Navigate to WaytoAGI Wiki →
Home/Question List/Question Detail

有没有能根据哼唱，出伴奏的AI

Answer

以下是一些能根据哼唱出伴奏的 AI 相关信息：

  • 在音乐创作中，如果只有词和一小段自己哼唱的旋律，可以上传这段哼唱的旋律，让 AI 扩展出自己喜欢的风格，然后将这段音轨作为动机音轨继续创作。
  • 对于已有简单录音小样，可以利用 REMIX 优化音质与编曲结构，并利用 AI 尝试不同曲风版本，找到最喜欢的风格，然后制作成核心音轨，进而完成全曲创作。

同时，在使用 AI 进行音乐相关处理时也存在一些问题和需要注意的地方：

  • 检查乐谱时，主旋律基本能还原，但可能会把噪声识别成音符形成错误信息，需要具备乐理知识去修复。
  • 重奏输出方面，修谱和重奏软件可以使用 Musehub 中的 Muse Score，它支持多种常用音频编辑格式的导出和高清输出。
  • 目前存在一些待解决的问题，如延长音部分可能会抢节奏，爵士乐中的临时升降号可能导致判断混乱，高音和低音的符点会相互影响，基础修谱可能导致旋律单调等。

在将 Midi 导出到 MP3 虚拟演奏文件时，可以直接导总谱或分轨导出，后期若想输出到某些音乐平台可能需要转码。还可以使用相关软件修改音色进行渲染。把文件丢给 AI 做二次创作时，可以根据具体情况选择完整小节或在中间掐断。

Content generated by AI large model, please carefully verify (powered by aily)

References

从《We Are The One》开始说起——它的诞生背后的融合工作流

只有词和意向风格：先确定最核心情绪所在的段落，以此段落用AI生成最好的结果，然后将其作为动机音轨扩展创作，这也是最常见的创作思路。只有词，和一小段自己哼唱的旋律：那么可以上传这段自己哼唱的旋律，让AI扩展出自己喜欢的风格，然后将这段音轨作为动机音轨继续创作。已有midi作曲：可以简单的挂载音源导出，并在AI的帮助下不断丰满这段包含主歌、副歌等主要段落的核心音轨，然后继续扩展出其他段落形成完整歌曲。已有简单录音小样：可以利用REMIX优化音质与编曲结构，并利用AI的尝试不同曲风版本，找到自己最喜欢的风格，然后制作成核心音轨，进而完成全曲创作。3、能较好的兼容传统音乐制作手段，多种处理手段的应用可以让作品更有个性：

[音乐学习] AI音乐向100分迈进，钢琴曲音质修复

目前测试下来，主旋律基本都是可以还原的，但也会出现一些问题，比如AI音乐里的噪声可能会识别成音符，形成一些错误信息，这个时候需要具备一定乐理知识去修复（这部分我后续会找些办法解决更新）。测试下来整体完成度大概90%，音乐的旋律基本没问题，不过还有一些细节需要改进，后面我会有进展后持续更新，可以听听转置完成的音效，比AI生成的要好多了。[heading1]重奏输出[content]修谱和重奏软件可以去下载一个[Musehub](http://www.musehub.com/)，里面的Muse Score是一个轻量级的乐谱编辑工具，可以实时修改乐谱，试听，以及按照高清音效进行输出支持导出乐谱，音频，Midi，XML等常用的音频编辑格式，支持最高320kbps，32000-44800Hz的高清输出下面是转录过后（还没有修谱）的demo，耳机的差异会更明显[转谱.mp3](https://bytedance.feishu.cn/space/api/box/stream/download/all/CFKMby4I9oA47Qx7IJ4cbGwjnQc?allow_redirect=1)[heading1]待解决的问题[content]1.有延长音的部分，可能会抢节奏2.因为我转的示例是爵士乐，会有很多临时的升降号，可能会导致判断混乱3.高音和低音的符点会相互影响，目前测试下来，低音的影响会更多一些4.基础的修谱是保留主旋律，去除杂音，但结果可能是旋律太单调，容易被平台拒审，听起来也缺少立体感

