註冊並分享邀請連結,可獲得影片播放與邀請獎勵。

檢索結果 10文字ホラー👻
10文字ホラー👻 貼吧
一個關鍵字就是一個貼吧,路徑全站唯一。
建立貼吧
用戶
未找到
包含 10文字ホラー👻 的搜尋結果
创意表白短视频 📺 prompt 👇 SEEDANCE 2.0 中文提示词 时长:15秒 画幅:9:16竖屏 结构:固定机位连续长镜头,全程无切镜 整体风格:照片级写实人物结合轻松可爱的AR魔术特效,甜蜜、俏皮、无厘头,类似创意表白短视频。所有异常变化必须呈现为明显的数字贴纸、遮罩与弹性图层动画,不呈现任何写实生理细节。 SUBJECT: 主角100%匹配输入参考图。脸、发型、身形、服装、鞋子和配饰全程保持参考图原样,不重新设计穿着。飞行AR头像也必须保持主角同一张脸、同一发型和同一头部配饰。 ENVIRONMENT: 晴朗夏日的户外公园广场,浅灰铺装地面,背景左侧为浓密绿树,右侧为深色木质廊架,上方保留大面积纯净蓝天。强烈自然日光从画面右上方照射,人物影子投向左下方。 CAMERA: 固定低机位略微仰拍,24mm完整全身广角。@主角始终位于画面中央,双脚完整可见,上方蓝天必须留出足够空间。摄影机不推拉、不摇移、不变焦、不跟随AR头像;所有远近变化均由特效图层主动靠近或远离镜头产生。 SHOT 1(0:00–0:05.8)— AR头像弹跳与冲镜飞吻 0:00–0:00.4 @主角面对镜头开心微笑,随着节拍做轻快原地跑步舞:抬膝、交叉步、轻轻前踢,双手自然摆动。第一帧已经开始运动。 0:00.4–0:02.2 @主角的面部图层无缝切换为一个独立飞行的AR圆形头像,从原位向蓝天上方弹起。原位置同步使用平滑、干净的深色椭圆遮罩,明确表现为手机短视频抠像魔术。 AR头像按照清晰轨迹弹跳: 正上方高点→身体右侧腰部→右膝附近→被抬起的膝盖颠起→再次飞到身体上方。 人物主体持续完成抬膝、交叉步、前踢和叉腰舞步,像在用膝盖颠一个可爱的头像气球。头像保持正常大小、清晰五官和开心表情,不能随机瞬移。 0:02.2–0:02.4 AR头像准确回到原位置,遮罩消失,@主角恢复完整画面,微笑耸肩半拍。 0:02.4–0:04.0 @主角屈膝左右摆胯,双手抬至肩膀高度,用掌心做左右推送动作。面部图层再次切换为飞行AR头像,并严格配合手掌节拍移动: 向右飞出画框→从左侧返回→横穿画面飞到右侧→再次甩向左侧出画。 头像带自然运动模糊,但五官、发型和配饰始终稳定。 0:04.0–0:05.4 人物主体继续完成指天、侧跨、扭腰、抬膝和小碎步。AR头像从右上方重新出现,在人物上方翻滚旋转,沿大弧线绕到左上方,随后逐渐朝摄影机飞来。 0:05.4–0:05.8 AR头像沿镜头轴快速靠近,放大成面部极近特写。@主角自然闭眼、脸颊微鼓、嘴唇嘟起,向镜头送出一个可爱飞吻。 多枚鲜红色半透明口红吻痕从嘴部向四周扩散,中央吻痕最大。吻痕只作为二维AR贴纸出现,不改变人物面部结构。 SHOT 2(0:05.8–0:10.8)— 心形头像与穿梭笑点 0:05.8–0:07.6 极近AR头像柔性变形成约正常头像三倍大的照片级爱心轮廓:上方形成两个圆弧,下方收成爱心尖角。仍然保持@主角同一张真实面孔,双眼闭合,持续做甜蜜飞吻表情。 人物主体转为背对镜头,双脚分开、向前弯腰,随着节拍左右摆胯;双臂向两侧下方自然展开。 巨大爱心头像作为独立AR图层,在人物正上方和一侧臀胯高度之间规律弹跳: 上方→侧面低位→上方→稍微下降→再次上浮。 0:07.6–0:09.1 爱心头像开始翻滚旋转,同时平滑缩回正常头像大小并飞向高空。 人物主体从弯腰状态起身,完成转身、交叉步、扭胯和双臂展开。