首页
学习
活动
专区
圈层
工具
发布

用AI把自己变成小电影的男主,你愿意么?

△ 被合成的艾玛 一个重要的应用场景,就是把小电影的女主,换成自己的女神。 但是,此类视频NSFW,不论明星还是素人,都难免担心自己出现在奇怪的假视频里。...而现在,成人影片公司Naughty America,推出了一项基于Deepfakes的新服务: 让AI把你变成主角 用户可以付费定制,自己是主角的小电影。...用自己的照片,总归不需要别人同意了 (大概) 。 ? △ 樱由罗 把自己的脸换到影片里,去和最喜欢的女星“零距离”。除了观赏,还能获得参与感,也可能是成就感。...世界各地的人类,都开始用这个方法,满足自己的愿望。 比如,差评就用石原里美小姐姐,替换了动作片原本的女主。 ? △ 十元还是很可爱怎么办?...怎么知道哪些视频还是真实的? …… 再后来,无法有效解决这些问题的Deepfakes,几乎受到了全网封禁。

6K50

怎么把「用 AI 省下的时间」,真正变成业务增长

—— AI约翰 上篇我们聊了一个信号:大厂集体下线「陪聊」智能体几家大厂正在把智能体从「陪聊玩具」往「生产力工具」挪,监管也在往这个方向收口。...那篇文章聊的是「发生了什么」,今天这篇想聊「然后呢」——对做企业、做跨境、做自媒体的普通人来说,这件事到底能怎么用。...一个朴素的判断:当 AI 的重心从「炫技」回到「干活」,普通人手里的工具第一次认真地朝「能落地」进化。但机会不会自动掉下来,关键看你有没有把它接住的方法。...04 PLAYBOOK 在 WorkBuddy 这类「多工具 AI」里怎么干 落到工具层面,这类多工具 AI(以 WorkBuddy 为代表)的价值在于把上面这些场景串起来,而不是只回答单个问题。...只要挑一件重复的事,让它先跑起来,你就已经跑赢了绝大多数还在「围观」的人。 下一篇,我们可以聊聊:怎么把「用 AI 省下的时间」,真正变成业务增长。

35610
  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    MySQL 5.7 多主一从的复制结构

    多源复制的作用 MySQL 5.7.6 开始,添加了一个新特性:多源复制 Multi-Source Replication 可以让你同时从多个master中并行复制,也就是形成了一种新的主从复制结构 一从多主...图 以前都是一主多从的结构,想实现一从多主的复制需要自己想办法,现在好了,直接支持了 多源复制的应用场景示例: 比如我们分库后有多台数据库服务器,后台统计系统需要对数据进行汇总,就可以使用多源复制实现汇总功能...比如我们有多个项目,分为了多台数据库服务器,想使用主从复制进行数据备份,就可以使用多源复制,把多个数据库复制到同一台服务器中,如果没有多源复制这个功能,就要自己想办法实现,增加了数据库管理难度,或者使用多个从服务器分别进行复制...,否则会复制失败 因为使用复制出来的两台虚机,或者在Docker中使用同一MySQL镜像的两个容器时,就会出现 uuid 相同的情况 mysql> SHOW VARIABLES like '%server_uuid...%'; 如果值相同,查看 my.cnf 中 datadir 的位置,其目录下有一个文件 auto.cnf,把其中的 server-uuid 值改一下,注意不要增减长度,例如把最后一个字符改下即可 配置

    2.5K90

    把你的 GIMP 变成 PhotoShop

    加州大学伯克利分校的 Peter Mattis 和 Spencer Kimball 早在 1995 年的时候开始了该程序的开发。...不过,由于 GIMP 采用了和 PhotoShop 不同的用户界面和交互逻辑,因此那些从 Photoshop 迁移过来的用户需要一段时间的适应。...这个补丁就是 PhotoGIMP,它所做的就是调整 GIMP,使其模仿 Photoshop 的界面,同时还增加了一堆额外的功能。...新的启动闪屏 新的默认设置,以最大化画布空间 按照 Adobe 文档为 Photoshop 上的相似功能设置快捷键 自定义的 .desktop 文件添加了新的图标和名称 新的默认语言是英语(如果你想的话...新的图标只有通过 Linux 环境下的补丁提取才能使用,但你可以在你的系统上手动设置它。