[音乐学习] AI音乐-自定义前奏的一种工作流

可以直接导总谱，也可以分轨导出（适用于不同乐器组合，由于制谱软件有很重的midi味，有时需要调整乐器音色）320kbit码率是各大音乐平台的门槛，而向Suno导出的是192k的，后期如果想输出到QQ音乐之类，需要转个码（虽然单纯转码对音质没有直接提升~）导出以后就可以喂给AI了修改音色这一步不是必须，也有很多染色的软件可以用，比如我现在用的是Neutron4，从Youtube上面下载一些自己喜欢的乐器音色（比如雅马哈大钢琴），然后用宿主软件打开插件，导入这段音频，就可以实现渲染了（刚刚Studio One过期了，这里就先不放图了）[heading1]步骤4：丢给AI做二次创作：[content]我比较喜欢丢完整的小节给AI，这样节奏的识别性更好，当然也可以在中间掐断，AI的识别能力还是不错的：接下来就是细化去roll后面的部分，这个就步细讲了，大家可以自由发挥最后丢个完整版（前奏有点长没剪，AI生成的部分在53秒之后）：输出响度调大了，大家可以把音量降下来点~[Udio完整版.mp3](https://bytedance.feishu.cn/space/api/box/stream/download/all/V3yxbOQtXolGWPxG4Jnc5MWdn9d?allow_redirect=1)

