gamma4教程

一天解锁一款黑科技，今天教你下载的是开源最强 ai 大 模型 game 四，附带最新下载教程及部署教程，同时支持安卓、苹果、鸿蒙。 还不知道怎么下载安装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。

一天解锁一款黑科技，今天教你下载的是开源最强 ai 大 模型 game 四，附带最新下载教程及部署教程，同时支持安卓、苹果、鸿蒙。 还不知道怎么下载安装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。

来了来了，现在这个谷歌 g m s 已经可以本地部署了，谷歌最强开源大模型，有的小伙伴还不知道怎么获取，现在我用一个视频教会大家，方法很简单，首先点一下我视频右下角的箭头，点分享链接， 然后我们在手机应用商店里找到这个，点开它，等待一两秒，它会弹出一个文件包，没有弹出的话可以在上面输入，阿辉爱玩，我们点开文件包，再点开这个合集，找到软件合集，把这个谷歌保存就可以了。

雪马四完全可以直接部署手机使用哦，这里可以看到有多种的使用场景。今天的测试环境是飞行模式完全断网，来看看他在手机稳定的运行表现如何。发一段话过去，大家可以直观的感受一下这个恢复速度，这里我是没有做任何的加速，非常流畅，只用了十四秒哦。然后是多模态识别，随手拍一张照片，他解析图片的速度也很快， 而且能把画面里的细节描述的比较准确，在断网的情况下，这个速度和理解度都非常的 nice。 再看他对系统指令的理解，我语音让他在地图中找到香港，他能瞬间的识别指定，并自动调用地图 app。 虽然因为没有网络 从资源包烧出来，但是调用底层接口这个动作它是完成了，在游戏场景下也可以用自然语言交互了，它完全理解，并且帮我完成了播种、浇水等动作，说明模型及应用逻辑层挂钩了。最后再看一下这个 pump lab， 像改写语句、文本总结或者在写代码，这些任务它都可以完成，其他隐藏玩法等你来解锁哦。

好，那在了解完伽马的基本特征之后呢，我们仍然要来教大家计算整个证券组合的伽马值。 其实证券组合的伽马值的计算跟 delta 的 delta 值计算是很类似的，都是把每个资产的伽马单位伽马值乘上这个资产的数量，然后进行加和。 但是比较值得一提的是，因为伽马是这个资产价格曲线的曲度，而现货跟期货全是现行产品，它是没有弯曲的，所以现货跟期货的伽马值全是零， 那只有期权才会有伽马值。所以我们在算整个证券组合的伽马值的时候，只要把有多少个单位的期权伽马值是多少，相乘之后加起来就是整个组合的伽马值。 那我们也可以看到，在这个例子当中，我们通过设计，刚好令整个组合的伽马值等于零，那就像 delta 一 样有 delta 中性，这里就是叫做所谓的伽马中性。 那伽马中性我们稍微讨论一下它的一些性质。首先呢，要记住，只有期权有伽马值，因为伽马是曲线的曲度，只有期权是一是曲线，其他都是直线性产品。 那证券组合的伽马值为零的时候，称为处于伽马中信状态，那伽马中信呢？我们知道， 如果仅仅是 deut 中信，只是意味着说标的资产价格变化的时候，它的直线的部分已经不变了，但是呢，曲线部分可能还会变化， 这时候如果我们再加上伽马中信的话，就基本上可以意味着标的资产价格无论怎么变，整个组合包括期权在内的组合，它的价值都已经不太变化了， 所以伽马中信是为了消除德塔中信不够完全消除风险的这样一个误差，那当然，因为不同的点上的曲度不一样，所以伽马中信也是一个动态的， 这个期权的伽马不断在变化，你在此刻这个组合伽马是等于零，下一刻因为期权的伽马变了，所以整个组合的伽马也要变化，你也要不断的进行再平衡。 