你好豆包,我这张画跟塞尚的比哪个好一点? 你说的是保罗塞尚吧,它的近物化更注重用色块去塑造物体的体积感和空间结构,追求一种类似建筑的稳固感。 你的画在色彩表现力上更鲜活,比如这盘油桃的颜色通透有层次,把水润的质感表现的很到位,可以借鉴。它的地方是桃罐的塑造,你可以加重明暗交界线,再用冷色提亮罐口高光,这样能增强罐子的厚重感,让主体更有分量。
粉丝445获赞1.1万

豆包,你可以教我一个创意妆吗?没问题,看你现在画了清透的底妆,适合加点创意元素。想试试赛博朋克的科技感还是奇幻的精灵风?我可以根据你的喜好一步步教你赛博朋克的科技感吧, 这个风格和你蓝白条纹的上衣还挺搭。我们先从眼妆开始,用深棕色眼影在眼窝打底,接着用黑色眼线液画一条上扬的眼线,眼尾拉的稍微长一点。 豆包,眼线画完了,眼尾的上扬弧度很漂亮,有未来科技感的锐利了。现在我们来点缀亮片,把银色亮片用手指蘸取,点在眼头和刚才画的眼线末端,再轻轻拍开,制造出电路金属的效果, 这样可以吗? 眼头和下眼睑的亮片点缀的恰到好处,银色的光泽感很有科技感,和上扬的眼线搭配的很协调。现在可以在脸颊和鼻梁上扫一点浅粉色的腮红,增加一些柔和的感觉,让整个妆容更平衡。 腮红,这样可以吗?粉色腮红和银色亮片搭配出了甜酷的科技感,眼下和颧骨的位置打得更流畅。现在可以用唇蜜叠在唇中央,做出玻璃唇的效果,和眼妆的亮片呼应一下, 妆化完了,这样可以吗?这个唇妆很适合亮面,唇釉和眼妆的银色亮片呼应,增加了未来感,粉色调又和腮红衔接的很自然,整体妆容平衡的很好 啊,没了吗?这样就完了吗?可以根据需要再加点细节,比如在眼下或眉骨用一点银白色眼线液画几道细短线,模拟电路纹路,或者在眼角贴一些小水钻,增加未来感。 水钻贴完了,眼尾的水滴形水钻和白色眼线搭配的很妙,像科技感的眼泪又呼应了赛博朋克的未来感。现在整个妆面的线条、亮片和水钻都很和谐,你觉得哪里还需要调整吗?眉毛要不要画一下? 可以用灰色眉笔顺着眉毛生长方向轻轻带过,增加一点毛流感就行。眉毛这样就可以吗?可以,现在的眉毛颜色浅淡,线条自然柔和,突出了眼妆的科技感和精致度,还让整个妆面看起来更协调。 那我的妆就完成了吗?对,这个妆已经很完整了。眼下的亮片和水钻让未来科技感显得很协调。 你可以拍几张照片,在光线好的地方,金属感会更明显。好的,那我去拍照片了。