    1.5K10

    把你的 GIMP 变成 PhotoShop

    加州大学伯克利分校的 Peter Mattis 和 Spencer Kimball 早在 1995 年的时候开始了该程序的开发。...不过,由于 GIMP 采用了和 PhotoShop 不同的用户界面和交互逻辑,因此那些从 Photoshop 迁移过来的用户需要一段时间的适应。...这个补丁就是 PhotoGIMP,它所做的就是调整 GIMP,使其模仿 Photoshop 的界面,同时还增加了一堆额外的功能。...新的启动闪屏 新的默认设置,以最大化画布空间 按照 Adobe 文档为 Photoshop 上的相似功能设置快捷键 自定义的 .desktop 文件添加了新的图标和名称 新的默认语言是英语(如果你想的话...新的图标只有通过 Linux 环境下的补丁提取才能使用,但你可以在你的系统上手动设置它。 总结 好了,你是不是从 PhotoShop 转移过来的 GIMP 用户,你有没有试过这个补丁?

    2.4K20

    把你的 GIMP 变成 PhotoShop

    加州大学伯克利分校的 Peter Mattis 和 Spencer Kimball 早在 1995 年的时候开始了该程序的开发。...不过,由于 GIMP 采用了和 PhotoShop 不同的用户界面和交互逻辑,因此那些从 Photoshop 迁移过来的用户需要一段时间的适应。...这个补丁就是 PhotoGIMP,它所做的就是调整 GIMP,使其模仿 Photoshop 的界面,同时还增加了一堆额外的功能。...新的启动闪屏 新的默认设置,以最大化画布空间 按照 Adobe 文档为 Photoshop 上的相似功能设置快捷键 自定义的 .desktop 文件添加了新的图标和名称 新的默认语言是英语(如果你想的话...新的图标只有通过 Linux 环境下的补丁提取才能使用,但你可以在你的系统上手动设置它。 总结 好了,你是不是从 PhotoShop 转移过来的 GIMP 用户,你有没有试过这个补丁?

    1.7K30

    智能体怎么从会聊天变成会办事?手写一个最小 Agent 主循环

    下面这个不到一百行的最小实现,包含一个可用智能体的全部骨架:工具白名单、权限闸门、停止条件和运行日志。代码直接可运行,模型服务使用兼容 OpenAI 协议的接口,替换地址和密钥即可。...主循环的状态机一次问答在输出文字后结束,智能体任务则是五态循环:感知(读取任务与资料)→ 规划(模型决定下一步)→ 执行(调用白名单工具) ↑...(result)}) return "已达到最大步数,任务停止,请人工介入"if __name__ == "__main__": print(run("读取 notes.txt,总结要点,把结论保存为...draft_summary.md"))部署前的三条工程纪律收窄目标:把"帮我做好工作"改成可验收的任务,写明输入材料、完成标准、禁止操作和停止条件。...真正可用的智能体不是替人作所有决定,而是在明确边界内可靠完成被授权的工作。搭建时从一个内部低风险任务开始,先用历史样本测试,再小范围运行。

    15410

    把ChatGPT变成你的老师,学得又快又好

    背景这次要介绍的,实际上是GitHub上一个star数非常多的库,但实际上他的类容就是一个prompt,如下:图片但是,你可千万别小瞧这个库,他是作者精心设计了的一个prompt,可以说,利用它这个prompt...,你学习任何ChatGPT知道的知识都不是问题,而且他整理的的知识框架非常清晰,而且支持学习知识的风格配置:图片制定学习计划案例下面是假的我要学习Python时,他给我制定的学习计划如下。...如果你不想继续学习了,可以重新来开始一个学习;此时,你输入 /plan 学习Android开发使用方式下面就是这个超级学习助手的魔法 prompt ,你只修要将整段内容贴给ChatGPT,他就可以给你制定任何你想学习的学习计划

    1.4K20

    vLLM的语义路由框架:把改策略从工程问题变成配置问题

    这篇来自 vLLM 开源社区的工作不是在刷榜,而是在解决一个实际的系统工程问题:当企业同时运行十几个来自不同提供商的语言模型,一条请求进来,谁来决定路由给哪个模型?依据什么?安全策略怎么执行?...:把简单问题发给小模型,复杂问题发给大模型。...核心思想:把策略从代码中剥离出来 这篇论文最本质的贡献,用一句话说: 用可组合的信号-决策-插件架构(Composable Signal Orchestration)将路由策略从代码中剥离,通过配置文件的不同组合...系统被分为三层: Layer 1 – 信号提取层,负责从每条请求中提取结构化特征。...和近期工作的关系 这个框架和 RouteLLM 是互补而非竞争:RouteLLM 专注于做好"强弱模型二选一"的难度分级,而 vLLM Semantic Router 把模型选择作为插件链中的一个步骤,