缩小后的头像在高空同步自转,逐渐下降,准确回到原位置;深色遮罩同步消失。 @主角恢复完整,面对镜头开心微笑,双臂高举庆祝半拍。 0:09.1–0:10.8 @主角先俏皮耸肩,随后大幅后仰并快速扭肩,再次启动AR头像飞行效果。 头像向人物右侧滑动,再沿腰部向下移动,最终停在抬起的大腿和宽松下装前方,形成“头像钻进服装图层”的错位视觉笑点。头像只在前景重叠,不与服装纹理融合。 随后AR头像快速飞出画面,原位置继续使用干净的深色椭圆遮罩,为下一次爱心魔术留出空间。 SHOT 3(0:10.8–0:15.0)— 心中有心与图层升空 0:10.8–0:11.4 人物主体站在画面中央,先在胸腹前快速搓动双手,再将双臂向左右展开,十指张开,像在召唤新的表白特效。 0:11.4 蓝天中央突然显现一颗亮粉色、饱满、有厚度的立体果冻爱心。爱心正面嵌入同一@主角的粉色心形面孔,表情甜蜜微笑。 爱心必须是浪漫AR造型,表面光滑柔软,不采用写实材质。 0:11.4–0:12.5 @主角双臂启动弹性卡通形变,从肩膀处连续向左右上方延伸至正常长度约三倍。 双臂先形成巨大V形,随后从顶部向内弯曲。肩膀、肘部、手腕和五指结构始终清楚,双手在画面顶部中央靠近,手指轻微交叉形成爱心凹口。 两条延展手臂围成巨大的外层爱心,粉色爱心头像准确悬浮在中央,形成清晰的“心中有心”。保持这个构图约半秒。 0:12.5–0:13.1 双手逐渐分开,双臂平滑缩回正常长度。粉色爱心头像下降,颜色恢复自然,轮廓恢复正常头像,并准确回到人物原位置;深色遮罩同步消失。 0:13.1–0:13.8 完整@主角双臂高举成V形,面对镜头开心微笑,随着脚步原地旋转:正面→背面→重新转回正面。动作轻快流畅。 0:13.8–0:14.1 @主角做宽幅侧弓步,双臂笔直举过头顶,整体画面沿竖直方向充分伸展。 人物画面在腰线位置切换为上下两个独立AR图层:包含头像、双臂与上装的“上方角色图层”像弹簧一样垂直升空,迅速飞出画面顶部;包含下装、双腿和鞋子的“下方角色图层”保持站在原地。 这个过程必须像明显的短视频剪纸动画,不呈现任何写实内部细节。 0:14.1–0:15.0 摄影机保持完全固定,只保留下方服装与双鞋的AR图层。 鞋底始终接触地面,下方图层按照“拉高→压低→再次拉高→再次压低”的节奏做两次弹簧伸缩,振幅逐渐减小。 最后0.3秒保持低位宽站姿,上方角色图层不再返回,直接结束在明亮公园画面,不淡出、不转黑。 PERFORMANCE: @主角全程保持开心、俏皮的表演状态。完整人物时直视镜头微笑;AR头像弹跳时表情轻松;冲镜时自然闭眼嘟嘴;爱心头像出现时甜蜜微笑。人物主体的舞蹈不能因特效暂停。 AUDIO: 俏皮轻快的流行舞曲,鼓点与头像弹起、横飞、冲镜、爱心出现及角色图层升空严格同步。加入轻柔的“咻、啵、弹簧回弹”喜剧音效。无对白,无字幕。 CONSTRAINTS: 所有效果必须明确呈现为AR贴纸、遮罩、剪纸图层或弹性动画。@主角和参考图中的原始造型全程稳定。只有一个头像图层和一个人物主体图层。固定单镜头、固定背景、固定光线;所有变形过程平滑连续,不出现写实生理表达。 --- Negative: 惊悚氛围,写实伤害表达,生理细节,第二个头像,人物复制,脸部漂移,五官扭曲,头像透明,头像与服装粘连,多余手臂,多余手指,手指融合,手臂断线,手臂互穿,图层边缘破碎,心形变成写实物体,服装变化,鞋子变化,配饰消失,背景跳动,摄影机推拉,摄影机跟踪头像,突然切镜,突然场景变形,塑料CG皮肤,动漫渲染,字幕,标题,Logo,水印,乱码文字。
顯示更多
0
21
44
6
轉發到社區