你敢相信吗?你现在用的豆包啊,在第一版上线的时候,每一句对话都需要人工叫对,就像是自动贩卖机里面真的住了一个人一样。我们把时间拉回到二零二三年六月九号,字节跳动的大模型产品第一次露出真容,但当时它不叫豆包,而是一个极具精英感的英文名, grace。 那时候志杰并没有像友商那样大张旗鼓的开新闻发布会。 grace 的 上线极其低调,采用的是封闭邀请制,当时全网只有不到五万人拿到了内测的邀请码。在闲鱼的二手平台,一个 grace 的 邀请码甚至能被炒到几百块钱。 却没有人知道,这时候的 grace 其实是一个顶级的巨婴。为了这个顶级巨婴呢,当时在志杰内部专门成立了一个名为 follow 的 秘密部门, 核心研发团队约有一百人,由 tiktok 的 灵魂人物朱俊亲自挂帅,但这只是冰山一角。在那段灰度测试期间,志杰背后还动用了超过一千人的专业标注团队,每天要处理超过十万条真实对话的反馈。为什么要配这么多标注员呢? 因为志杰玩的就是暴力迭代。当时的格瑞斯真的很笨啊,没有联网插件,没有画图功能,没有语音库。根据内部测试数据呢,格瑞斯当时的逻辑换绝率高达百分之三十, 你问他复杂的问题,他经常是原地打转,甚至是一本正经的胡说八道。你问他字节跳动是谁创办的,他可能敢回你乔布斯那一千多个标注员,每天的工作就是盯着 grace 胡说八道,然后疯狂打分,纠错为数据, 这就是被骂出来的原因,他们不是在做一个完美的成品,而是在做一个海绵。在 follow 部门的后台呢,数据是秒级跳动的,只要用户在前台点一个踩,这条差评就会在一个小时之内变成训练指令, 传回服务器,对模型进行微调。这五万名内测用户啊,其实是志杰免费请回来的训练师。现在的豆包之所以懂中文,能接梗、不抽风,全靠当年的五万人一口一个智障骂出来的。 就在大家以为 greece 准备转正的时候,志杰做了一个让所有人惊叹发的决定,二零二三年八月,域名直接注销,取而代之的是一个被全行业吐槽吐气的名字,豆包。下期咱们就来聊一聊,从半成品到多模态,志杰到底做了什么事。

我靠,你知道不,现在 ai 好 强啊, 以后 ai 要是把手也画好,我会不会丢工作啊?哎呦,那是你太菜了,像我们这行哈能写出歌曲灵魂的专业编曲师是绝对不会被 ai 取代的, 你晓得不,现在 ai 几秒钟就能写一首歌,那我辛辛苦苦学学这几年编曲算什么?呵呵,那就是你太菜了,像我们这行实拍永远不会被 ai 取代的。 ai 视频这么强的吗?我辛辛苦苦拍摄剪辑的视频的流量还没 ai 视频高。

