自监督学习（SSL）效果很好，但生成结果仅适用于文本和其他离散模式。与此不同的是，动物和人类可以很快地学习新任务、了解世界如何运作，并且他们（人类和动物）都有常识。随后，LeCun 表示人类需要的 AI 智能助理需要达到人类级别。但是，我们今天距离人类水平的人工智能还差得很远。举例来说，17 岁的少年可以通过 20 小时的训练学会驾驶（但 AI 仍然没有无限制的 L5 级自动驾驶），10 岁的孩子可以在几分钟内学会清理餐桌，但是现在的 AI 系统还远未达到。现阶段，莫拉维克悖论不断上演，对人类来说很容易的事情对人工智能来说很难，反之亦然。那么，我们想要达到高级机器智能（Advanced Machine Intelligence，AMI），需要做到如下：从感官输入中学习世界模型的 AI 系统；具有持久记忆的系统；具有规划行动的系统；可控和安全的系统；目标驱动的 AI 架构（LeCun 重点强调了这一条）。自回归 LLM 糟糕透了自监督学习已经被广泛用于理解和生成文本，图像，视频，3D 模型，语音，蛋白质等。大家熟悉的研究包括去噪 Auto-Encoder、BERT、RoBERTa。LeCun 接着介绍了生成式 AI 和自回归大语言模型。自回归生成架构如下所示：自回归大语言模型（AR-LLM）参数量从 1B 到 500B 不等、训练数据从 1 到 2 万亿 token。ChatGPT、Gemini 等大家熟悉的模型都是采用这种架构。LeCun 认为虽然这些模型表现惊人，但它们经常出现愚蠢的错误，比如事实错误、逻辑错误、不一致、推理有限、毒性等。此外，LLM 对潜在现实的了解有限，缺乏常识，没有记忆，而且无法规划答案。LeCun 进一步指出自回归 LLM 很糟糕，注定要失败。这些模型不可控、呈指数发散，并且这种缺陷很难修复。此外，自回归 LLM 没有规划，充其量就是大脑中的一小部分区域。虽然自回归 LLM 在协助写作、初稿生成、文本润色、编程等方面表现出色。但它们经常会出现幻觉，并且在推理、规划、数学等方面表现不佳，需要借助外部工具才能完成任务。用户很容易被 LLM 生成的答案所迷惑，此外自回归 LLM 也不知道世界是如何运转的。LeCun 认为当前 AI 技术（仍然）距离人类水平还很远，机器不会像动物和人类那样学习世界的运作方式。目前看来自回归 LLM 无法接近人类智力水平，尽管 AI 在某些狭窄的领域超过了人类。但毫无疑问的是，最终机器将在所有领域超越人类智慧。目标驱动的 AI在 LeCun 看来，目标驱动的 AI 即自主智能（autonomous intelligence）是一个很好的解决方案，其包括多个配置，一些模块可以即时配置，它们的具体功能由配置器（configurator）模块确定。配置器的作用是执行控制：给定要执行的任务，它预先配置针对当前任务的感知（perception）、世界模型（world model）、成本（cost）和参与者（actor）。关于这部分内容，大家可以参考：思考总结 10 年，图灵奖得主 Yann LeCun 指明下一代 AI 方向：自主机器智能目标驱动的 AI 中最复杂的部分是世界模型的设计。设计和训练世界模型关于这部分内容，我们先看 LeCun 给出的建议：放弃生成模型，支持联合嵌入架构；放弃概率模型，支持基于能量的模型（EBM）；放弃对比方法，支持正则化方法；放弃强化学习，支持模型 - 预测控制；仅当规划无法产生结果时才使用强化学习来调整世界模型。LeCun 指出生成架构不适用于图像任务，未来几十年阻碍人工智能发展的真正障碍是为世界模型设计架构以及训练范式。训练世界模型是自监督学习（SSL）中的一个典型例子，其基本思想是模式补全。对未来输入（或暂时未观察到的输入）的预测是模式补全的一个特例。在这项工作中，世界模型旨在预测世界状态未来表征。联合嵌入预测架构（JEPA）LeCun 给出的解决方案是联合嵌入预测架构（JEPA），他介绍了联合嵌入世界模型。LeCun 进一步给出了生成模型和联合嵌入的对比：生成式：预测 y（包含所有细节）；联合嵌入：预测 y 的抽象表示。LeCun 强调 JEPA 不是生成式的，因为它不能轻易地用于从 x 预测 y。它仅捕获 x 和 y 之间的依赖关系，而不显式生成 y 的预测。下图显示了一个通用 JEPA 和生成模型的对比。LeCun 认为动物大脑的运行可以看作是对现实世界的模拟，他称之为世界模型。他表示，婴儿在出生后的头几个月通过观察世界来学习基础知识。观察一个小球掉几百次，普通婴儿就算不了解物理，也会对重力的存在与运作有基础认知。LeCun 表示他已经建立了世界模型的早期版本，可以进行基本的物体识别，并正致力于训练它做出预测。基于能量的模型（通过能量函数获取依赖关系）演讲中还介绍了一种基于能量的模型（EBM）架构，如图所示，数据点是黑点，能量函数在数据点周围产生低能量值，并在远离高数据密度区域的地方产生较高能量，如能量等高线所示。训练 EBM 有两类方法... PC版： 手机版：