好，那最后呢？因为你要保持伽马中信，要去调整头寸，你只能通过加入期权来调整，因为其他的资产是没有伽马值的， 那这样实现伽马中信的结果往往会出现 delta 非中性，所以通常我们是这样的，先计算，先通过加入一些资产，一些期权，实现整个组合伽马等于零，那我们再加入标的资产或者期货头寸， 标的资产或期货投资加进来的时候不会影响伽马值，只影响 delta 值，那这样的话才能够使得证券组合同时实现 delta 中性和伽马中性。

大的来了，兄弟们，谷歌二零二六开源 ai 模型 game 四下载教程来了，多模态强推理，跨设备本地运行，主包亲测好用！ 首先点我视频右下角的分享箭头，再点一下复制链接，然后打开这个蓝色小鸟，进去之后他会弹出一个文件夹，没有弹的话就搜索马年宝库，点搜全网，进去之后找到四月份软件文件夹，找到相应的资源包，点击保存下载即可。

一秒钟教你分辨真假水族鸟，网上那些教你用眼睛分叉的方法早就已经不够用了，今天教你四个压箱底的细节，帮你拿下市面上百分之九十九的玩鸟。那为了做这期测评啊，我专门去花了四百块钱买了一件假的嘎买 max， 那 这一件呢，是我从加拿大代购上入手的正品。那我们今天就实打实的对比，他们之间的真假到底差在哪？那初级的鉴别点啊，咱们看刺绣， 全网都在教你们看鸟标眼睛分不分叉，但我跟你们说，这可真不准，因为的话他 p 字号会有不一样，像正品的鸟标眼睛他也会有一点差异。那更靠谱的方法呢，是看排骨和排列，正品的排骨排列是先紧后宽。终极鉴别点，看领标， 别去纠结什么排版啊，字体啊，样式，这些都太容易模仿了。我今天教你们一个简单的，如果领标上单独挂着一个尺码标签，那百分之百是假货。像正品的尺码的话，它是直接印在领标上的，根本不会多这一页纸。高级鉴别点，水洗标，正品的水洗标第一页上层会有批次编码， 正面还会带一个二维码，而那些玩鸟呢，水洗标上面根本没有编码，正面一眼就能够看出来。大师级鉴别点，看面料， 就拿这一件经典的隐秘灰来说，像正品的话，他用的是 fos 版本的面料，他整个这种面料的话，他是那种亮中带灰的这种质感，而假货的话，是那种暗暗沉沉的那种灰调。那穿到身上的话呢，就感觉差距更明显了。像正品的话呢，感觉穿到身上他是有那种 透气感的，就是呼呼吸吸的感觉，能感觉到空气在流通，那假货的话，穿到身上就像那种不透气的塑料袋。总之而言啊，其实面料才是石料最值钱的地方。以及入坑的老铁们，你们觉得真鸟跟假鸟有什么区别？

干嘛这个词对很多人来说可能既熟悉又陌生，我们在图像编辑软件或者游戏等等地方都会接触到这个词。其实在我们生活中，几乎所有数字图像的制作和显示都离不开干嘛较真参与。 那么在数字图像领域，特别是摄影摄像领域中，伽马矫正为何无处不在？他又发挥着怎样的作用？这期视频就让我们来探讨一下这个话题，那么欢迎收看这期黑道影记，我是卡尔，先让我们从伽马矫正的起源开始说起吧。 大家还记得以前所谓的大屁股显示器和电视机吗？它就是 c r t 显示器，使用应急射线管来显示图像。这个技术有一个特点，就是它的显示亮度随电压的变化，并不是线性的，而是呈密率响应。也就是说，把线性的图像内容 放入 crt 显示设备中，画面就会看起来变暗很多，特别是画面暗部难以看清。为了解决这个问题，一个方法就是先把输入的图像信号进行处理，使其变亮，这样就能抵消 crt 显示器本身的亮度响应的缺陷。