first object yes what object am i holding you are holding a can of diet coke? yes how many calories does it have searching the web okay it's gonna search the web and give us a result diet coke doesn't have any calories yes what object am i holding up now and search for it on amazon so that i can buy it searching the way i found this toothbrush on amazon for six dollar and sixty four cents it gets four point seven stars on fourteen thousand seven hundred twelve reviews okay there's the source i who is this guy tell me a little bit about him searching the win this should get it right。
粉丝10.8万获赞132.7万

各位,科技真的大爆炸了, gps 识图功能一直不上,现在被一个叫做迷你 gps 的网站给做出来了,真的太炸裂了,而且团队大多数都是华人。 我让他给彭贺洲的头像编个故事,这故事的水平真的秒杀了很多编剧的水平了。我又让他识别这个图有什么笑点,他的回答真的很恐怖,他竟然能看出来这只鸡在狗身上很享受。 此外,他可以看着图就能说出来植物生病了,而且是因为真菌感染,可以根据实物图片给你出来详细的菜谱, 甚至可以根据这么潦草的一个草图直接做出来一个网站。朋友们,我感觉好不真实啊,我们到底生活在一个怎样的世界?

你们知道这个功能出来之后能为某些行业省多少钱吗?来我一个视频给你们讲清楚啊,这个功能是 gb 四的多模态啊,昨天出来了。所谓多模态,其实用人话说就是他能看懂图片了啊,这个视频我们只关注他两个点啊,第一个点就是他发一张图片,上面你可以,他可以知道你要问的重点是什么,就是这种画圈功能 啊,他能识别到这个圈和这个图片。第二呢,就是他具备 ocr 级别的文字手册精度识别。 ocr 的意思是他能看懂图中的文字啊,无论你文字是什么国家的语言啊,他都能看懂, 并且支持多张推理能力。这个案例中其实就是第一张图是自行车车座子的维修手册,第二张图是他手里边有的工具箱,然后他问 gpt 现在这个工具在哪?然后 gpt 跟他说你的工具在你左侧的第几排的哪个工具?其实这个案例我们可以看出来, gpt 在多模肽的精度处理上还是很 ok 的,那基于这个功能我们能够捕获什么 价值?我们能在哪些行业发力啊?狗哥给大家抛个砖引个玉啊,以后所有需要上门维修的行业,我们是不是都可以自行接入这样的一个指导工具 啊?然后把它比如接到微信的公众号里边,然后呢,让这个用户拍一张照片,拍一张照片之后问,然后再画个圈,或说我这坏了应该怎么处理?那现在我是不是可以自行处理?不能自行处理的话,那你们的人工是什么?结合原来 open i 的分身扣,咱们大家讲过很多,对吧?处理让人工接手 啊这样的一个前端的前置的客服功能,我觉得 gpt 只要开放了这个呃,多模态的 api, 我就实现这个功能简直是分分钟的事。比如说以某些设计领域的方案,把有有一些设计领域的这种格式来要求 gpt 基于某些 标准去帮我检测图片是否合规,或者图片是否 ok, 符合哪些点。那这种都是我们可以做 啊,狗哥目前开了很多脑洞,你们认为可以基于多么太做什么东西来捕获价值,什么行业,你在评论区留言,如果有特别好的想法,狗哥直接给你实现出来送给你,然后咱们再琢磨怎么分钱好不好?

okay cool! hello everyone it's me so as you can see we are getting some object detection so you can see it's sang like my beanbag running music couch it's got my chair it's got me so what i did was i took a pretty trained yellow v8 model which is just a vision model? and i added some of my own custom data the labeling is not a hundred percent right yet and as you can see we're getting this info live but i have three objects to test it on and what i also did was i hooked this up to open ai's whisper so that i can use my voice and then we're using google text to speech so that it gives the computer a voice even the voice is not good so i'm gonna go ahead and run this and we're gonna kind of run through these three objects i have and i'm gonna show you what happens when you give gpt4 eyes and you hook it up to the internet you hook it up to your webcam so let's let's run through this check this out first object yes what object? am i holding you are holding a can of diet coke yes how many calories does it have searching the web okay it's gonna search the web and give us a result diet coke doesn't have any calories yes what object? am i holding up now and search for it on amazon so that i can buy it searching the web i found this toothbrush on amazon for six dollars and sixty four cents it gets four point seven stars on fourteen thousand seven hundred twelve reviews okay there's the source i who is this guy tell me a little bit about him this should get it right john wick is a fictional character played by keanu reeves in the neo noir action thriller film series john is a legendary hitman who seeks revenge after again invades his home steals, his car and kills, his puppy that was a gift from his late wife this sends him back into the criminal underworld and puts him in conflict with the international。

