最新

你好！我受到JRPG视频游戏和网络上脑洞内容的启发，构建了一个“平台”，通过面板向人们逐步传授知识，用户可以通过点击空格键或轻触屏幕来推进内容。为了让它与众不同，我使用了非常“轻松”的语言，并添加了一些尴尬的笑话和元素。 目前为了测试这个想法，我添加了两个教程： - Python类型提示 - 编程面试技巧 现在我在寻找反馈，因为我想知道这种学习方式是否对任何人都有实际帮助。或者这只是我另一个“酷，但没人想要”的想法。 非常感谢任何反馈！谢谢！

嗨，HN！我们是Shraman和Shreyas Kar，正在开发Golpo（<a href="https://video.golpoai.com">https://video.golpoai.com</a>），这是一个用于生成白板风格解释视频的AI工具，能够根据任何文档或提示创建视频。 我们一直以来都通过制作视频来传达各种概念，认为这是最清晰的沟通方式。然而，制作高质量视频耗时且繁琐。它需要规划、编写脚本、录制、编辑以及将声音与画面同步。即使是一个2分钟的视频，也可能需要数小时的时间。 虽然AI视频工具在生成电影场景和炫酷内容方面表现出色，但在解释产品演示、展示复杂工作流程或教授技术主题时却显得力不从心。人们仍然需要花费数小时手动制作解释视频，因为现有的AI工具并不是为了学习或清晰度而设计的。 我们的解决方案是Golpo。我们的在线视频生成引擎能够生成与语音叙述时间对齐的图形，非常适合入职培训、产品演示和教育。它快速、可扩展，并从零开始构建，旨在通过简单的叙事帮助人们理解复杂的想法。 这里有一个演示：<a href="https://www.youtube.com/watch?v=C_LGM0dEyDA#t=7" rel="nofollow">https://www.youtube.com/watch?v=C_LGM0dEyDA#t=7</a>。 Golpo专门为解释、学习和入职培训等用例而设计。在我们（显然有偏见的！）看来，它在真实感和吸引力上是其他AI视频生成器无法比拟的。 Golpo可以生成超过190种语言的视频。在生成视频后，您可以通过自然语言描述想要在每个动态图形中看到的变化，来完全自定义其动画。 实现这一点的过程充满挑战！最初，我们使用了Manim的代码生成方法，微调了一个语言模型，以便直接从输入文本生成Python动画脚本。虽然在小示例中表现良好，但这很快变得脆弱，生成的代码通常包含错误的导入、不支持的变换以及叙述与视觉之间的时间对齐不佳。调试和重新生成这些脚本的速度往往比手动创建还要慢。 我们还探索了训练一个基于扩散的自定义视频模型，但发现这对我们的需求并不实用。扩散可以生成高保真的电影场景，但在生成超过30秒的连贯序列时不可靠，复杂的拼接使得编辑需要重新生成视频的大部分内容，视觉效果常常偏离教学意图，尤其是在抽象或技术主题上。此外，我们也没有足够的计算能力来扩展这一点。 现有的尖端系统如Sora和Veo 3也面临类似的限制：它们优化了电影叙事，而不是逐步的教育内容，并且缺乏时间对齐叙述所需的确定性控制和5到10分钟解释视频的可扩展性。 最终，我们采取了不同的路径，训练一个强化学习代理，以“绘制”白板笔画，逐步优化以实现清晰、类人化的解释。这种方法效果很好，因为动作空间简单，环境并不过于复杂，使得代理能够学习高效、精确且一致的绘图行为。 以下是一些Golpo生成的示例视频： <a href="https://www.youtube.com/watch?v=33xNoWHYZGA" rel="nofollow">https://www.youtube.com/watch?v=33xNoWHYZGA</a>（白板健身房 - Golpo背后的技术） <a href="https://www.youtube.com/watch?v=w_ZwKhptUqI" rel="nofollow">https://www.youtube.com/watch?v=w_ZwKhptUqI</a>（RNN是如何工作的？） <a href="https://www.youtube.com/watch?v=RxFKo-2sWCM" rel="nofollow">https://www.youtube.com/watch?v=RxFKo-2sWCM</a>（C语言中的函数指针） <a href="https://golpo-podcast-inputs.s3.us-east-2.amazonaws.com/files/4c26c0cf-4938-4371-a74b-a78eb18acc86.mp4" rel="nofollow">https://golpo-podcast-inputs.s3.us-east-2.amazonaws.com/file...</a>（哥德尔定理的基本介绍） 您可以在这里尝试Golpo：<a href="https://video.golpoai.com">https://video.golpoai.com</a>，我们将为您提供2个使用积分。我们非常希望听到您的反馈，特别是关于哪些地方感觉不对、您希望控制的内容以及您可能如何使用它。欢迎留言！