🔥 开源挖宝,继续挖 重磅开源推荐! OpenAI GPT-Image-2 -API 图像生成「核武器级」 开源宝藏来了! 359+ 高质量Prompts + API 一键集成 + 真实出图案例,全部免费开源💥 刚刷到这个 GitHub 项目,直接惊呼:这才是真·生产力神器! 📌 项目地址: (目前已 14.5k Star、1.4k Fork,每日持续更新) 为什么这个开源项目值得立刻 Star + 转发? 📚 内容极致全面 7大核心场景一次性全覆盖: • 电商产品摄影 & TVC 分镜 • 奢侈品广告 & 品牌海报 • 超真实肖像 & 街拍 • UI 设计系统 & 社交媒体 Mockup • 游戏角色 & 概念设计 • 插画 & 艺术海报 每个 Prompt 都搭配真实生成图、完整 Prompt 文本、详细参数说明,复制即用,零门槛上手✅ ⚡ 真正生产可用 - 支持文本生图、图像编辑(inpainting/outpainting)、 多轮对话迭代 - 实现高保真文字渲染、角色一致性、透明背景、任意比例出图 - 内置完整 cURL 示例 + OpenAI API 调用指南,5分钟快速接入自有项目 - 一键安装技能包: npx evolink-gpt-image -y  🔄 社区驱动 · 持续迭代 每日新增 10-20 个实测优质案例,已有 200+ 行业大佬共同贡献。 全程 CC0-1.0 完全开源,可自由使用、自定义修改,也可提交优质 Prompt 共建壮大仓库。 🌏 全程中文友好 README 适配简体中文,总计支持 11 种语言,新手零障碍上手。 💬 以前耗时 1 小时反复调试 Prompt, 现在 1 分钟直接出高品质成片! 以前独自摸索踩坑,现在直接站在全球顶尖创作者的肩膀上高效创作! 不管是设计师、产品经理、电商运营、独立开发者,还是 AI 绘画爱好者,这个仓库都能让你的创作效率直接起飞🚀 ✅ 立即行动指南 1.  打开仓库,精准搜索所需创作场景 2. 前往 免费试用最新 Prompt 库 #GPTImage2# #AI绘画# #Prompt分享# #开源神器# #AI生产力#
顯示更多
DeepSeek Harness 也可以操控手机了🔥 最近,dsh-TUI 的作者 ccch1mneyyy 做了一款 DeepSeek Harness 移动端应用:dsh-Go 它不只可以在手机上查看 DSH 的会话和任务进度,还能让 Agent 读取屏幕、点击输入、设置闹钟、查看日历和打开导航 以前用 DeepSeek Harness,基本离不开电脑 任务跑到一半想出门,只能先停下来;临时想看进度、补一句要求,也得重新回到电脑前 现在可以在电脑上启动任务,出门后用手机继续操作;也可以直接在安卓手机里运行一套 DSH 环境 项目发布 3 小时,GitHub Star 就超过了 1000 我整理了 5 个比较实用的功能,大家可以尝试一下 1、远程连接电脑上的 DeepSeek Harness 在电脑端安装 DSH Remote 插件后,dsh-Go 就可以连接远程主机 手机上能够查看会话列表、选择模型、发送消息,并同步电脑端的对话和任务进度 出门以后也能继续补充要求,任务完成后 App 还会弹窗提醒,不需要一直守在电脑前 目前每个会话的内容,需要点开后才会开始同步,偶尔也会出现同步中断或者连接断开的情况 项目地址: 远程插件: 2、直接在手机上完成开发任务 dsh-Go 不只是一个查看任务进度的远程窗口 有网友测评时,用它生成了终端风格的 HTML 网页和 DeepSeek Harness 开机动画,还做了一个类似《跳一跳》的网页小游戏 生成的代码、图片和文件都能在手机端查看,网页完成后也可以直接预览,整个过程比较流畅 