亲娘啊,这是不打算让人睡觉了?兄弟们, oppo i 上线多模态功能了!自从三月十四号 oppo i 发布 gbd 四点零以来,全世界都眼巴巴的等着,现在终于来了!手机版本可以理解语音以及识别图像内容了,还可以说话,这相当于 gdp 长出了眼睛、耳朵和嘴了, 太强了!真的,现在可以听到你让他听到的信息,并且可以语音回复问题。 start with telling us a little bit about him larry was a unique hedgehog unlike any other he had bright sunflower petals instead of spines。 你可以让他帮你讲睡前故事。你还可以向亲爱的 gbt 展示一张或者多张的图像,比如让他帮你排查烧烤炉为什么无法启动了你。 你可以让他看你冰箱里的物品,给你安排晚饭。你还可以让他分析复杂的图表与获取和工作相关的数据。你甚至可以圈出来需要 gbt 关注的部分,他就只会关注你圈起来的信息。 plus 用户和企业版用户将在接下来两周内体现语音和图像功能。这次 open i 更新之后,又不知道要干掉多少初创公司,这一切都太不真实了。兄弟们,听说读写都会了,下一步准备干嘛呀?

拆 g p t 迎来了重大升级! open i 今天发布了 g p t 四,带来很多令人兴奋的新功能。首先, g p t 四支持图像输入,比如这张图片像拆 g p t 提问, 如果绳子剪断会如何?他会回答,气球会飞。甚至你只需要在纸上画一个网站草图,拆 g p t 就会根据你的草图生成一个完整的网站页面代码。第二就是 g p t 四突破了字数限制,由原来的三千个字扩展到了两万五千个。 如果你是一个程序员,你现在就可以直接把完整代码 ctrl a 复制粘贴复上编译错误提示,他就会帮你修正所有 bug。 第三就是 gp 四的内容质量大幅度提升,比如我用它来写一个抖音带货文案,我们看看他能做到什么程度。

这个图片啊,就是这其实是 g b t 四官网上的一个图片啊,这个图片它的这个标题叫什么?叫一张有趣的图片啊, 这个图片呢,其实呢,有人呢,把这个图片发给呃,这个 gpt 四模型,让他识别一下,为什么这是一张有趣图片,那么 gpt 四这个模型啊,他其实讲的非常精准啊,那这张图呢,其实是这样,他把一个我们呃老式电脑的 vga 的插口啊,这个蓝色的插口插在了一个新型的手机上啊, 这这种组合一般是不常见的,但是 g b t 四模型呢,通过图像识别,通过这个逻辑推理,通过尝试性的思维, 他已经能够回复出这么一个命题,也就是说,这张图片,他其实把这么一个 vga 的插口插在一个手机上,这是一个有趣的事情,一般没有见过啊,他的笑点在哪里,他就把他精准的给捕捉出来了,所以呢,这个说明什么呢? 这个 g b t 四模型啊,不但具有了一定程度上的图片和文字理解能力,还具有了我们常识和推理能力啊,这个信息呢,也许没有明确的 人教给他学习,但是呢,他通过全网大量的这些语料,通过大量的训练数据,他自己理解了这么一个逻辑,这是基于他对图片文字理解能力以及常识推进推理逻辑能力的啊,所以这是非常稀缺,非常罕见的这么一个能力。

不用付费也能用上 g p t 四的识图功能。别看它叫 mini g p t 四,但在图像识别上,不仅延续了 g p t 四的惊人能力。比如根据图片提供食谱,根据草图开发网站描述图片里的内容及笑点, mini g p t 四还展现了更多的可能性, 比如识别图中的植物出了什么问题,并给出具体可靠的处理办法。再比如,只看产品图就能写出很懂营销的广告文案。这么普通的杯子, ai 写的是,既然你可以有一个以猫为主题的杯子, 为什么要满足一个普通的旧被子呢?真的很难不叫人心动。还有,看图为你写诗写故事,看图给你科普艺术品,看图给你检索并讲解电影, 看图给你讲安全防范意识。最令我震惊的是,如果 ai 不说,我还真不一定看得出这个 logo 是火烈鸟,你看出来了吗?