我一直在研究AI搜索优化，并注意到一个问题：大多数品牌并不知道当有人向ChatGPT（或其他大型语言模型）请求相关推荐时，他们是否会被展示出来。 如果你在这里是隐形的，那么你就对越来越多的潜在受众隐形了。 企业工具（如Profound、Semrush AIO等）为大公司提供这方面的跟踪服务，但我想要一个小团队或独立创作者可以在几秒钟内运行的工具，而且没有持续的费用。 GetGPTScore的工作原理如下： - 输入你的品牌网站网址 - 我们针对ChatGPT（搜索模式）运行定向提示 - 查看GPTScore（0-100）以及改善建议 你可以以4.99美元的固定价格获得完整报告——没有追加销售，没有月度计划。 未来计划：增加Perplexity、Google AI概述、Claude、Gemini。 该工具是用Python和OpenAI API构建的。虽然没有什么花哨的，但它解决了我在尝试让一个副项目在AI回答中被引用时的挫败感。 希望能得到HN的反馈： - 单一的“AI可见性评分”是否有用？ - 我应该先扩展到更多引擎，还是深入研究ChatGPT？ - 有没有想法让评分更具可信度？ 在这里试用： [https://getgptscore.com](https://getgptscore.com)

大家好，我是伊戈尔，Inworld Runtime 的工程师之一，我们今天在公开预览中发布了这个产品。 我们构建这个工具是为了应对我们和客户普遍面临的问题：工程师在 AI 运维和基础设施上的时间往往超过了实际功能开发的时间。这通常是由于使用 Python 处理 I/O 密集型、高并发工作负载的挑战，以及维护使用不断变化的机器学习模型的管道的复杂性。 我们的解决方案是一个高性能的运行时，使用 C++ 编写，核心理念是将 AI 逻辑定义为图形。例如，一个基本的语音到语音代理由 STT（语音转文本）→ LLM（大语言模型）→ TTS（文本转语音）节点组成，而连接的边则用于流数据和强制条件。这个图形引擎是可移植的（支持 Linux、Windows、macOS），并且可以在设备上运行。 在这个 C++ 核心之上，我们构建了一些关键功能： - 扩展。运行时架构将图形定义与实现解耦。如果不存在预构建的组件，您可以注册自己的自定义节点/代码，并在任何图形中重用，而无需编写任何粘合代码。 - 路由器。您可以根据流量动态选择每个节点的模型/设置，并配置回退和重试的策略，以使应用程序准备好投入生产。 - 门户。一个基于网页的控制面板 UI，用于部署图形、即时推送配置更改、在实时流量上进行 A/B 测试，并通过日志、跟踪和指标监控您的应用程序。 - 统一 API。通过单一、一致的接口和一个 API 密钥，使用我们优化的模型或路由到 OpenAI、Anthropic 和 Google 等提供商。 我们现在已经发布了 Node.js SDK，Python、Unity、Unreal 和原生 C++ 的 SDK 也将在不久后推出。我们计划开源这些 SDK，从 Node.js 开始。 文档在这里： [https://docs.inworld.ai/docs/runtime/overview](https://docs.inworld.ai/docs/runtime/overview) 我们期待来自其他工程师和开发者的反馈。您怎么看？