这款充电台灯要兼顾实用性和视觉冲击,而 g b 灯光是灵魂。 julian's product is really something good cheers。

大伙可能真的冤枉豆包们了,这么说吧,因为最近不少网友发现豆包的国产模型在深圳图片时翻了一大波车,让 ai 画一个在工地上披着彩旗的鹤,结果他反手就给了一台起重机,让画一张小朋友正在吃芯片的图片,结果满屏幕却只有薯片, 甚至还有更逆天的。国产 ai 们有时好像不知道自己是哪国人,各种国籍错乱。不少英语不错的网友就号称抓到了国产 ai 抄袭和套壳的马脚,而且证据也是有鼻子有眼的,你看赫赫起重机的英文都是 cron, 薯片和芯片的英文都是 cheap。 除此之外,还有总线和巴士、蝙蝠和球棒,这些词在英文中都是一个词,国产 ai 也常常犯错,再加上分不清自个的国籍,这不妥妥实锤了 一个一词多义,就让只会翻译套壳的国产模型露出了原型。不少人的话也说得越来越难听,什么丢人不可怕,自欺欺人才可怕,外国一开源,国内就自主。还有人说这些国产 ai 就是 在忽悠国内群众的智商。 我也把话放这了,大家可能真的错怪国产 ai 们了,不是套壳或者抄袭,而是 ai 的 脑回路就是这样长的。 背后的罪魁祸首其实是目前大部分 ai 声图模型的圣经 layer 五 b 数据集,以及负责给图片打标签的管理员 clip 模型。这么说吧,目前市面上绝大多数的开源纹身图模型,基本都用了这个叫 layer 五 b 的 开源数据集, 它里面包含了数十亿个图文队,里面大部分都是英文。而 clip 模型就像是一个阅卷老师,他的手里拿着两套试卷,左边是几亿张图片,右边拿着这几亿张图片对应的文字描述。他的任务只有一个,做连线题。 在数以亿计的训练过程中,克里比会不断学习,试图把文字里的概念和图片里的特征拉到一起。它会构建一个上百维度的语域空间。在这个空间里,每一个概念都有一个属于它的坐标点,比如狗这个单词的坐标就长这样。 意思越相近的东西,在这个多维向量空间里的坐标离得就越近,越可能是一类东西。大漠星就是靠这种方式理解图片和文字的。而有趣的地方也来了,在海量的英文数据轰炸下, clevel 形成了这样一种条件反射,看到图片里的长腿大鸟标记为 crea, 看到工地里掉东西的机器也标记为 crea。 不 少国内社区和厂商虽然也在训练中文 clevel, 但中文的数据量真的太少了。为了解决数据量不足的问题,研究人员用上了一些英文的翻译数据, 所以两种语言的训练数据让模型语言错乱了。要想区分出酷人这个词到底表示啥意思,那就得看上下文的句子。句子里有山有水有翅膀, 那它就是赫。句子里有打灰有工地,那它是起重机的概率更大。我们也找了个中文颗粒做了个实验。在余地空间里,在工地上披着彩旗的赫这件事,概率上其实更像是指一台披着彩旗的起重机。这就是国产 ai 容易在画图时候理解错误的根本原因。 这时候肯定就有人说了,那有没有可能不用洋人的数据集构建一个纯中文的数据集,从根本上解决这个问题呢?想法很好,但实现起来真的很难。 就拿目前使用度最广的数据集之一 common crawler 举例,它们从十几年前就开始无差别抓取全网能抓到的网页。无论是 open i 的 gpt 系列,还是 mate 的 lama, 甚至是我们国内的这些大模型训练数据的百分之六十到八十,基本上都来自 common crawler 的 清洗版。为什么非它不可?因为量大。 scanning 洛告诉我们,要想模型涌现出智能数据,量必须堆到千亿甚至万亿级别。在这个量级面前,任何一家公司私有的数据都只是沧海一粟。只有 commoncrow 这种全网级别的爬虫数据能喂饱 ai。 而 commoncrow 里百分之五十左右是英文,只有百分之五十中文。 所以把芯片理解成薯片,核理解成起重机,并不是因为 ai 们偷懒用了翻译接口,而是因为 ai 的 思维已经有一部分是英语的形状了。而中文的公开数据这么少,本质还是因为我们的移动互联网生态太发达了。 大家回想一下,你现在产出的高质量内容都发在哪里了?抖音、朋友圈、微信公众号、小红书?还是知乎?这些地方有一个共同点,它们都不对通用爬虫开放,或者极难抓取。 common curl 这种爬虫,它只能在公开的网站上爬取数据,它能爬到为几百颗,能爬到 reddit, 能爬到个人博客。 西方的互联网也正好大部分还停留在 web 时代,好的内容依旧大量存在于个人博客、论坛、新闻网站上,这些都是公开的 u i a 啊爬虫一扫一个准。但是他爬不到你公众号的文章,爬不到小红书的种草笔记,更爬不到微信群里的聊天记录。而中国的互联网早就进化到了移动时代。这就导致了一个极其荒谬的局面, 中文互联网上生产的数据总量一点都不少,甚至比英文还多。但这些数据都被锁在了大厂的服务器里,成为了私有资产。对国产大墨镜的训练者来说,这简直是地狱模式。他们拿着望远镜看得到种草平台里有海量的高质量帖子,看得到微信里有深度的长文,但就是拿不到。 他们只能去爬那些早已没人维护的旧论坛,或者硬着头皮去洗 call me cool 里那少的可怜。百分之五的中文数据,这 才是国产 ai 为什么像混血儿的根本原因。公开了中文 web 数据太平级,平级到撑不起一个世界级的大模型底座。看到这儿,估计有些观众已经开始有些背观了。那是不是说,英文数据就是高贵的中文数据就没啥价值了呢?当然不是。一个很有趣的现象是,其实 ai 们也早已经有一部分是中文的形状了。 比如国外的顶级开源模型,像是法国的 mister 或者 mad 的 拉玛,在明明没有刻意针对中文优化的情况下,有时跑着跑着也会突然蹦出一句中文。 或者在写代码时注视里出现中文。包括 gpt 和 gmail 的 思维链里,偶尔也会跳中文。这是因为中文互联网虽然在数据集里占比不大,但在特定领域质量极高。在数学推导、算法竞赛、硬核代码讨论这些领域, 中文社区的逻辑密度非常高。对于 ai 来说,他们不关心这是中文还是英文,他们关心的是逻辑链条。多元训练其实反而能增强 ai 的 智商。 这就好比一个人既学了中文的象形思维,又学了英文的逻辑句式,他的大脑链接会比单语言使用者更丰富。所以,为了所谓纯写,把数据经历的英文全删了,只保留中文,或者把中文都删了,只保留英文,都会让模型变笨。而且, ai 的 发展也永远不可能只停留在一个战场 部间的, ai 主要还停留在读万卷书的阶段,在这个阶段,公开文本的初两决定了胜负。英文 web 确实赢麻了,但 ai 的 下一站是 agent, 这时候,训练数据的逻辑就变了, ai 需要学习的不再是 web 里的死知识,而是人类如何与世界交互的,怎么点外卖,怎么退换货,怎么约车, 怎么在极其复杂的 u i g m 里找到那个隐藏的优惠券。这十几年来,中国人在 app 里留下的海量交互数据,所有的点击流,所有的订单逻辑,所有的客服对话,反而可能成为新的数据宝藏。 所以,对现在的国产 ai, 我 们不妨多给一点时间。他们不是在搞什么翻译套壳的把戏,只是在这个数据孤岛零零的中文互联网荒漠上,确实有着自己的难处。 对于那些嘲讽国外一开源,国内就自主的人,我只想说一句,承认差距是为了追赶,但盲目自卑,把产业的客观困境当做是主观的作恶,那才是真的被忽悠瘸了。