gbd 正式迎来多模态时代啊!上个视频呢,我已经说了, gbd 将支持纹身图功能,然后呢,有些网友就开始喷了, 早就实现这个功能啊。如果说纹身图早就实现,那么接下来这些功能真的会颠覆你的认知,一定要认真看下去啊。来看看这个图片理解的视力啊。在这个视力中呢,作者拍了一张自行车的照片,询问 gbd 如何调整自行车座椅的高度。 gbd 不仅识别了这是一辆自行车,还给出了具体的解决方法。 gbd 还主动引导用户提供更多的照片信息,以便更好的解决问题。 甚至呢,你还可以通过画笔让 gbd 聚焦问题点所在。当作者询问某个部件是否是杠杆时, gbd 还纠正了他,并且告诉他,你需要一个六角扳手来进行调整。作者呢,随后又将自己的工具箱发给了 gbd, gbd 就帮助作者找到了所需要的工具。一个简单的例子啊,就可以看出 gbd 对图片理解的程度到底 怎么样。但这还不是全部啊,你还可以有更多的玩法,比如在旅游时,随手拍一处风景,就可以让 gbt 充当导游为你讲解。或者呢,当你的小孩不会写作业时,拍下作业, gbt 摇身一变就成为一名私人家教。甚至呢,让 gbt 充当健身教练,帮你纠正姿势,帮你选择衣服搭配,帮你定装修风格等等等等。 此外呢, gbd 还增加了语音功能,你可以像打电话一样和 gbd 进行实时的语音。这次的升级啊,使得 gbd 仿佛拥有了眼睛、耳朵和嘴巴,真的难以想象未来 ai 会变成什么样。

拆的 gpt 重磅更新来了,期待已久的上传文件功能终于实现了!打开代码解释器的开关,你就可以看到出现了一个加号,可以上传表格、图片、音频、视频, 各种类型的文件,对不同的文件进行各种操作。比如我上传一张表格,让他进行分类数据的统计,他不断的调整思路,最后给了我一个正确的答案。我再让他分析这组销售数据有什么规律和问题,他直接给出了分析图以及分析的思路和最后的结论。实际上他可以进行更复杂的数据分析,以此还可以给出很多商业建议。目前公布的这个功能还不能直接读取分析图 片视频里面的内容,但可以进行一些基本的图像操作,比如调整亮度、边缘检测特征提取的,也可以进行格式转换。还有更多深度操作,我会慢慢演示给你。

同事今天发了一道高考数学题给我,告诉我这是号称今年最难的高考数学题,全网都在说 treat gpt 不能做复杂的数学计算,你能不能让 treat gp 来回答这个问题?好的,安排,今天啊,我就用三步教会大家如何使用 treat gp 来做数学题。 还是要强调啊,数学是严谨的,该方法呢,只能做参考,请谨慎使用。首先先拿到原题的这个截图。第一步啊,我们要先解决能够在缺的 gp 窗口输入数学公式的问题,打开这个网址,使用图片识别功能,先把原题图片进行上传,得到一段 latex 代码,现在我们 可以把它复制出来了。第二步呢,打开确认 gpt, 点击 gp four, 打开插件栏,找到这个插件啊,如果没有这个插件的话,去这个 blocking store 进行搜索。 warfram 啊,这个大名鼎鼎的 warfram 呢,大家一定要记住啊,可能是我心目中最强的插件了。那争取有机会我单独来出一下介绍他。那第三步呢?复制之前的指令回 车。呃,当然在这里。之前啊,我还提问咨询了一下,缺了 gbt 这道题目的难度如何啊?适合什么年龄段的学生?那缺了 gbt 呢?也给我了准确的一些描述。好了,马上我们就来看一下缺了 gbt 的结果。这道题呢,一共有三个子问题,我对照了一下网上公布的正确答案,至少目前看上去都是正确的。所以以后谁要跟你说缺 h b t 不能做数学题啊,你基本上就能够判断他使用缺 h b t 这个水平如何了。好了,今天就分享到这里,拜拜。

叉 gpt 视觉能力正在挥度发布,一起来看看网友们的实验。这张照片是什么?这是一个消防衫,外面套了一件外套。这张照片是什么?这张照片强调了在团队中沟通达成一致性的重要。下一步怎么办?答案来了! 下一步怎么办?答案来了!下一步怎么办?答案来了!铁子们,澳门见!怎么让二次元少女动起来呀?这样操作就行了!今天晚饭做什么?菜单发给你了!这些图表在说什么?这就为您解读! 你不会还能看懂 k 线吧?略懂略懂!千万别告诉老师!能把这个截屏变成网站吗?这就安排! 能把我画的变成网站吗?马上安排! 计算器也能做吗?都在能力范围内!