这个变化的过程基本都是在摄像机上完成的， 原因就是相机的数量要远小于电视机，如果在每台 crt 接收器上加上额外的处理功能，这将会更加费钱。说到亮度的信号计算，一定是有一个计算方式的，最简单的一个方式就是使用密率表达式， 其中 v 是电压输出值， a 是一个长数， v in 是输入值，而它的指数用的是希腊字母 gamema。 当我们改变 gamema 具体的数值的时候，也同时改变了对图像亮度的计算方式，所以我们也经常能听到 gamema 加一个数值来表达 gamema 的大致使用标准，比如 满二点二等等。对信息使用类似的这种函数计算可以使画面亮度符合我们的期望。这个过程和方法便是我们一般所说的 dim 矫正。当数值为零到一 a 为一的时候，就构成了简单的乘方运算，我们可以用曲线图来更直观的表达不同的 game 值带来的影响。一为线性，也就是输入与输出是等同的，不做处理。大于一的时候画面的中间调变暗， 当小于一的时候，画面中间掉变亮。很多朋友应该有熟悉的感觉了，因为很多调整图像亮度的工具使用的就是类似这种算法 去改变图像的中间调。当然该买校正实际所使用的函数通常要复杂一些，并且也不是完全统一的，不同软件硬件都会有些许差异，在这里我仅用最简单的方式说明。就像上面提到的 c r t 设备的电光转换 函数 eotf 大致沉密率响应，这种响应曲线也可以看作这些设备的固有该码。虽然不同的 crt 设备有着不同的 eotf， 但是综合来看该码值大约都为二点五， 这时候只要使用倒数二点五分之一作为该满值去改变相机的信号，就能得到一个亮度比例还原的图像。 但最终 ntsc 也就是电视系统委员会给出的标准则是使用了该满二点二，这是为什么呢？其中一个重要的原因是因为考虑到电视通常是在一个比较昏暗的背景下观看的，这会导致人的主观感受出现，叫做对比效应和 crispin 的效应。 为了解释这种错觉，我们就以图为例。这是一组由黑到白的方块，当背景为白色 时，我们会感受到左侧方块间的对比度更强。而当背景换成黑色时，情况则相反，我们会感觉右侧方块的明暗跨度更大。现在，当我们把背景换成灰色，则可以感受到方块之间的对比度相对较为均匀。 当然，因为每个人的视觉感受不同，使用的设备以及光线环境不同，具体观看感受会有差异。这个例子仅作为参考。我们再来看看另外一个例子，依然是将对比主体放入黑白灰三种背景中，但这次我们仅对两个方块之间的对比度进行评价。 大多数的人会倾向于认为在灰色的背景中，两个方块的对比度更强。可以看出，明亮的背景会使主体显得更暗，反之，黑暗的背景会使主体看起来更亮。当背景亮度近似于主体时，我们对主体的对比度的感知将会增强。所以这 解释了在昏暗的背景下看 crt 屏幕，我们会感知对比度稍显不足。因此，在 gmr 二点五的 crt 上，使用矫正不足的 gmr 二点二，将会使得电视机画面的中间调转变得稍暗一点， 这反而会在实践中有更好的观看体验。这样一来，我们在 c r t 上接收的最终亮度大概在 gamer 一点一到一点二，而不是完全的线性。至于 gamer 这个称呼，有一种说法是源自于胶片。 胶片乳剂的感光曲线在亮部和暗部是缓慢变化的，呈现 s 型，在中间大概形成一个与 game 成正比的直线，因此这个词汇也迎到了 c r t。 的响应曲线上。 从我们之前讨论的内容可以看出，伽玛这个术语在图像领域的运用和数学中的伽玛函数的概念是显然不一样的。图像领域的伽玛这个词的运用非常广泛， 除了代表密函数曲线，还可以代表对数或者两者的结合。所以很多相机拍摄的 log 是使用的就是 log， 也就是对数曲线，很多时候也会被称为 gamma 曲线。