临时改个页面、做个小工具或者检查任务结果,已经具备日常使用的基础 3、不连接电脑,也能在安卓手机本地运行 这个功能我觉得很有意思 dsh-Go 可以在 App 的私有目录中解压一套 Ubuntu 24.04 根文件系统,Node.js 和 DSH 都已经放在里面 整个环境默认通过 PRoot 运行,不需要 Root,也不用另外安装 Termux 也就是说,它除了能遥控电脑上的 DeepSeek Harness,还可以直接在安卓手机里运行一套 DSH 环境 作者也适配了横屏和平板模式,侧边栏可以常驻,键盘弹出时不会把主要画面挤乱 4、让 DeepSeek Harness 操作手机 开启相关权限后,dsh-Go 可以执行一些手机操作 包括读取屏幕、点击输入、设置闹钟、查看日历和打开导航 这样一来,DeepSeek Harness 可以处理的任务就不只局限在电脑和终端里,也能开始调用手机上的功能 涉及银行卡、账号和密码输入等高风险场景时,权限问题需要格外注意 这些能力默认全部关闭,用户可以自己决定开放哪些权限 建议用到什么开什么,任务结束后及时关闭 5、插件市场和会话分享也搬到了手机上 dsh-Go 内置了完整的插件市场 在手机端安装插件后,可以同步到远程主机使用,还支持自定义外观和宠物 对话记录也可以直接分享 长按消息或者会话,就能生成分享链接或二维码,还支持导出图片、文件和文字,其他人扫码就能查看 如果你平时会分享 Agent 的开发过程、任务结果或者教程,这个功能挺方便 我觉得 dsh-Go 最值得关注的地方,不只是给 DeepSeek Harness 做了一个手机 App 以前我们需要坐在电脑前发起任务、等待执行、查看结果 现在可以在电脑上启动任务,出门后用手机继续补充要求;也可以直接在手机上运行 DSH,生成网页、处理文件,甚至调用手机本身的能力 目前 dsh-Go 只支持 Android 8 及以上系统,原报道体验时使用的是 DSH Go 1.0.2 项目更新比较快,安装前建议查看 GitHub Releases 页面里的最新版本 当然,社区开源项目不代表已经完全稳定 远程连接和会话同步偶尔会出现问题 涉及读屏、点击和输入等手机权限时,也需要控制授权范围,不建议直接开放所有能力 但从 dsh-TUI 到 dsh-Go,可以明显看到 DeepSeek Harness 的开发者生态正在变得更丰富 官方暂时没有覆盖的终端界面、远程控制和移动端能力,社区已经开始主动补齐 以后出门前把任务交给电脑,路上用手机看进度,有问题随时补一句,做完直接收到通知 这才是我想要的移动端 Agent。
顯示更多
刚看到一个很有想象力的 AI 开源项目,居然有人在尝试给 Transformer 增加记忆模块,让 LLM 拥有原生的记忆能力。 研究了他们的论文和构想,虽然还有很多不成熟的地方,但我几乎可以确定,这是最近三个月以来,我见过的最令人兴奋的一篇 AI 论文了。 现在 Personal Agent 非常火。想必大家都已经看到了,记忆已经成为 AI 应用非常重要的一项能力。 但记忆这事,其实没那么容易做好。 1 无论是 ChatGPT、OpenClaw,还是其他 AI 产品,大家可以看看,它们实现记忆的方式五花八门,而且都有各自的局限。和我们人类的记忆方式相比,还有很大的差距。 目前很多 AI 产品的长期记忆,仍然依赖模型外部的一套系统。 简单理解,就是大脑是大脑,大脑旁边还有一个日记本。平时把一些重要的信息记录下来,需要的时候,再从日记本里寻找相关内容,提供给大脑处理。 也就是说,记忆系统和 LLM 是相对独立的。当模型需要利用过去的信息时,往往需要由 Harness 从外部记忆系统中检索相关内容,再提供给模型处理。 