Luma AI 最近發布了他們的新影片生成工具 Dream Machine,旨在與其他 AI 驅動的影片創作平台如 Soar、Veo、Cling、Pika 和 Runway 競爭。雖然該工具在某些情況下顯示出潛力,但它仍然存在一些限制,用戶應該注意。

Dream Machine 的主要問題之一是影片生成的等待時間長,尤其是在需求高峰期。在早期,有些請求需要長達 7 小時才能開始處理,這對用戶來說可能相當令人沮喪。Luma 已經擴大了他們的基礎設施,但等待時間仍然可能很長。

就生成影片的質量而言,Dream Machine 在文字轉影片方面存在困難。轉錄中提供的示例顯示,該工具難以準確描繪像狼在月亮下嚎叫或猴子在溜冰鞋上的元素。生成的影片常常存在不一致,如缺失肢體或物體位置錯誤。

然而,Dream Machine 似乎在圖像轉影片功能上表現出色。轉錄中展示了幾個這方面的示例,包括一個色彩繽紛的未來城市、一個像素化的電子遊戲狼屋和一個林中小屋。這些圖像轉影片的轉換似乎比文字轉影片更加真實和連貫。

值得注意的是,Dream Machine 目前處於研究預覽階段,用戶每月可免費生成 30 個影片。之後,定價模式約為每個影片 0.25 美元。隨著工具的不斷發展,有趣的是看看 Luma 是否能解決目前的局限性,並提高生成影片的整體質量和一致性。

總的來說,Dream Machine 顯示出潛力,但用戶應該抱有現實的期望,特別是在文字轉影片方面。圖像轉影片功能目前似乎是該工具的較強方面。

Stable Diffusion 3,這款流行的開源 AI 圖像生成模型的最新版本,終於向公眾開放。讓我們仔細看看這個新版本有什麼可以提供。

文字轉圖像能力的提升

Stable Diffusion 3 的一個關鍵改進是它將文字更好地融入生成的圖像中。該模型現在似乎更擅長將文字提示轉化為連貫和詳細的視覺表現。這可以從提供的示例中看出,基於文字的提示產生了更準確和視覺上更吸引人的圖像。

仍需要提示工程

然而,值得注意的是,Stable Diffusion 3 仍然需要一定程度的提示工程才能獲得最佳結果。雖然該模型有所改進,但用戶可能需要提供更詳細和具體的提示,才能獲得所需的結果,特別是對於複雜或詳細的圖像。這與一些其他 AI 圖像生成模型形成對比,它們可以用更簡單的提示產生高質量的結果。

質量不一致

生成圖像的質量也可能有些不一致。雖然該模型在某些情況下能夠產生令人印象深刻的結果,如「叢林中的宇航員」的示例,但它仍然難以處理像「滾軸溜冰的猴子」這樣更簡單的提示。這表明,Stable Diffusion 3 在整體圖像質量和一致性方面可能還未達到一些競爭對手的水平。

需要持續改進

總的來說,Stable Diffusion 3 代表了 AI 圖像生成的一個進步,但仍有改進的空間。隨著技術的不斷發展,我們可以期待看到該模型將文字轉化為高質量、連貫的圖像的能力進一步提升,而無需進行大量的提示工程。社區持續努力完善和增強 Stable Diffusion 將是推動這些改進的關鍵。

我要聲明,我是 Leonardo 的顧問,但他們對我說的話沒有任何控制權。如果有什麼不對勁的地方,我會指出來。作為他們的顧問並不影響我對他們的實際評論。

話說回來,Leonardo 剛剛發布了一個名為 Leonardo Phoenix 的新定制模型。這是他們自己的基礎模型,不是 Stable Diffusion 的版本。這個新模型的主要特點有:

• 提示遵循增強 - 它能更好地理解和遵循您提供的提示。
• 圖像中的連貫文字 - 它能以更自然和連貫的方式將文字融入圖像。
• 優越的圖像質量 - 生成的圖像質量高於之前的模型。
• 更多創意控制 - 您對圖像的創意方向有更多控制。

然而,一些功能如圖像指導、元素和逼真版本還沒有提供。他們仍在努力實現這些額外的功能。

讓我們仔細看看這個模型的實際表現。我將進入 Leonardo 網站,選擇 Leonardo Phoenix 預設,嘗試一個簡單的提示 - "一隻狼在月亮下嚎叫"。