而在 hdr 内容的讨论中，很多人也已经不再使用 gamma 来称呼 hdr 中的传递函数了。 随着 c r t。 时代的落幕，液晶屏幕时代的开始，液晶显示器 l c d 终于摆脱了 e o t f 飞线性的问题。 l c d 的 e o t f 基本是线性的，也就是和相机传感器是一样的。理论上，我们不必要再使用什么 game 曲线了， 我们把输入的信息直接交给显示器显示就应该不存在任何问题。但事实上，该买校证至今依然应用在几乎所有设备和图像数据中，这又是为什么呢？其中一个原因便是为了兼容以前的 crt 设备， 所以类似改码二点二这样的内容制作标准一直沿用，这样只要符合标准的内容都可以在所有的设备上播放。而另一个原因在当代可能显得更为重要，那就是改码纠正能使数字图像在有限的存储空间下或者更好的观感表现。具体体现在像素色深不足的情况下，图像的色彩带问题会得到有效的缓解， 而其背后的原理和我们人眼的飞泄性亮度感知有关。下面就让我们来更细节的探讨一下这个问题。 心理物理学是专门研究如何定量感知的学科。研究这门学科的大量实验表明， 人类的感知包括视觉、听觉、触觉等等，几乎都是非线性的。比如，在心理物理学家韦伯对重量感知的研究中发现，手持一百克的物体时需要继续添加重量，到一百零五克时才能感知到重量 变化。而在手持两千克时，则需要再增加一百克才能感知到变化。各类研究还发现，人的许多感知都符合飞线性的特征。 心理物理学家斯基文斯就认为，人的许多感知，其中包括亮度感知都符合密定律。这张图显示了主观感受的亮度和外界光线刺激之间的关系。我们可以从图上看到，随着亮度不断增加，我们需要更多的刺激才能感受到和之前一样的强度变化。 以生活中的例子来说明的话，在一个房间中打开一盏灯的亮度和打开两盏灯的亮度并不会差一倍，我们只会感受到开两盏灯比开一盏灯稍微亮了一点。 总的来说，人的视觉感知不是绝对的，而是飞线性的。而斯蒂文斯的秘法则在除了极暗和极亮的情况外，都是相对比较准确的。值得重申的是，亮度感知是复杂的，人与人之间的感知 有着个体差异。此外，具体的观察条件和观察方式也会影响观看者的亮度感知。如果我们使用客观的检测设备，比如测光器或者相机传感器，这些设备检测到的亮度将会还原光线真实的能量强度关系， 每一个单位的光子进入传感器，就会有一个单位的电子产生，所以相机传感器的亮度感知是线性的，而不像人的亮度感知那样是非线性的。如果人眼看到的是一个黑色到白色的均匀过度的场景，那么相机所能感受到的将会是一个大部分为亮色的图像。 虽然人眼和数码设备的亮度感知不一样，但是只要相机和 l、 c、 d 屏幕显示的亮度曲线一致，那么拍摄的数码文件用 l、 c、 d 屏幕观看就应该不存在问题。就像除了兼容 c、 r、 t 设备的原因外，使用干嘛较真的另一个原因则是为了在图像色深有限的情况下，更有效的利用存储空间，减少色彩带的问题。我们先来看看没有使用干嘛较真的情况下，用五 b 也就是三十二个色阶来记录数据的话，从暗到亮的渐变图像看起来会如何？ 我们可以很明显的在暗部看到颜色断层，这便是因为我们的亮度感知与相机不同导致的。我们现在再以图表的方式来进一步剖析这个问题。 从图上可以看出，我们人的亮度感知为曲线，而相机记录了亮度信号为线性。比如我们人眼感知到百分之五十左右的亮度时， 可能相机只会感受到百分之二十左右的亮度。如果我们用均分的方式来记录亮度信号的话，那么就会导致最终以人眼来看，暗部信息数据量要比亮部数据信息来的更少。 在这个例子里的话，我们用了两成的空间记录了暗部，用八成的空间记录亮部。