这也是目前很多 AI 产品采用的方式。 这种方式的问题是,它太依赖 Harness 的判断了。 用户说的哪些话值得记住?什么时候应该更新旧的记忆?等到真正执行任务时,又该从成千上万条记忆中找出哪些信息? 这些事情,目前主要还是依靠模型和 Harness 中的一套机制来判断。 但这玩意到现在也没有特别可靠的办法,任何一个环节出了问题,都可能导致 AI 明明和你聊过很多次,却还是记不住你的需求。 而且,有些信息在当时看起来并不重要,过几个月才发现很有价值。比如你曾经跟 AI 抱怨过几次红眼航班太累,但从来没有明确说过,以后不要帮我订红眼航班。 如果当时没有把这个偏好提炼出来,等下次帮你订票的时候,AI 就可能完全想不起来。 更重要的是,这套机制很难让模型真正积累经验。过去发生过什么,可以通过检索找回来。但过去的经历应该怎样影响接下来的判断和行动,还需要模型每次重新理解。 2 这也是 MemT 1.0 想解决的问题。 他们尝试直接把记忆能力融入大模型的内部架构。让模型在每次交互之后,都能够更新自己的记忆状态。 下一次处理任务时,这些积累下来的信息,可以直接参与模型的计算,不必每次都重新从外部数据库检索,再塞回上下文。 就像我们人脑一样,很多记忆都是潜移默化形成的。而当我们思考、判断或者处理问题的时候,这些记忆又会自然而然地参与进来。 我们不需要每次都把过去发生的事情重新回忆一遍,再单独整理出来,才能利用这些经验。 记忆本来就是人类智力非常重要的一部分。 那 MemT 1.0 怎么做的呢? 简单讲,他们直接在 Transformer 内部增加了一个原生记忆模块,叫 Native Memory Block。 这里稍微解释一下。Transformer 由很多层网络组成,每一层都会通过 Attention,也就是注意力机制,来处理信息。 Attention 可以让模型在回答问题时,找到当前 Context 中哪些信息值得关注。 比如,我告诉 AI,坐飞机喜欢靠过道的座位。只要这句话还在 Context 里,模型就可以通过 Attention 利用这条信息。 但如果这段对话结束了,下次又开启新对话,而且系统没有重新提供这条信息,模型通常就不知道我的偏好了。 所以,MemT 想解决的问题就是,能不能让 Transformer 除了读取当前 Context,还能直接读取过去积累的记忆? 他们在原有的 Attention 旁边增加了一套 Native Memory Block。这样一来,模型就多了一条可以直接读取历史记忆的计算路径。 当用户提出一个新问题时,新增的 Memory Attention 会根据当前输入,读取相关的记忆信息。 然后读取的结果会和原来 Attention 的计算结果合并,然后继续交给 Transformer 后面的网络层处理。 这样,模型就不需要先把过去那段关于选座位偏好的对话找出来,再重新塞进 Context,才能利用相应的信息。 而且,每次完成交互后,模型还可以继续更新这份动态记忆状态。 3 具体的技术细节我就不展开了。虽然之前也有人探索过原生记忆这条路线,但一直没有特别成熟的方案。这次看到 MemT 1.0,感觉又看到了新的希望。 当然,从目前的实验结果来看,它的记忆能力还不如成熟的外挂记忆系统。但相比之前的原生记忆方案,已经有了明显的进步。 尤其是在处理长历史信息时,推理效率和存储成本方面的优势非常明显。 我觉得这件事情特别值得期待,尤其是对 Personal Agent 来说。 大家可以想象一下,如果未来大模型真的拥有了足够强大的原生记忆能力,那它就可以像我们人类一样,在日常交流和处理任务的过程中,逐渐积累记忆,并且很自然地利用这些信息。 