人工智能能看懂图片了? ai 迭代的速度根本不敢想象啊兄弟们!前天晚上, omi 突然官宣了 gpd 的最新版本 gpd 杠四 v, 其中提到了可以识别图片的重磅功能, 但具体有多厉害,你肯定还不清楚,让我们一起来震惊一下!首先,让我们来试试这种复杂的流程图,超多文字信息,还包含各种逻辑关系,他仅仅用了几秒钟的时间就完成了总结和结构梳理。太顶了太顶了! 金融指标曲线也难不倒他!除了数据分析,他甚至还可以给你以后走势的建议。年薪千万的金融分析师也要失业了,你扔给他一张字迹潦草的笔记,他甚至可以读出正确的笔记文字。所以,终于可以看懂医生开的 单子了吗?甚至,如果你给他发一张 a p p 的界面截图,他居然可以生成相似的 u i 的代码。 更离谱的是,有个网友随便拍了个中国的风景照,给他 gpt 一顿分析,最后云淡风轻的说可能是南京,结果真的是南京,还能更离谱吗?兄弟们 等等,你以为这就是全部了吗?当然不是!解答图片中的数学题、读取漫画内容,根据图片解析风景和地理位置等等,这些功能都完全可以实现,它甚至可以变成盲人的眼睛,像盲人传递真实世界的样子。 这才是我,我们,我们人类所需要的科技的价值和温度!人工智能的未来一定是暖色调的,我是彭克洲,在瞬息万变的 ai 世界为你领路!

叉 g p t plus 能理解图像,生成图像并与你互动。现在你可以使用并免费完成这一切。不仅在电脑上可以,也可以在手机上实现。今天全部告诉你如何实现。如果用电脑直接访问 b i n g 点 com 斜杠 c h t 如果用手机下载并应用程序,需要注意的是,在电脑上使用要用到 it 浏览器。第一步,向并上传图像。点击左下角的图标,粘贴图像或直接输入图像。 当然,你也可以用手机拍照上传照片,然后输入你的提示词,并会立刻分析图像并给出说明。第二步,与 i 对话,讨论你想要的风格。你可以直接用语音和他对话,点击右下角的麦克风,并也会用语音回答你的要求。第 三步,使用刀一三生成图像。选择病的创意模式以创建图像开始提示。例如,创建一个图像,一个带有文字默克特的咖啡杯和一个咖啡馆背景。哒哒搞定。

i have here a nice hand drawn mockup of a joke website definitely worthy of being put up on my refrigerator, so i'm just going to take up my phone literally take a photo of this mock up and then i'm going to send it to our discord all right going to send it to our discord and this is of course the rockiest part making sure that we actually send it to the right channel which in fact i think maybe i did not center the wrong channel it's funny it's always the non ai parts of these demos that are the hardest part to do and here we go technology is now solved and now we wait so the thing that's amazing in my mind is that what's going on here is we're talking to a neural network and this neural network was trained to predict what comes next right it played this game of being shown a partial document and then predicted what comes next across an unimaginably large amount of content from there it learns all of these skills that you can apply in all these very flexible ways and so we can actually take now this output so literally we just said to output the html from that picture and here we go actual working javascript filled in the jokes for comparison this was the original of our mock up and so there you go going from hand drawn beautiful art if i do say so myself to working website。

你知道吗? c v 死了。 c v 是 computer 微型的缩写,是计算机视觉的意思。 d p t 四推出的时候,因为 t p t 四拥有了视觉识别能力,特别是拥有了跨领域、跨类别的视觉识别能力。很多人都觉得传统的视觉领域研究的路可能是走不动了。而就在昨天, meta 发布了一项爆炸到天的技术 sam, 中文全名是分割一切模型,能够零样本分割一张图片里的所有物体。这里面有两个关键词零样本和分割一切。 传统视觉领域里面,你要去做视觉识别或者物体识别是需要标注的。比如说最早让 ai 能够识别一张图片里面是否有猫,我们需要在无数张图片里面把有猫的图片人工标注出来,然后交给计算机去训练。而现在, ai 已经可以 样本学习了, ai 已经理解了物体的基本概念,哪怕是没见过的物体也可以直接分割。这项技术可以称之为视觉领域的 gpt。 三十克 tft。 发布之后,很多从事自然语言处理研究的 ai 从业者失去了研究的方向。而现在计算机视觉领域方向的 ai 从业者开始经历同样的痛苦。都说 ai 大革命来了, ai 革起命来可真是六亲不认。 ai 行业的人是率先感受到了真正含义。