这种不合理的结果也和刚才我们看的演示图片相符合。显然，这种存储方式是不合理的。一种解决方法是采用更高色深来记录图像，用数据量来解决问题。 比如十四 beats 的 roll 格式，有着十六万的色深，足以弥补亮度信息记录不符合人眼感知的问题。 我们可以看到，若格式记录下的颜色过度非常顺滑，而在不少影视特效或者三 d 工作流中，甚至会用到十六 bs 或者三十二 bs 在身的文件。那么另一种解决方法就是将原始数据转化为更符合人眼亮度感知的数据在进行存储。 线性亮度的数据将会套用一种色调曲线来进行校正，而目前最主要的校正方法便是改版校正。非常巧合的是，我们人眼对亮度的感知 和 c r t 的 e o t f 都是飞线性的，并且呈现的密率关系比较接近。这时的我们沿用 c r t 时代的 game 二点二时，也能正好使数码数据转变为更符合人眼亮度感知的数据。 以最常见的相机拍摄 japan 格式照片为例，标准的 japan 会使用 s r g b 或 adobe r g b 标准，这两个标准使用的是 gamer 二点二 线性色调的图像在存储时会先使用改码二点二分之一进行处理，这个过程称为改码 including， 使用的改码值叫图像文件改码之后，我们观看文件时将会使用改码二点二进行处理 一次来还原原有的线性该码，这个过程称为该码 decoding。 显示器使用的还原该码一般称之为 display， 该码最终经过层层校正之后的最终该码值称为系统该码也可以称作 o t f 光对光转换函数。如此一来，使用 game 纠正就可以解决记录下的图像亮度不符合我们人眼感知的问题，从而更好的利用数据空间。最终人眼接收的亮度和捕获场景亮度之间的关系可以称之为系统 game。 我们回到之前五 beast 图像例子，这时候如果我们使用 game 纠正， 那么使用同样的五比四的文件可以记录下更加合理的亮度分布。当然，一般拍摄 jippig 和视频使用的是八比四色神配合改买校正可以使得图片看起来几乎不存在颜色断层。改买的运用可以说是无处不在， 几乎所有我们能看到的数字图片和显示过程都有 game man 较真的参与。现在一般的显示器、电视机在显示非 hdr 内容时，基本上默认都是使用 game man 二点二的标准。操作系统方面， windows 和二零零九年 mac oa x 十点六厚的系统都默认采用了改码二点二。在此之前， mac 系统为了能更好的兼容商业打印机，默认使用的是一点八。 可以看到，目前显示器、电视机操作系统都以该码二点二或者近似二点二作为默认的标准。值得注意的是，上面所说的该码标准都是近似值，比如 srgb 里的该码二点二并非就是纯粹的密运算，而是做过一些调整， 这主要是数学上为了避免出现无限或零的斜率。当然也有不少显示器可以设置切换不同的该码值，并且也可以通过软件层面去改变该码的显示。 之前我们提到显示器和图片使用标准基本都是该买二点二，虽然这在存储文件时会有优势，但是却造成了计算图形内容上的问题。在像素颜色计算上，飞线性的图片应该 先解码，改满后再进行后续的计算，否则可能会出现颜色过度不自然、图像偏暗等等情况。相信不少熟悉三 d 渲染和游戏引擎的朋友会对这个问题有所了解，这也是改满二点二标准盛行之后带来的问题。 刚刚我们提到的图像标准中的 srgb 和 adobe rgb 都采用了 gamer 二点二的标准，而 sdr 视频中最常用的标准是 rec 七零九。 