这样一来,Agent 就不需要每次都依赖外部系统,把过去发生的事情重新找出来,才能理解用户的需求。但我觉得,更有意思的可能性,还在后面。 因为记忆的价值,远远不止记住过去发生了什么。 我们在生活和工作中,很多能力其实都是通过长期积累的经验形成的。比如做过几次活动之后,就会逐渐知道哪些环节容易出问题,应该提前准备什么,遇到意外该怎么处理。 这些经验会直接影响我们以后做事的方式,很多时候甚至是潜移默化的。 我举个例子,假设一个 Personal Agent 已经跟着我工作了三年。它帮我整理过几百次会议纪要,而我每次都会根据自己的习惯,对内容做一些修改。 时间长了,它可能会逐渐发现,我更喜欢怎样组织会议内容,哪些信息需要重点突出,哪些细节可以省略。 当然,外挂记忆系统也可以做到这一点。但前提是,这些偏好已经被提炼、保存下来,而且下次执行任务的时候,Harness 还得准确找到它们。 如果模型拥有足够强大的原生记忆能力,情况可能就不一样了。 过去几百次的交互,可以逐渐影响模型内部的记忆状态。 下次帮我整理会议纪要时,这些积累下来的经验,就可能直接参与模型的计算,影响它怎么组织内容、怎么判断信息的重要性。 甚至一些从来没有被明确总结成文字的习惯,也有机会被模型逐渐捕捉到。 我觉得这才是最有想象力的地方。 如果未来 Agent 能够在长期交互中,潜移默化地积累经验,并且让这些经验自然地影响它的判断和行动,那每个人的 Personal Agent,都可能随着使用时间的增加,逐渐形成自己的做事方式。 当然,MemT 1.0 距离实现这一切,还有很长的路要走。但至少,它让我看到了这种可能性
顯示更多
Chat Control 没有死,它只是换了个马甲 在公共舆论中,“保护儿童”往往被塑造成不容置疑的政治正确。然而,欧盟近期强推的 Chat Control 法案,其真实图景却恰恰相反——这项法案的实际效果,是以牺牲 99% 无辜公民的数字隐私权为代价,去追逐那 1% 的潜在罪犯。 前不久,这项在程序正义上饱受争议的法案,凭借一个隐蔽的程序漏洞,以少数票强行通过了。 “绝妙的民主”:一场暑假前的政治偷袭 我们需要理清这场博弈的来龙去脉。 2022 年,欧盟委员会提出 Chat Control 法案,其核心条款是:允许 Meta、Google、微软等科技巨头在无需法院令的情况下,对平台上的私信进行大规模、自动化的无差别扫描,以检测儿童性虐待材料(CSAM)。事实上,这项“临时授权”自 2021 年起就已生效并多次续期。 直到今年 3 月,民意迎来了一次短暂的胜利——欧洲议会以 311 票对 228 票的绝对优势,明确投票拒绝为该授权续期,该临时授权于 4 月 3 日正式到期。 然而,政治博弈的残酷性在于它并不轻易服从民意。 7 月 2 日,欧盟理事会(即各成员国政府)绕开议会,将几乎一字未改的法案重新包装,通过“二读程序”重新提交。二读程序中藏有一个关键的规则红利:议会需要全体议员的“绝对多数”(即 710 票中的 361 票)才能否决法案,而非仅仅看“到场议员的多数”。 欧盟理事会特意将投票时间选在了暑假前的最后一次全体会议,此时大量议员已提前离会。 最终的投票结果极具讽刺性:276 票赞成,314 票反对,17 票弃权。 反对票比赞成票足足多了 38 票。但正是因为未能凑够 361 票的法定理性绝对多数,该法案在法律层面上被判定为“通过”。 前欧洲议员 Patrick Breyer 直言不讳地将这一行径斥为“对民主程序的公然蔑视”。 这一结果在海外技术社群与舆论圈引发了剧烈震荡。在 Reddit中,高赞评论字字见血: “通过只需要 276 票,否决却需要 361 票。