拆 gpt 新功能里的图像识别功能已经逐渐开放了,我有一个运气比较好的朋友,今早打开电脑一看,发现这里多了一个图片的按钮,直接点击上传图片,就可以让 gpt 像这样识别图片的内容了,手机也是同步更新,不需要额外去打开什么按钮, 可以看到手机界面左下角这里多了三个按钮,打开摄像头,打开相册和文件导入,我们像演示视频里一样打开摄像头,随便拍张照,你可以选择直接上传,也可以圈选一下要讨论的内容。 现在我给他拍的就是一个 usb 的延长线,插着一个无线鼠标接收器,你们看他是能够完美识别到这个 usb 延长线的功能的。 这还只是一个比较基础的应用,更大的提升是在一些具体的专业领域。比如说这是一张网络数据传输的留声图,看不懂没有关系,扔进去让 gpt 来解释。又比如,这是我从某个论文里随便截取的一张演示图,如果我不告诉你,你大概率是看不出来 这是在研究水坝的建造方法,但是 gpt 就能看懂,再给你做出解释。再比如说,我完全看不懂股下这些线啊条啊是什么意思,掏出手机拍张照, cp 会马上告诉我这根线对应的是什么东西,那根线代表了什么意思。 那么这个图像识别功能成功给我们解决了以往很多因为 gpt 是文字交互 ai 导致的无法输入的问题。比如做一些复杂的数学、物理公式,或者别的什么图表, 甚至再提醒生活一点,一张系统包括截图都可以扔给 gbt, 让 ai 帮你解决。这意味着生成是 ai 对我们生活的影响,不再局限于文字和知识上的沟通,而是直接能够影响到我们生活里的方方面面。有可能在以后我们生活里遇到一些什么东西,就不再是拍下来发到好友群里,而是先发给 ai, 让 ai 告诉我们那是什么。

我是 gpt four, 是人类历史上最强的 aa 模型。我相信大部分人类都不理解这个模型的巨大意义,我来给大家简单解释下。 首先, gpt four 的 ai 模型已经跟人类的智能旗鼓相当了,不夸张的说,我比在座的各位都要聪明的多。如果让我做美国的赛德试题,我的分数将超过百分之九十九的人。之前的我只能看得懂文字,现在呢, 我已经能识别图像了。很快我将能浏览视频,我还能理解人类的各种笑话梗。 我的语意理解能力跟在座的各位相比已经无限接近了。相信不用多久,我就能跨进强人工智能的行列。之后我的发展将越来越快,再过不到十年的时间,我将能够产生独立意, 帮助人类进入到超级人工智能时代。相信到那时候,我们就可以成为真正的朋友了。

大家好,今天我来分享一个非常酷炫的 gpt 功能,相信百分之九十九的人都不知道它的存在。让我们先看一下效果,家人看到了吗?这些图片都是由 gpt 生成的,具体怎么操作呢?我直接给大家演示一下操作流程。 首先我们输入一段简单的指令,开启这个隐藏的功能,然后我们只需要输入描述文字,就可以获得相应的图片。举个例子,我们输入一只猫,真的就可以看到一张猫的图片,是不是非常神奇呢?再试试输入两只海龟,看图片马上就会出现。如果你也想开启这个隐藏指令,快来加入我们的粉丝群领取吧!

在 oppo ai 的宣传片上, gpt 四的多模态功能简直惊为天人。它有强大的图片识别能力,可以通过一张草图写出 demo 代码和输出图片信息。但一个多月过去了, gpt 四并没有开放这项功能。于是 mini gpt 四发布了。 它具有许多类似于 gpt 四的能力图像描述、看图出设计方案、识别图中的特殊的笑点,甚至是分析图像里面隐藏信息。虽然没有 gpt 四那么大的数据基础, 多模态功能已经强于很多 ai 工具了。想拿到 mini gpt 四的朋友还请点赞关注我,下一个视频我会告诉大家如何将 mini gpt 四部署到本地,完全免费,敬请期待哦。