在 rec 七零九发布时本身是没有指定显示 game 标准的，这也导致了视频制作时 rec 七零九的输出可以有多种选择， 其具体对应的改码并不是完全固定的。除了改码二点二，我们在专业显示器或者视频编辑软件中还会接触到注入二点四、二点六等等改码。简单来说，这与制作视频的色彩管理 和最终观众的观看环境有关。比如在达芬奇中，我们可以看到包括 game 二点二、二点四以及 rec 七零九、 cin 等等选项。在为高清电视制定的标准 bt 幺八八六中， 瑞克七零九与 gamma 二点四绑定了起来，二点四也就在很多地方成了一般广播电视节目的标准，包括 netflix 的轿色环境，也推荐使用二点四来作为轿色环境标准， 同时二点四折改满值也和 c r t 二点五的 e o t f 相近。而二点六则是作为院线电影的标准。我们一般制作视频会接触的比较少， 使用这么多种类的，该买的原因主要还是和之前提到的对比效应和 crispin 的效应相关。我们考虑环境对观看亮度的影响时，不能只考虑到屏幕内的内容，屏幕外的内容对色彩感知也是有影响的。 如同一个视频在昏暗的卧室看，使用 gm 二点四，而在明亮的房间更适合使用画面更亮的 gm 二点二。而在电影院这种背景无光的环境则更适合使用 gm 二点六。 这几个视频虽然采用了不一样的该码输出，但是在各自的环境中的主观观看感受基本是一致的。可以看出，该码教程的另一个作用便是调控最终的系统，该码使得观看者在不同环境下看到的主观画面对比度一致。面对这么多的该码标准，我们在制作 sdr 视频时又该怎么选择呢？ 关于这方面的探讨和争论一直没有停止。从不严谨的角度讲，通常我们制作网络上传播的 sdr 视频使用改码二点二、二点四作为标准都是没有太大问题的，毕竟这两种改码在画面上的区别并不是很大。关于这方面的更多的内容，以后有机会我们可以再继续探。 总之，为了获得同样的视觉对比度感知，暗光环境下视频改码应该设置更安，亮光环境下反之需要更亮。 随着时代发展，传统 sdr 中使用的该买矫正方式也显现出了弊端。 现在网络内容成为了最主流的视频传播渠道之一，更重要的是用户也用着不同的设备在不同的环境下观看内容， 每个显示设备的屏幕亮度和对比度也不一样。而像 s d r 视频标准中那样，使用一个固定的系统 game 码值来决定最终用户屏幕显示的内容肯定是不合适的了。 原因在于 sdr 标准中屏幕最大亮度为一百尼特，但是现在的显示设备亮度基本都能远超这个数值，而屏幕的最大亮度也能影响 到最佳的系统该码在 b b c 的 w h p 三零九白皮书中就有测试，不同对比度的显示器将需要通过不同的系统该码来校正，才能看到主观感受相同的画面。因此，理想的情况是应该先把亮度信息转化为线性的数据， 在交由每个显示器单独判断视频的该码教程方式。这种方式的好处在于，每个用户的终端显示设备可以了解观看者的环境，再根据影片的原数据和自身设备的料读性能去改变最终提供给用户的系统该码。 然而， h d r 中的系统该码更多的是由制作端控制，而不是显示端。为了解决不同设备的亮度和对比度差异带来的问题， h d r 主流的两大标准 p q 和 h l g 就采用了两种不同的方式，在一定程度上解决了这个问题。 一般的 sdr 的干码不在乎显示器本身的亮度能力，统一使用一种显示干码，而 p q 与 h l g 的 e o t f 将会随着显示器的峰值亮度而调整。 p q 采用了绝对亮度的方法，而 h l g 采用了相对亮度的方法。 在暗部使用了 game 曲线，在亮部使用了 log 曲线，这使得 hlg 在低亮度显示器，特别是 sdr 显示器的表现比 pq 标准更加自然更多。