    77210

    MySQL-5.7.10主主同步的安装和配置

    并确保peer为另一主的IP地址,其它user和password两主建议保持相同,示例(假设两主IP分别为192.168.1.1和192.168.1.2): ? ...配置从库上的更新操作是否写二进制文件,需要和log-bin一起使用 slave-skip-errors 值为all表示让从库跳过所有错误(但不能跳过所有DDL所引起的主从错误),也可以只跳过指定的错误...--slave-skip-errors=1007,1008,1050,1051,1054,1060,1061,1068,1094,1146 sync_binlog 值为1表示主机每次提交事务的时候把二进制日志的内容同步到磁盘上...原因是从MySQL 5.6版本开始,timestamp的默认值已被标为deprecated,即如果类型为timestamp的字段,如果没有明确声明默认值为NULL,则默认为NOT NULL。...从官网下载的MySQL默认安装目录为/usr/local/mysql,如果实际为其它目录,则建议通过参数--basedir指定,否则会遇到不少安装问题。

    1.8K40

    MySQL的双主复制介绍

    MySQL的双主复制 今天搭建了一套双主复制的架构,这种架构包含两台服务器,每一台都被配置成对方的主库和备库,是一种特殊的主从,架构图如下: ?...这种架构的应用场景是解决两个处于不同地理位置的服务器都要写入数据的时候。...这种架构,最容易出现的问题是数据冲突,例如: 1、我们在操作两台服务器修改同一条记录,将会产生冲突; 2、在同一个有自增列的表里面插入数据; 为了解决第二个问题,mysql里面配置了两个参数来避免该问题的发生...=2; auto_increment_offset=2; 也就是说,A服务器从1开始,每次按照步长为2进行自增,保证它的id值全部都是奇数,B服务器从2开始,每次按照步长为2进行自增,保证它的id...综上所述,这种架构,目前来看,是已经被淘汰掉了,可以选用主动---被动模式下的双主复制来进行替代,具体有时间再分析吧。 时间原因,今天就先到这里吧。

    3.9K10

    AI 量化交易:从特征到实盘,把“预测”变成“可承受的风险”

    AI 量化最普遍的失败不是模型不够聪明,而是回测里藏着未来信息、成本被忽略、模型一上线就衰减。专业做法是把整条链路拆成“无泄漏的特征—可验证的标签—带成本的回测—受约束的仓位”四段。...本文给出可落地的实现代码与陷阱说明。一、特征与防泄漏特征必须严格用 t 时刻之前的信息。滚动统计用 shift(1) 隔离当日,是最低成本的防线。...更严重的是,三重障碍的标签跨越了样本区间,训练集尾部会与验证集重叠——这就是泄漏。解法是 Purged K-Fold:在训练/验证之间挖掉一段,并剔除标签区间跨越边界的样本。...[te])[:, 1] aucs.append(roc_auc_score((y.iloc[te] > 0).astype(int), oof[te])) # 分组收益单调性检验:把预测概率分...结语AI 量化不是“让模型猜涨跌”,而是把模型输出转化为受成本、回撤、容量约束的风险暴露。防泄漏决定回测是否可信,Purged CV 决定评估是否诚实,成本与仓位决定策略能否活到实盘。

    18110

    把能耗数字变成可复算的数字:从 FlashProve 学来的 L0 落地记

    二、L0:零新机制的一层L0的定义刻意克制:不引入任何新机制,只给已有的power-trace旁车补上四个结构化字段,让「报告数字」和「原始采样」之间从「肉眼对」变成「算术对」:sha256:旁车CSV...原始CSV从模型加载之前就开始记录,窗口是其中一段——有索引边界,别人不用猜你从哪切到哪;integral.rule:积分规则的结构化声明——梯形积分、dt逐对取自CSV时间戳、无端点插值、不是左/右黎曼...可复算性的承诺是「你拿文件就能对上」,而文件里的数字不是内存里的数字,这就是断点。解法违反直觉但确定:写完CSV之后,把文件读回来。...五、两条诚实边界(从FlashProve的认怂学来的)FlashProve的README对自己不能证明什么写得极其清楚。...把这一点说清楚,L0的声称才是准确的:数字变得可复算(recomputable),不是变得真实(truthful)。2.NVML读数没有校准链。

    17510

    如何把业务问题变成机器学习的问题?