一天解锁一款黑科技,今天教你下载的是豆包创作线,每天可以通过豆包去赚零花钱,同时支持安卓、苹果、鸿蒙。还不知道创作线入口在哪的同学,赶紧跟着我的步骤操作吧!首先点视频右下角分享键,然后分享链接,然后打开这个蓝色东西,会弹出一个文件夹, 没有的话打开后空白处输入卡丁宝箱,选择软件大合集,找到你要的右下角保存即可。

不会还有人用国法做 ppt 吧??找模板两小时,,找图两小时,排版两小时,改稿又两小时,熬到凌晨三点,老板说风格不对,重做。。 但如果你用豆包一分钟搞定,你只需要说清楚你是谁,,要干什么,要什么风格,,他就能直接生成一套成熟可用的 ppt, 内容相当详细,而且他完全免费。!最牛的是啥??豆包进入了 c dream 图片模型, ppt 里要的图,他直接就给你画出来了。!对! 图片不满意,动动手指就能改!,以前找图两小时,,现在他自己画。。如果你不知道怎么写需求,,直接告诉他你的身份,他会主动提问,你如实回答,他就能帮你做出一个专业的 ppt。。 看到喜欢的 ppt 风格,截图发给他,他能直接帮你复刻同款的风格,。而且豆包越用越懂你,你的喜好习惯他全记住了,下次做 ppt 直接省掉沟通成本。。 外出没带电脑,用手机也能做,喝杯咖啡的功夫, ppt 就做好了。。不管是职场人改方案、、学生党做作业、豆包,这几个核心功能,能帮大家省超多时间,如果你也有需要,赶紧去试试吧!!