关于 hdr 方面的内容因为较为复杂，我们还是以后有机会再来讨论吧。 改码较真和各种标准是非常复杂的，这期视频也只是粗略的和大家探讨了一小部分内容。改码较真的概念现在已经深度融入了数字图像的拍摄制作和显示中。 改码矫正流程带来了数据存储优势的同时，也同时提供了一种方法，可以通过调整最终系统改码去弥补背景照明给屏幕内容带来的感知变化。但是改码矫正在绝大多数情况下并不是完美的解决方案，毕竟每个画面在不同的观看条件，不同的屏幕通过不同的人都会有不一样的最佳改码值。 环境对人主观对比度感受造成的影响显然不是一个简单的干嘛较正能解决的，但可以看出，新时代的 hdr 技术已经在着手解决这些问题了。 除了标准的制定以外，显示设备厂商也将在同步创作者的意图和观看者的体验上扮演着重要的角色。之后的节目我们将继续把这个话题延伸下去，谈谈相机的动态范围和 logo 格式。那么本期黑皂影记就到此结束了。如果您还喜欢这样的节目，欢迎关注我们的频道，我们下期见。

十足料伽马系列的假货，他们的两标拉链扣件现在已经全部在用真的了，以往的那些鉴定性早就已经不适用了，今天我只讲假货仿不出来的结构性细节，看完你就不会买错了。第一点， 腋下的立体裁剪。十足料伽马系列采用的是三片式的立体拼接，我们以往的衣服啊，都是正反两块布，然后进行一个车缝的一个组， 但是石脑伽马线他为了汗颜运动，把腋下这一块设计的会更灵活一点，所以采用的是三块布的一块拼接，那这样的设计要求就会导致他对里面的这一块缝线要求就会比较高一点，所以他腋下这一块的车线啊，会非常非常整齐。 第二点，袖口的魔术贴加上袖口的结构，正品的嘎嘛袖口是双层的收口，外层是魔术贴，内层有长度刚好会卡手腕，假货只会仿外观，内层没有弹力结构。第三点，门禁的压胶跟内里的走线。正品的嘎嘛软壳门禁压胶是一体，热压 薄，平整复古，包边缘完全服帖。内里的走线是四线包缝密直不乱，没有多余的线头。假货压胶厚硬翘边，走线 c y 甚至漏针，这个是工厂的工艺差距，不是换个配件就能解决的。第四点，看下摆， 正品的抽绳出口开孔精准，不磨面料，内侧有防风挡片，一体裁剪。以上四个是正品的专利级工艺， 假货再流也仿不出来，如果大家不会看见工艺没关系，教你们最后一招，看水洗标，正品的水洗标啊，它用的是超薄的哑光纤维布，摸上去像纸，但它的韧性会更强一点，它复杂就复杂在它的粗细 密度。字体你看正品的最后一边，这边，他这边是有加粗的。大家，最后，如果你们实在是在怕买到假货啊，作为我的粉丝，我会免费帮你们鉴定， 只要是你们评论或者私信我，但凡看到的，我都会给到你们一个意见。下一期想看手表哪一款衣服的鉴定教程，记得关注我。

经常我们面临着这样的工作场景，下周可能就要汇报或者是做正式的分享了，这个 ppt 还来不及做，能 不能借助现在这个 ai， 对 吧？帮助我们又快又好的去完成今天这条视频，我们就来教大家怎么样去做。很多人提到了这个 ai 去做 ppt， 那 脑子里幻想的就是我丢一个指令，它能够马上就帮我出结果。 其实往往你真的去只是丢一个简单的指令，你就会发现它做出来这个内容啊，远远不是你想象的那种，对吧？首先它的内容不是你想要的，第二个，它的这个时间生成可能也比较慢，那久而久之，大家会觉得这个试了一次以后，觉得这个 ai 做还是不太苦， 不太靠谱，还是是需要自己这个手搓，一页一页的去做，又是回到原来的这个模式。其实核心的一个点可能就是啊，我们还没有掌握正确的使用 ai 创造 ppt 的 这个流程，一共就是两个流程。