Others are asking
如何让企业微信可以接上 AI？让我的企业微信号变成一个 AI 客服
要让企业微信接上 AI 并变成一个 AI 客服，可以参考以下内容： 1. 基于 COW 框架的 ChatBot 实现方案：这是一个基于大模型搭建的 Chat 机器人框架，可以将多模型塞进微信（包括企业微信）里。张梦飞同学写了更适合小白的使用教程，链接为： 。 可以实现打造属于自己的 ChatBot，包括文本对话、文件总结、链接访问、联网搜索、图片识别、AI 画图等功能，以及常用开源插件的安装应用。 正式开始前需要知道：本实现思路需要接入大模型 API 的方式实现（API 单独付费）。 风险与注意事项：微信端因为是非常规使用，会有封号危险，不建议主力微信号接入；只探讨操作步骤，请依法合规使用，大模型生成的内容注意甄别，确保所有操作均符合相关法律法规的要求，禁止将此操作用于任何非法目的，处理敏感或个人隐私数据时注意脱敏，以防任何可能的滥用或泄露。 支持多平台接入，如微信、企业微信、公众号、飞书、钉钉等；多模型选择，如 GPT3.5/GPT4.0/Claude/文心一言/讯飞星火/通义千问/Gemini/GLM4/LinkAI 等等；多消息类型支持，能处理文本、语音和图片，以及基于自有知识库进行定制的企业智能客服功能；多部署方法，如本地运行、服务器运行、Docker 的方式。 2. DIN 配置：先配置 FastGpt、OneAPI，装上 AI 的大脑后，可体验知识库功能并与 AI 对话。新建应用，在知识库菜单新建知识库，上传文件或写入信息，最后将拥有知识库能力的 AI 助手接入微信。
2025-05-09
围棋AI
围棋 AI 领域具有重要的研究价值和突破。在古老的围棋游戏中，AI 面临着巨大挑战，如搜索空间大、棋面评估难等。DeepMind 团队通过提出全新方法，利用价值网络评估棋面优劣，策略网络选择最佳落子，且两个网络以人类高手对弈和 AI 自我博弈数据为基础训练，达到蒙特卡洛树搜索水平，并将其与蒙特卡洛树搜索有机结合，取得了前所未有的突破。在复杂领域 AI 第一次战胜人类的神来之笔 37 步，也预示着在其他复杂领域 AI 与人类智能对比的进一步突破可能。此外，神经网络在处理未知规则方面具有优势，虽然传统方法在处理象棋问题上可行，但对于围棋则困难重重，而神经网络专门应对此类未知规则情况。关于这部分内容，推荐阅读《这就是 ChatGPT》一书，其作者备受推崇，美团技术学院院长刘江老师的导读序也有助于了解 AI 和大语言模型计算路线的发展。
2025-05-08
什么AI工具可以实现提取多个指定网页的更新内容
以下 AI 工具可以实现提取多个指定网页的更新内容： 1. Coze：支持自动采集和手动采集两种方式。自动采集包括从单个页面或批量从指定网站中导入内容，可选择是否自动更新指定页面的内容及更新频率。批量添加网页内容时，输入要批量添加的网页内容的根地址或 sitemap 地址然后单击导入。手动采集需要先安装浏览器扩展程序，标注要采集的内容，内容上传成功率高。 2. AI Share Card：能够一键解析各类网页内容，生成推荐文案，把分享链接转换为精美的二维码分享卡。通过用户浏览器，以浏览器插件形式本地提取网页内容。
2025-05-01
AI文生视频
以下是关于文字生成视频（文生视频）的相关信息： 一些提供文生视频功能的产品： Pika：擅长动画制作，支持视频编辑。 SVD：Stable Diffusion 的插件，可在图片基础上生成视频。 Runway：老牌工具，提供实时涂抹修改视频功能，但收费。 Kaiber：视频转视频 AI，能将原视频转换成各种风格。 Sora：由 OpenAI 开发，可生成长达 1 分钟以上的视频。 更多相关网站可查看：https://www.waytoagi.com/category/38 。 制作 5 秒单镜头文生视频的实操步骤（以梦 AI 为例）： 进入平台：打开梦 AI 网站并登录，新用户有积分可免费体验。 输入提示词：涵盖景别、主体、环境、光线、动作、运镜等描述。 选择参数并点击生成：确认提示词无误后，选择模型、画面比例，点击「生成」按钮。 预览与下载：生成完毕后预览视频，满意则下载保存，不理想可调整提示词再试。 视频模型 Sora：OpenAI 发布的首款文生视频模型，能根据文字指令创造逼真且充满想象力的场景，可生成长达 1 分钟的一镜到底超长视频，视频中的人物和镜头具有惊人的一致性和稳定性。
2025-04-20
Ai在设备风控场景的落地
