AI视频生成新方式！Higgsfield炸裂更新！
计大家这几天肯定有看到过这种视频， 通过拖动下产品或者任何物件到一个图片上，就能生成各种酷炫的视频。 但是各大平台看到的这些视频大都是实际给你这个官方的demo，有的只告诉你是higgsfield做的，并没有告诉你应该怎么做。
相关工具已收录于 AI工具严选
Higgsfield
AI视频生成工具，支持专业运镜效果
微信赞赏
相关推荐
2025-10-09
轻松替换人物和物体！一分钟包教会！
相信大家最近肯定有刷过这种涂抹几下就能修改视频里面的人物和物体的视频，但是我看了好多都没有告诉你这个是怎么做的。我认真查了下，发现是用higgsfield ai的nanobanana replacement功能实现的。废话不多说，赶紧demo 访问入口
2026-10-16
可灵4.0测评报告！六维鹈鹕骑车实测！
上一期用一条 5 秒提示词测了 Seedance 2.5，这次轮到快手可灵刚全量上线的可灵 4.0，用的还是「鹈鹕骑自行车」这个经典测试用例，直接看谁更能打。 先给结论：机位错了，导致整套镜面反射的考点集体失效。可灵这一条的机位不是纯侧面，而是偏斜的前视角，「镜面护墙要完整反射全部主体」这个前提根本没成立，所以后面几维的失分几乎都是从这一处塌下来的。下面还是逐维度看。 主体完整性与跨帧一致性：多了个挂钟（提示词只要求一个）；整个视频播完都没能看到完整的自行车结构——车架始终没露全，更别说玻璃墙要完整反射所有主体了。 肢体与机械推理：左翅膀没扶车把；鹈鹕没有叼着玻璃瓶，玻璃瓶是凭空悬浮着的；又因为自行车结构不完整，骑行姿态这类判据根本没法判别。 多层镜面空间推理：镜面护墙完全失效，没有做到完整反射全部主体；提示词要求用手机后置摄像头对准镜面护墙自拍，视频里不仅没对着护墙，从取景器能明显看出用的是前置摄像头。 中文文本与时钟渲染：这一维有亮点——横幅里的「鹈鹕」两个字是对的，而上一期的 Seedance 2.5 恰恰在这里写错了。不过时钟依旧不对，指针位置不是 3 点 45 ...
2025-08-20
谷歌炸裂开源小模型！重新定义本地轻量AI！
谷歌全新发布的 Gemma 3 270M 模型，注意，不是270B，而是270M。作为 Gemma 3 家族的新成员，这个仅有 2.7 亿参数的模型，不仅自带出色的指令遵循和文本结构化能力，在测试指令遵循能力的 IF Eval 基准中还刷新了同尺寸模型的性能纪录。其架构设计颇具巧思，2.7 亿参数中 1.7 亿用于大词汇量嵌入，配合 25.6 万的超大词汇量，能轻松处理特定领域术语和稀有表达，为细分场景的微调提供了扎实基础。而在能效方面，Pixel 9 Pro 上的测试显示，INT4 量化版本完成 25 次对话仅消耗 0.75% 的电量，堪称终端设备和资源受限场景的理想选择展开更多 Huggingface访问入口
2025-05-27
Google Jules 免费硬刚 OpenAI Codex
Google Jules硬刚OpenAI Codex啊，不知道大家看了这次谷歌I/O大会没有，其中发布的一款免费产品叫 Jules！它其实就是一个AI编程助理，用了最新的 Gemini 2.5 Pro 模型。平时改Bug、重构代码这些头疼的事儿，它都能帮你搞定，而且还是自动的！最最让人激动的是，这个 Jules 现在完全免费！而且立马就能用！感觉谷歌这是直接跟别家那些收费的编程AI杠上了… 访问入口
2026-10-12
大语言模型中MoE究竟是怎么工作的？
这一节继续讲大语言模型的基础知识——MoE（混合专家）。先回顾一下上几节的内容：之前学过 Transformer 里的 self-attention，它让我们拿到了带有上下文信息的向量。 这个向量接下来会做残差连接和归一化，然后进入下一层——FFN（前馈网络）。为什么要加 FFN？因为在 self-attention 里，算 Q、K、V 的本质都是一些线性变换，学不到很深的东西。学过深度学习的都知道，网络里需要有激活函数（比如 ReLU、GELU）来做非线性变换，模型才能学到更丰富的知识。FFN 干的正是这件事——它相当于一个全连接的深度神经网络。 但这里有个问题：如果我们只有一个大的 FFN，那么所有从 self-attention 出来的向量都会丢进同一个 FFN——写代码的、写作文的、做其他事情的，全都经过同一个网络。有没有更好的办法，既能加速这一层，又能让它更专业？MoE 就是答案。 MoE 的思路是：把一个大的 FFN 拆成一个个小参数的 FFN，然后在上面再搭一个「路由」（router）。每个从 self-attention 出来的向量先经过 router，由它...
2024-11-29
F4-TTS：以假乱真的声音克隆
F4-TTS（也被称为F5-TTS/E2-TTS系列）是一款开源的文本转语音（TTS）工具，以其惊人的声音克隆效果而闻名。你只需提供一段几秒钟的人声样本，F4-TTS就能克隆该声音，并用这个声音朗读任意文本。它的语音合成效果极其自然，包括语调、停顿、情感表达都接近真人水平，几乎无法分辨是AI生成的还是真人录音。与商业TTS服务相比，F4-TTS完全免费且开源，可以在Hugging Face上直接在线体验。对于内容创作者、播客制作者和有声书爱好者来说，这是一个非常实用的工具。 访问入口