真是绝妙的民主。” “温情提示:政客、律师和官员因‘职业保密’原则在法案中获得豁免。老大哥从不审视自己。” “作为一个坚定的欧洲一体化支持者,我不得不承认,正是这种暗箱操作,在一步步摧毁公民对欧盟的信任。” 面对“我们现在该怎么办”的提问,最高赞的回答只有冷峻的一句话:“Use Signal. Side note: Telegram is NOT encrypted.” 算法凝视与失效的审查系统 所谓的“无差别扫描”,究竟在扫什么?又是如何剥夺我们的隐私的? 在目前通过的 Chat Control 1.0 框架下,扫描对象为未端到端加密的平台私信,涵盖 Instagram DM、Discord、Snapchat、Skype、Xbox 消息、Gmail 以及 iCloud 邮件。其技术手段主要依赖三种路径: 哈希匹配:对比已知违法图片数据库(如 PhotoDNA 技术); AI 图像识别:试图检测未知违法图片; 文本分析:用于识别所谓的“诱骗”语言模式。 目前,采用端到端加密的消息(如 Signal、WhatsApp)尚在安全地带,但“目前”并不代表未来。 比隐私泄露更令人担忧的是,这套依靠算法维系的审查系统在现实中低效且臃肿。各项官方及权威机构的数据给出了有力的回击: 德国联邦刑事警察局(BKA)指出:在收到的 Chat Control 警报中,高达 48% 的线索完全与犯罪无关。 瑞士联邦警察的数据更为激进:80% 的机器自动生成报告最终被证实为无效错误。 爱尔兰警方的实证同样印证了这一现状:在收到的 4192 份报告中,仅有 852 份(20.3%)确认为真实违法材料。 欧盟委员会自己的评估报告亦不得不承认:没有任何证据表明,这种侵犯广泛公民隐私的无差别扫描,与定罪率的提升有任何实质性的因果关联。 在源头上:2024 年来自私信扫描的报告仅占所有儿童保护报告的 36%,绝大多数真正有价值的线索依然来自公开帖子和云存储。 最荒谬的现实来自于科技巨头自身——在 Meta 产生的庞大报告中,99% 是早已记录在案的旧材料,对于阻止正在发生的、当下的虐待行为几乎毫无裨益。 前欧洲议员 Patrick Breyer 曾做出过一个极具穿透力的比喻: “用大规模监控来保护儿童,就像拼命在屋里拖地,却始终不肯去关上那个一直开着的水龙头。” 权力、资本与被操纵的议程 既然技术上漏洞百出,法理上备受质疑,为什么这项法案依然能被强行推向历史舞台?因为在其背后,伫立着一条隐秘的利益链条。 据跨国媒体(Balkan Insight)的深度调查揭露:美国组织 Thorn 是 Chat Control 最激进的游说力量之一,而极具讽刺意味的是,它同时也是 CSAM 扫描软件的商业销售商。 在这场资本与权力的合谋中,政治权力的傲慢展现得淋漓尽致。欧盟委员会负责推动该法案的专员 Ylva Johansson,曾三次拒绝与数字权利组织会面,却被曝出在幕后使用微定向广告技术来精准推广这项提案——而这一推广手段本身,就已经公然违反了欧盟引以为傲的《通用数据保护条例》(GDPR)。 甚至连欧盟理事会自己的法律顾问也在内部意见中明确发出警告:该提案已实质性违反了《欧盟基本权利宪章》第 7 条(关于公民隐私权的规定)。但在暑假前的政治时间窗口里,这些理性的声音悉数被权力掩埋。 终局未至:Chat Control 2.0 的技术灾难 如果说 1.0 时代是对公共通信管道的截流,那么正在谈判中的 Chat Control 2.0,则是对人类数字生活根基的毁灭性重塑。 1.0 尚且局限于未加密平台,而 2.0 的核心诉求是引入客户端扫描(Client-Side Scanning)。