AI 在设备风控场景的落地可以从以下几个方面考虑： 法律法规方面：《促进创新的人工智能监管方法》指出，AI 的发展带来了一系列新的安全风险，如对个人、组织和关键基础设施的风险。在设备风控中，需要关注法律框架是否能充分应对 AI 带来的风险，如数据隐私、公平性等问题。 趋势研究方面：在制造业中，AI Agent 可用于生产决策、设备维护、供应链协调等。例如，在工业设备监控与预防性维护中，Agent 能通过监测传感器数据识别异常模式，提前通知检修，减少停机损失和维修成本。在生产计划、供应链管理、质量控制、协作机器人、仓储物流、产品设计、建筑工程和能源管理等方面，AI Agent 也能发挥重要作用，实现生产的无人化、决策的数据化和响应的实时化。
2025-04-20
ai视频
以下是 4 月 11 日、4 月 9 日和 4 月 14 日的 AI 视频相关资讯汇总： 4 月 11 日： Pika 上线 Pika Twists 能力，可控制修改原视频中的任何角色或物体。 Higgsfield Mix 在图生视频中，结合多种镜头运动预设与视觉特效生成视频。 FantasyTalking 是阿里技术，可制作角色口型同步视频并具有逼真的面部和全身动作。 LAM 开源技术，实现从单张图片快速生成超逼真的 3D 头像，在任何设备上快速渲染实现实时互动聊天。 Krea 演示新工具 Krea Stage，通过图片生成可自由拼装 3D 场景，再实现风格化渲染。 Veo 2 现已通过 Gemini API 向开发者开放。 Freepik 发布视频编辑器。 Pusa 视频生成模型，无缝支持各种视频生成任务（文本/图像/视频到视频）。 4 月 9 日： ACTalker 是多模态驱动的人物说话视频生成。 Viggle 升级 Mic 2.0 能力。 TestTime Training在英伟达协助研究下，可生成完整的 1 分钟视频。 4 月 14 日： 字节发布一款经济高效的视频生成基础模型 Seaweed7B。 可灵的 AI 视频模型可灵 2.0 大师版及 AI 绘图模型可图 2.0 即将上线。
2025-04-20
国内有什么好的音乐AI可以用即兴哼唱旋律去写歌
以下是国内一些可用即兴哼唱旋律写歌的音乐 AI 相关信息： 《We Are The One》的创作思路： 只有词和意向风格：先确定最核心情绪所在段落，用 AI 生成最佳结果，以此作为动机音轨扩展创作。 只有词和一小段自己哼唱的旋律：上传哼唱旋律，让 AI 扩展出喜欢的风格，作为动机音轨继续创作。 已有 midi 作曲：挂载音源导出，在 AI 帮助下丰满包含主歌、副歌等主要段落的核心音轨，然后继续扩展出其他段落完成全曲创作。 已有简单录音小样：利用 REMIX 优化音质与编曲结构，利用 AI 尝试不同曲风版本，找到最喜欢的风格制作成核心音轨，进而完成全曲创作。 Suno 和 Udio 推出的上传音频文件生成音乐的功能： 精确控制每首歌的速度（Tempo），无需背绕口的速度词，可精确控制想要的 BPM。 控制旋律（Melody），通过自己制作简单旋律让 AI 补全并贯穿整首歌，实现旋律与速度的一谱变速，节省大量 Roll 旋律的时间。 选择配器（Instrumentation），按想法选乐器，减少提示词中乐器不灵光的情况，也可选择特殊音色。 进行合成（synthesizer），当有两支 BPM 相同、调性相同的音乐时，可尝试更多拆分组合和有趣效果。 节省上传音频的点数消耗后，点数可用于：用提示词多 Roll 一些和流派、心情、场景相关的曲子，减少限制让 AI 音乐发挥更多创造力，把好旋律存起来作为制作素材；用于 roll 更多细节调整部分，如让某段曲子升调，提升作品品质。
2025-03-29
AI如何帮我写歌，把我哼唱的旋律变成具体音高和乐句
AI 可以通过以下方式帮助您将哼唱的旋律变成具体音高和乐句： 1. Suno 和 Udio 推出了上传音频文件生成音乐的功能，利用此功能，您可以上传哼唱的旋律。有了前置旋律，能精确控制歌曲的速度（Tempo），无需再背绕口的速度词，可精确设定想要的 BPM；控制旋律（Melody），自己制作简单旋律让 AI 补全并贯穿整首歌，还能实现旋律与速度的一谱变速，节省大量 Roll 旋律的时间；选择配器（Instrumentation），按想法选乐器或特殊音色；进行合成（synthesizer），对相同 BPM 和调性的音乐尝试拆分组合以获得更好效果。 2. 对于每个月的点数，您可以用提示词多 Roll 一些和流派、心情、场景相关的曲子，减少限制以发挥 AI 音乐的创造力，并把好旋律存起来作为制作素材；还可以用于 roll 更多细节调整部分，如让某段曲子升调，提升作品品质。 3. 如果只有词和意向风格，先确定最核心情绪所在段落，用 AI 生成最好结果，以此作为动机音轨扩展创作；只有词和一小段自己哼唱的旋律，可以上传哼唱旋律让 AI 扩展出喜欢的风格，将其作为动机音轨继续创作；已有 midi 作曲，可挂载音源导出，在 AI 帮助下丰满核心音轨再扩展出其他段落形成完整歌曲；已有简单录音小样，可利用 REMIX 优化音质与编曲结构，借助 AI 尝试不同曲风版本找到最喜欢的风格，制作成核心音轨进而完成全曲创作。