以下是它生成的圖像:

[Image 1] [Image 2] [Image 3] [Image 4]

我不知道你怎麼看,但這些明顯比我剛剛看到的 Stable Diffusion 3 更加出色。該模型似乎很好地理解了提示,創造出連貫、高質量的圖像。

讓我們再試一個例子 - "一隻企鵝舉著寫著 Mr eow 的牌子"。

[Image 1] [Image 2] [Image 3] [Image 4]

每張圖像中的文字拼寫都正確,企鵝拿著牌子的樣子也不錯。該模型很好地處理了文字融入。

總的來說,Leonardo Phoenix 模型感覺比 Stable Diffusion 3 更上一層樓。我強烈建議你玩玩這兩個,看看哪一個最適合你的需求。Leonardo Phoenix 模型增強的提示遵循和文字融入功能尤其令人印象深刻。

Sonno,這個 AI 驅動的音樂創作平台,最近推出了一項突破性的功能,允許用戶將自己的音頻錄製轉換為成熟的歌曲。這項創新功能,可供 Sonno Premium 訂閱用戶使用,使創作者能夠利用 AI 的力量來提升他們的音樂創意。

它的工作原理如下:

1. 錄製或上傳音頻: 用戶可以直接在 Sonno 平台內錄製音頻,或上傳現有的音頻文件。這可以是一個簡單的吉他旋律、一個聲樂旋律,或任何其他音樂片段。

2. 擴展和增強: 音頻上傳後,用戶可以選擇"擴展"選項。Sonno 的 AI 驅動算法會分析輸入,自動生成一首延伸的、完整製作的歌曲,包括額外的樂器、和聲和歌詞。

3. 自定義選項: 用戶可以通過調整參數,如流派(如acoustic pop、electronic等)、是否包含節拍,以及隨機生成歌詞等,進一步完善生成的歌曲。

結果通常令人驚訝,Sonno 的 AI 巧妙地將用戶的原始音頻與自己的音樂創作融合在一起。生成的歌曲保留了用戶輸入的本質,同時將其提升到專業水準。

這一功能為音樂家、作曲家和業餘愛好者開闢了新的創意可能性。用戶可以嘗試不同的想法,快速將草稿轉化為完整的作品,甚至與 AI 合作,實現他們的音樂願景。

隨著 Sonno 不斷完善和擴展其功能,這個音頻擴展功能有望成為現代音樂創作者不可或缺的工具。通過賦予用戶將原始想法轉化為成熟歌曲的能力,Sonno 正在重新定義音樂製作和創作的方式。

蘋果在最近的 WWDC 活動中大幅推進了 AI,在其整個設備和服務生態系統中集成了 AI 功能。以下是主要亮點:

iOS、iPadOS 和 macOS 中的 AI

• 蘋果正在構建自己的 AI,並將其深度集成到 iOS、iPadOS 和 macOS 中。這包括以下功能:
  • 在 Notes、Mail 等應用程式中進行校對、重寫和總結文本
  • 在 Notes 和 Calculator 等應用程式中使用 AI 視覺功能分析圖像和手寫內容
  • 使用 AI 優先處理和總結電子郵件和通知

Image Playground

• 蘋果的新圖像生成功能"Image Playground"允許使用 AI 創造插圖、動畫和草圖。
• 它有一個獨特的界面,您可以看到 AI 將融合在一起的不同上下文。
• AI 受限於非寫實風格,以避免產生深度偽造。

GenEmoji

• 用戶可以使用 AI 創造自己的自定義表情符號,然後用作反應和貼紙。

Siri 改進

• Siri 現在可以通過鍵入而不僅僅是語音使用。
• Siri 將利用本地和基於 iCloud 的 AI,只有在 OpenAI 的 ChatGPT 可以提供更好的答案時才會使用。

Apple Cloud 和 OpenAI 合作

• 蘋果正在構建一個安全的"Apple Cloud"來處理敏感的 AI 處理。
• 他們還與 OpenAI 合作,允許 Siri 在適當時候利用 ChatGPT,並獲得用戶許可。

總的來說,蘋果正在將 AI 深度集成到其整個產品線中,利用自己的技術以及戰略合作關係。這代表了一個將 AI 作為蘋果體驗核心部分的重大推動。