    在机器学习成本分配中,最大比例在机器学习本身,调参、特征工程、模型评估、模型上线这些工程的事情占了大量的时间,而问题的定义、数据的采集占的时间非常小,我们认为这是有问题的。...我们认为一个机器学习的项目,无论通过合作还是使用第三方平台的方式,应该把大钱花在采集好的数据,定义好的问题上去,甚至这要超过一半的时间。而另一半的时间,才是真正做机器学习模型的时间。...降低数据的成本 那我们怎么降低数据的成本呢?我给大家一些思考。 第一,除非必要,只使用采集好的数据。...开发新的数据源是有风险的。机器学习最怕的是说不清楚这是算法的问题,还是数据问题,还是问题定义的问题,所以让 MVP 环节中能出问题的环节越少越好。...review,如何检查MVP的建议: 首先要 Review 问题的方向是不是对的,模型的效果是否符合预期,模型的优化目标是否有明显的变化,比如优化的目标是西瓜好不好,优化之后是不是买到的西瓜好的变多了。

    1.3K90

    把 GitHub 变成“应用商店”的工具:GitHub Store

    Store 的开源项目, 它做了一件很朴素但很实用的事——把GitHub上真正能安装的软件,整理成一个应用商店。...痛点三:更新全靠"想起来" 从GitHub手动下载的软件,后续更新是个盲区。很多人装完就忘了,等想起来的时候,版本已经落后好几代。 GitHub Store内置了应用管理功能。...用它装过的软件,会显示在"已安装"列表里,有新版本时直接提醒更新。不需要再翻Release页面,也不需要订阅邮件通知。 实际用起来怎么样?...⚠️警告 开源项目源码公开,不代表编译后的程序绝对安全,请谨慎甄别,风险自负 尽量选择Star 高、Fork 多、有多人贡献代码、更新频繁的项目, 有能力的自行编译打包最安全 跨平台支持做得怎么样?...GitHub Store把流程简化了,像逛普通应用商店一样就能找到想要的工具。

    2.7K10

    大模型妙用,把难懂的论文变成PPT

    其实方法很简单: **先把论文素材转成 tex,用大模型生成 PPT(依然是 tex 格式),然后把所有素材和生成的 ppt.tex 都上传到 overleaf 解析,最后下载 pdf** 下面咱们逐步展开...:第一步 准备论文素材比如我有把非常经典的《# Attention Is All You Need》这篇论文转成 PPT在 arxiv 网页右侧找到 TeX Source,下载然后找到支持知识库问答的...⏩Compiler⏩XeLaTex把下载的论文 TeX 素材和刚刚大模型生成 PPT TeX 全部上传到 overleaf点击 ...Recompile,PPT 就 OK 了点击旁边的下载按钮,就可以把 PDF 保存到本地了大家注意到了,提示词中的关键词是 Beamer 这个包,它提供了创建演示文稿的强大功能,并有许多主题和附加包支持...如果想要更换不同主题(行)和颜色主题(列)组合的_标题页_和普通幻灯片,可以看看这个页面,优化一下提示词就行了探索更多风格更进一步地,你也可以不使用 Beamer 主题,一样的,提示词中把 Beamer

    99610

    一份财报抽取任务,是怎么把自己变成审计工具的

    MuPDF只能退回逐页重建的路径,find_tables于是退化到耗时不可接受。那一刻我才想明白一件事:这份数据里真正难的不是怎么把PDF抽成文本,而是你怎么知道自己的抽取结果有没有问题。...我们的锚点写得太死,北交所整块被误判成不合规。当时最省事的做法是加几个同义词把数字修好看。我们没那么做,因为那只是把错得离谱变成错得隐蔽。...做法是把整块结论标成不可用,写清楚原因和边界,等后面做监管章节对照时用真正的章节结构识别来解决。第2个更隐蔽。我们按basis年份把公司分成两组比较缺失率,发现成本分析跨版差2.52pp且统计显著。...语料冻结后全量重算,同一个指标从73.5%变成86%左右。最后我们把这条写成了硬约束:分析必须等语料冻结。4.2一个校验器,先学会了项目的命名约定写校验器之前,先把项目里已有的命名约定认全。...完备度七成满分,五档极差1.1分;规范性梯度的完备度也是97到98之间。一个测不出差异的指标,无论你怎么算相关系数,得到的都是零,而那个零会被误读成没有关系。

    19210
    领券