2025-03-29
自己哼唱的歌制作歌曲，歌普ai软件
以下是一些关于将自己哼唱的歌制作成歌曲的相关信息和可用的 AI 软件： 工作流回顾： 只有词和意向风格：先确定最核心情绪所在的段落，以此段落用 AI 生成最好的结果，然后将其作为动机音轨扩展创作，这也是最常见的创作思路。 只有词，和一小段自己哼唱的旋律：可以上传这段自己哼唱的旋律，让 AI 扩展出自己喜欢的风格，然后将这段音轨作为动机音轨继续创作。 已有 midi 作曲：可以简单的挂载音源导出，并在 AI 的帮助下不断丰满这段包含主歌、副歌等主要段落的核心音轨，然后继续扩展出其他段落形成完整歌曲。 已有简单录音小样：可以利用 REMIX 优化音质与编曲结构，并利用 AI 的尝试不同曲风版本，找到自己最喜欢的风格，然后制作成核心音轨，进而完成全曲创作。 能较好的兼容传统音乐制作手段，多种处理手段的应用可以让作品更有个性。 AI 软件： Deepmind 与 YouTube 的 Lyria 音乐生成模型：只要哼唱或者吹口哨就能帮您自动生成交响乐，支持歌词创作和风格控制，能模仿艺术家风格，生成音频带 AI 水印。相关链接：https://deepmind.google/discover/blog/transformingthefutureofmusiccreation/ ，
2024-10-27
能够通过 给出 伴奏 和 歌词 生成音频文件
Suno 和 Udio 都推出了上传音频文件生成音乐的功能，很多行业大号借此做了各种无厘头编曲，短期能带来很多流量。此功能对于 AI 音乐的作用在于精确的控制力，有了前置旋律，可以精确控制每首歌的速度（Tempo），无需再背绕口的速度词，能精确控制想要的 BPM；旋律（Melody）方面，可自己制作简单旋律让 AI 补全并贯穿整首歌，实现旋律与速度的一谱变速，节省大量 Roll 旋律的时间；配器（Instrumentation）能按自己想法选择乐器，减少提示词里乐器不灵光的情况，还能选择特殊音色；合成（synthesizer）方面，当有两支 BPM 相同、调性相同的音乐时，可尝试更多拆分组合和好玩的效果。 上传音频节省了点数消耗，每月的点数可用于：用提示词多 Roll 一些和流派、心情、场景相关的曲子，减少限制让 AI 音乐发挥更多创造力，把好旋律存起来作为制作素材；用于 roll 更多细节调整，如让某段曲子升调提升作品品质。 UDIO 制作音乐时，除了更改每个部分的提示，还能指定单独的自定义歌词。构建 1.5 分钟长的独立歌曲的最简单工作流程为：使用常规创建模式生成中间（主要）部分，这是曲目的“核心”；为刚创建的部分输入扩展模式，在扩展放置区域中选择添加介绍选项并单击扩展，生成的两部分轨道长 1 分钟；进入 1 分钟曲目的扩展模式，选择“添加尾奏”并单击“扩展”，即可创作有正确开头和结尾的音乐。
2024-12-12
有没有可以制作音乐伴奏的AI软件
以下是一些可以制作音乐伴奏的 AI 软件相关信息： 智音 Brook 公众号分享了 AI 音乐动态，提到全新升级的音乐人工智能工具数据库，其中包含超过 130 种工具、模型和数据集，还包括通过潜在扩散生成低音伴奏等内容。 Suno 和 Udio 推出了上传音频文件生成音乐的功能，利用前置旋律可以精确控制一首歌的速度、旋律、配器、合成等方面。例如，能精确控制想要的 BPM，让 AI 补全自己制作的简单旋律并贯穿整首歌，按想法选择乐器，尝试不同音乐的拆分组合等。
2024-07-30
有没有能根据描述，生成对应的word模板的ai
目前有一些可以根据描述生成特定内容的 AI 应用和方法。例如： 在法律领域，您可以提供【案情描述】，按照给定的法律意见书模板生成法律意见书。例如针对商业贿赂等刑事案件，模拟不同辩护策略下的量刑结果，对比并推荐最佳辩护策略，或者为商业合同纠纷案件设计诉讼策略等。 在 AI 视频生成方面，有结构化的提示词模板，包括镜头语言（景别、运动、节奏等）、主体强化（动态描述、反常组合等）、细节层次（近景、中景、远景等）、背景氛围（超现实天气、空间异常等），以及增强电影感的技巧（加入时间变化、强调物理规则、设计视觉焦点转移等）。 一泽 Eze 提出的样例驱动的渐进式引导法，可利用 AI 高效设计提示词生成预期内容。先评估样例，与 AI 对话让其理解需求，提炼初始模板，通过多轮反馈直至达到预期，再用例测试看 AI 是否真正理解。 但需要注意的是，不同的场景和需求可能需要对提示词和模板进行针对性的调整和优化，以获得更符合期望的 word 模板。