豆包全场景应用豆包加极梦加剪映加海绵音乐加扣子智能体作者,乔建、樊玉龙、杨文 ai 从来不是遥不可及的科技名词,而是融入我们学习、工作、生活的实用工具, 是帮助我们突破效率瓶颈、释放创意潜能的伙伴。在这个 ai 快 速迭代的时代,我们不必畏惧技术革, 而应主动拥抱他。因为掌握 ai 工具,本质上是掌握一种全新的成长方式,是打破能力边界,实现自我解放的捷径。真正的成长,不是固守传统、被动前行, 而是学会借助工具的力量,让 ai 赋能自己,把繁琐的事情交给技术,把更多时间留给思考与创造,在高效与创新中活成更有价值、更自由的自己。书中的这段论述,精准契合当下 ai 普及的时代背景, 这让我想起近年来, ai 赋能学习、 ai 创意变现成为热门话题。从学生用 ai 辅助备考,到职场人用 ai 提升效率,再到创作者用 ai 实现创意落地, ai 早已渗透生活方方面面。而这本书 正是帮我们快速掌握字节跳动 ai 生态,实现自我境界的实用指南。此书是一本聚焦字节跳动 ai 生态的实操性科普读物, 更是为不同人群量身打造的 ai 应用指南。当下, ai 技术飞速发展,豆包、剪映即梦等 ai 工具已成为很多人学习、工作的必备。但不少人面对多样的 ai 产品,要么无从下手, 要么只会基础操作,无法充分发挥其价值,陷入有工具不会用的困境。这本书围绕字节跳动 ai 生态展开,全面覆盖 ai 工具的认知、应用、创作及进阶搭建分为五大部分,从 ai 产品全景介绍, 到豆包全场景应用、多媒体创作技巧,再到扣子智能体搭建与未来趋势展望,内容详实、实操性强,无论你是学生、职场人还是创意创作者,都能从中获得启示,快速掌握 ai 工具的使用方法, 借助 ai 提升效率,拓展创意,实现能力与自我的双重成长。书中核心观点是 ai 赋能全场景,实操落地是关键,结合樊玉龙老师的亲身案例,更让我深刻体会到 ai 的 实用价值。樊玉龙作为豆包 ai 深度应用者,同时也是公益自媒体人, 他在书中分享了自己的实战经历。六年来,他用剪映剪辑留守儿童的生活视频, 用豆包辅助刊写公益文案,策划视频脚本,用海绵音乐搭配视频旋律,借助 ai 工具高效完成公益传播,不仅积累了超六百五十万粉丝,还为乡村学校募集了大量物资,助力乡村振兴。这样的 ai 应用场景在当下日常生活中随处可见。 ai 赋能学习工作、 ai 创意变现早已成为公众关注度高、影响广泛的话题。如今,学生用豆包辅助整理笔记,答疑解惑,提升学习效率。职场人用豆包转载报告优化方案,用剪映制作工作汇报视频,摆脱繁琐事物的束缚。 创作者用即梦生成图像,用海绵音乐创作旋律,用扣子智能体搭建专属辅助工具,实现创意变现。我们常常看到,很多普通人借助这些 ai 工具突破自身能力局限,要么提升了学习工作效率,要么实现了副业增收。 这本书的权威性与实操性,离不开三位作者的专业积淀与实战经验。乔建是北京大学计算机技术硕士,曾任工业信息安全发展研究中心产业发展部副主任,长期从事人工智能、数字经济等产业研究, 支撑多部委工作,著有多本人工智能相关书籍。樊玉龙是豆包 ai 深度应用者、乡村教师兼公益自媒体人,用 ai 助力公益与乡村振兴荣获多项荣誉。杨文是北京大学计算机硕士,曾任职于腾讯字节跳动等互联网公司, 从事 ai 产品设计、研发与政策研究,拥有丰富的实战经验。善用 ai 赋能,方能突破局限,持续学习成长,才可抵达远方。 读完此书,我对 ai 应用与自我成长有了全新的认知。这本书带给我们的不仅是具体的 ai 操作方法,更是一种适应时代的成长思维。不畏惧技术革革, 主动学习新工具,用 ai 解放双手,释放潜能。真正的自我成长,是不断突破能力边界, 借助工具的力量实现高效成长。真正的自我解放,是摆脱繁琐事物的束缚,有更多时间与精力追求自己的热爱与理想。本书分享结束,期待与你每天相伴!

一直以为是 ai 工具的豆包,没想到竟然还可以赚米,相信很多小伙伴还不知道怎么操作,下面我用三秒钟教会大家。首先我们点击右下角分享键分享复制链接,然后我们打开这个蓝色小鸟,没有的去安装一个, 等两秒就会弹出这个资源包,没有弹出,在主页搜索多多科技也是 ok 的, 打开这个文件包,进去软件合集,找到你想要右下角保存就可以了。