首先第一个流程 啊，不能够偷懒，我们在这个内容上要自己把关，那这个内容，当然你可以借助 ai 的 这个工具，你比如说像 gpt 啊，或者是 deep ck 啊，跟他去做一个交互，多人的交流啊，保证你的内容输出是你想要的这个结果。所以说你 先要这个 ppt， 不 直接让他开干，而应该是先要输出做 ppt 的 内容大纲。你别说这个 ppt 我 大概是讲哪几个主题，每 一个主题大概分是什么样的内容，然后需要什么样的这个案例，那把这个内容一定要确认好，甚至是包括一共大概是多少页，你说八十页，那你就让 gpt 生成八十页的内容大纲啊，这是第一步，当完成了这一步了以后，我们才把它投喂给这个做 app 的 啊，做这个 ppt 的 ai 工具啊，然后目前市面上啊，然后大家提的比较多的这个工具，可能国外的是伽玛，对吧？伽玛这个工具的这个特点就是它生成的这个效果可能让你比较惊艳，但是怎么样？ 因为它是一个国外的这个软件，它的这个键面对我们国内的人使用下来不太友好，因为它的导出也是比较麻烦。另外你还得要这个有 vpn 啊，那其实国内的这些软件也够用了。国内的然后我就说典型的三个，一个是 wps， wps 是 我体验下来不太好的， 主要是不太好的点，你比如说你给他的这个内容是 a， 你 会发现他他没有完完全全按照你的内容去生成，然后他这个内容的这个切换也不是很丝滑，所以说 wps 这边老师是不太建议去使用的 啊。另外两个 kimi 和豆包，然后我觉得大家是可以去尝试用起来的。这两个软件的一个特点就是你给到了这个内容， 它都能够按照你的内容去生成，它在你的这个基础上可以适当的去优化。另外它的这种格式啊，排版呢是非常漂亮的，基本上比你做的这个时间要快，然后这个更加的要美观，因为很多的这个图形你还自己去找对不对？它自动就帮你去找好了。 那这 kimi 和豆包它相比而言啊，有什么样的这个特点呢？啊？ kimi 主要的点，它的就是啊， 他的这个要收费啊，然后他的免费额度只有三次，你用完了就没有了。那我我尝试过用完了以后，我去这个某， 这个某鱼啊，这个二手平台去买一个账号，结果发现你只能也只能用一次啊，用完了以后又得要去买，那你这个成本太高了，因为我们知道 你做 ppt 可能也要来回的要改好多次，不是一次就能够生成的。好的，那所以说这个豆包当前的这个阶段还是是免费的，当然豆包没有又没有 bug， 当然也有它的速度没那么快，因为你是免费的，就是生成一次可能大概 差不多得要二十分钟左右啊，然后你通常你做一做完一个 ppt， 你 可能要来回交互好几次，那可能这几次可能差不多就得要有有两三个小时的时间，可能才能够得到你想要的这个结果。并且还有一个点，就是豆包刚刚生成的时候， 比如说内容有百分之百的，然后他可能生成只有百分之八十的你，你也需要多人的跟他交互兑换。所以总之就是大家想到 啊，不是一句话偷懒你就能够完完全全让 ai 帮你搞定的，那这个中间还是是需要你的介入和判断。我们总结下来就是两步走，第一步先把内容 投喂给这个豆包，在投喂的这个过程中，也要看豆包生成的是不是 和这个内容的，如果不符合，还要进行二轮三轮的去对话，去交流，所以说你也得要预留一个，如果是很重要的这个会议的话，也得要预留个至少的半天的这个时间，不要想着，对吧？十分钟就完完全全搞定，那是不太现实的，对吧？这也是说我们现在 ai 短时间内还 不太容易替代我们这个人类一个很重要的一个原因。关于怎么样去啊？用用好 ai， 做好这个 ppt， 如果大家有更好的这个建议，欢迎这个留言啊，也欢迎大家关注。