2025-04-18
对于用cursor来开发，有没有好好用prompt来使cursor变得更加好用
以下是关于如何用 prompt 使 Cursor 变得更好用的相关内容： 在 prompt 方面，Devin 有一个特别有帮助的文档（https://docs.devin.ai/learnaboutdevin/prompting），它会教您什么样的 prompt 在与 Devin 沟通时最有效，比如明确定义成功的标准，如跑通某个测试或访问某个链接能对得上等。将同样的原则应用到 Cursor 中，会发现 Cursor 变得聪明很多，能自主验证任务完成情况并进行迭代。 Cursor 在生成单测方面表现出色。相对 GPT 等工具，Cursor 解决了上下文缺失和难以实现增量更新的问题。它可以向量化整个代码仓库，在生成单测代码时能同时提供目标模块及对应的上下游模块代码，生成结果更精确。例如，使用适当的 Prompt 能返回基于 Vitest 的结果，调整成本较小。 Cursor 支持使用.cursorrules 文件设定项目的系统提示词，针对不同语言可设定不同的 Prompt。@AIChain 花生做了一个 Cursor 插件解决提示语管理问题，可选择不同的.cursorrules 文件，还可从 https://cursor.directory/ 和 https://cursorlist.com/ 寻找提示词。此外，还有一个提示语小技巧，给已有的提示语追加上特定规则，可使模型在搜索资源和思考时默认使用英语，回复转换成中文，或更灵活地根据提问语言进行回复。
2025-04-14
有没有把pdf转成word的ai
以下是一些可以将 PDF 转换成 Word 的 AI 工具和方法： 1. DeepL（网站）：，点击页面「翻译文件」按钮，上传 PDF、Word 或 PowerPoint 文件即可。 2. 沉浸式翻译（浏览器插件）：，安装插件后，点击插件底部「更多」按钮，选择「制作双语 BPUB 电子书」、「翻译本地 PDF 文件」、「翻译 THML/TXT 文件」、「翻译本地字幕文件」。 3. Calibre（电子书管理应用）：，下载并安装 calibre，并安装翻译插件「Ebook Translator」。 4. 谷歌翻译（网页）：，使用工具把 PDF 转成 Word，再点击谷歌翻译「Document」按钮，上传 Word 文档。 5. 百度翻译（网页）：，点击导航栏「文件翻译」，上传 PDF、Word、Excel、PPT、TXT 等格式的文件，支持选择领域和导出格式（不过进阶功能基本都需要付费了）。 6. 彩云小译（App）：下载后点击「文档翻译」，可以直接导入 PDF、DOC、DOCX、PPT、PPTX、TXT、epub、srt 等格式的文档并开始翻译（不过有免费次数限制且进阶功能需要付费）。 7. 微信读书（App）：下载 App 后将 PDF 文档添加到书架，打开并点击页面上方「切换成电子书」，轻触屏幕唤出翻译按钮。 请注意，内容由 AI 大模型生成，请仔细甄别。
2025-04-14
有没有AI面试
有的，目前有一些 AI 面试官的相关产品。例如： 1. 用友大易 AI 面试产品：具有强大的技术底座、高度的场景贴合度、招聘全环节集成的解决方案、先进的防作弊技术以及严密的数据安全保障。能帮助企业完成面试，借助人岗匹配模型自主完成初筛，并对符合企业要求的候选人自动发送面试邀约。 2. 海纳 AI 面试：通过在线方式、无需人为干预完成自动面试、自动评估，精准度高达 98%，面试效率比人工方式提升 5 倍以上。同时候选人体验也得到改善、到面率比之前提升最高达 30%。 3. InterviewAI：这是一个在线平台，提供与面试职位相关的问题和由 AI 生成的推荐答案。候选人可以使用设备上的麦克风回答每个问题，每个问题最多回答三次。对于每个答案，候选人将收到评估、建议和得分。 不过，使用这些产品时，企业需要考虑到数据安全性和隐私保护的问题。 此外，在 3 月 19 日的 XiaoHu.AI 日报中，提到了一些其他的 AI 相关内容： 1. 克隆一个自己，用 AI 面试：创新的克隆 AI 面试应用。链接：https://x.com/imxiaohu/status/1770011969229390287?s=20 2. SystemAnimatorOnline，全身运动捕捉：基于 AI 的全身运动捕捉方案，仅需网络摄像头。新交互方式，适用于虚拟直播和视频制作。链接：https://github.com/ButzYung/SystemAnimatorOnline… 、https://x.com/imxiaohu/status/1769957973252796634?s=20 3. Apollo 机器人，自主制作果汁：展示与英伟达 Project GROOT 合作，实现任务自主完成。从人类示范中学习，无需回初始位置。链接：https://x.com/imxiaohu/status/1770047098731577481?s=20 4. MindEye2，重建大脑所见图像：仅需 1 小时 fMRI 数据，重建观察者所见图像。能识别多个图像选项中的实际所见。实现不同受试者数据的有效泛化。链接：https://medarcai.github.io/mindeye2/ 、https://arxiv.org/abs/2403.11207 、https://github.com/MedARCAI/MindEyeV2 、https://x.com/imxiaohu/status/1770021233129885989?s=20 5. 英伟达 Blackwell GPU
2025-04-14
有没有优质的系统的coze入门网课？
以下是一些优质的系统的 Coze 入门网课推荐： 另外，还有“一泽 Eze:万字实践教程，全面入门 Coze 工作流｜用 Coze 打造 AI 精读专家智能体，复刻 10 万粉公众号的创作生产力”，这可能是全网最好的 Coze 教程（之一），即使是非技术出身的爱好者也能上手跟学，一站式学会 AI Agent 从设计到落地的全流程方法论。其核心看点包括通过实际案例逐步演示用 Coze 工作流构建能够稳定按照模板要求生成结构化内容的 AI Agent、开源 AI Agent 的设计到落地的全过程思路、10+项常用的 Coze 工作流的配置细节、常见问题与解决方法等。适合任何玩过 AI 对话产品的一般用户，以及希望深入学习 AI 应用开发平台（如 Coze、Dify），对 AI Agent 工作流配置感兴趣的爱好者。但需注意，本文不单独讲解案例所涉及 Prompt 的撰写方法。文末「拓展阅读」中，附有相关 Prompt 通用入门教程、Coze 其他使用技巧等内容，以供前置或拓展学习。
2025-04-14
有没有免费制作数字人的网站？
以下是一些免费制作数字人的网站及使用方法： HEYGEN： 优点：人物灵活，五官自然，视频生成很快。 缺点：中文的人声选择较少。 使用方法：点击网址注册后，进入数字人制作，选择Photo Avatar上传自己的照片。上传后效果如图所示，My Avatar处显示上传的照片。点开大图后，点击Create with AI Studio，进入数字人制作。写上视频文案并选择配音音色，也可以自行上传音频。最后点击Submit，就可以得到一段数字人视频。 DID： 优点：制作简单，人物灵活。 缺点：为了防止侵权，免费版下载后有水印。 使用方法：点击上面的网址，点击右上角的Create vedio。选择人物形象，可以点击ADD添加照片，或者使用DID给出的人物形象。配音时，可以选择提供文字选择音色，或者直接上传一段音频。最后，点击Generate vedio就可以生成一段视频。打开自己生成的视频，可以下载或者直接分享给朋友。 KreadoAI： 优点：免费（对于普通娱乐玩家很重要），功能齐全。 缺点：音色很AI。 使用方法：点击上面的网址，注册后获得120免费k币，这里选择“照片数字人口播”的功能。点击开始创作，选择自定义照片。配音时，可以选择提供文字选择音色，或者直接上传一段音频。打开绿幕按钮，点击背景，可以添加背景图。最后，点击生成视频。 此外，在剪映中也可以生成数字人：在剪映右侧窗口顶部，打开“数字人”选项，选取一位免费的、适合的数字人形象，比如“婉婉青春”。选择数字人形象时，软件会播放声音，可判断是否需要，点击右下角的“添加数字人”，将其添加到当前视频中。软件会根据提供的内容生成对应音视频，并添加到当前视频文件的轨道中。左下角会提示渲染完成，可点击预览按钮查看效果。还可以为视频增加背景图片，删除先前导入的文本内容，点击左上角的“媒体”菜单并点击“导入”按钮，选择本地图片上传，将图片添加到视频轨道上，通过拖拽轨道右侧竖线使其与视频对齐。
2025-04-11