这意味着,在你的信息被端到端加密、发送出去之前,它必须在你的本地设备(手机、电脑)上接受算法的预先审查。 这相当于:加密的锁依然挂在门上,但在你打包行李的阶段,权力就已经强行翻开了你的私密背包。 对此,Signal CEO Meredith Whittaker 表达了决不妥协的底线: “我们宁可选择退出欧盟市场,也绝不会破坏我们的隐私承诺。这是装在安全瓶子里的监控毒酒。” 同时,全球超过 500 名顶尖密码学家联署公开信指出:在操作系统底层强行引入客户端扫描,等同于在数字世界的基础设施中亲手挖出一个巨大且无法修复的安全漏洞。 目前,2.0 仍在艰难的谈判与拉锯中,这场关于数字自由的战争远未结束。 我们如何自处? 对于我们这些每天穿梭在多种语言之间的人,这意味着什么? 当你使用翻译工具阅读一封来自海外合作伙伴的商业邮件,当你在 Discord 或 Slack 上与外国同事探讨行业趋势,当你将一份敏感的跨国合同翻译成中文时——这些原本属于个人与商业机密的内容,正在历经一个不可知、不可控的自动化算法的“凝视”。 更具现实威胁的是:这些用于扫描的数据库极不透明,算法从未公开,且误判率高达 13-20%(此为欧盟委员会自身披露的数据)。一张无辜的学术截图、或者一句因文化差异被误读的翻译,都可能因为“特征相似”而被算法自动化标记,随后被递送到某个未知国家执法机构的收件箱中。 信息平权的前提,永远是信息流通的安全。 如果说我们消除语言的藩篱,是为了让更多人能够自由地看见这个真实的世界;但如果在这个世界里,有一套隐蔽的系统正在无时无刻地窥视、审查着你—— 那么我们所需要的底层工具,就不仅仅是一座高效的翻译之桥,还需要一把足够坚固的、捍卫数字主权的隐私之锁。 9 月谈判行将重启,对抗 Chat Control 2.0 的战役依然艰巨。正如 Patrick Breyer 所言:“他们会一直试,直到通过为止。” 而我们要做的,就是保持凝视,直至权力退场。 隐私,从来不是你“有没有东西需要隐藏”的问题,而是你“有没有权利拒绝被窥视”的问题。 💡 遇到复杂的海外技术法案与深度长文?开启「沉浸式翻译」,双语对照,助你解构政客与资本的文字游戏。 #ChatControl# #Privacy# #信息平权# #EndToEndEncryption#
顯示更多
Seedance 2.0 API 正式发布了,企业和个人用户现在都能从火山引擎调用。海外市场 BytePlus 同步上线,海外用户终于也可以使用了。 定价 46 元每百万 token,纯视频生成大概 1 元 1 秒,按量付费,注册账号就能调用。海外 BytePlus 的具体定价以官网公布为准。 API 真正的价值在于能融入自己的工作流,大幅提升创作效率。 过去做一支 AI 视频得串起好几个模型:图生图、图生动画、对口型,每个环节都要抽卡。Seedance 2.0 支持文字、图片、音频、视频四种模态输入,配合火山方舟上一键完成的人脸验证、肖像授权和 1 万多个预置虚拟人像,整条流程可以用代码或者 Agent Skills 自动化串起来,大幅提升创作效率。 官方公告中提到了一些实际数据。技术服务商巨日禄接入后,精品 AI 剧综合制作效率提升近 10 倍;九州文化、麦芽传媒这批内容制作方从剧本到剪辑全流程提效 80%-90%,对比传统工艺降本 70%-90%。在广告营销侧,筷子科技用它给头部品牌做多版本营销素材,与光同尘给 OPPO K15 Pro 做的宣发视频 60 小时内播放量破 2000 万。 有一点让我意外的是视频生成现在开始应用在具身智能和自动驾驶的数据生成。 数十家机器人企业正在用 Seedance 2.0 生成符合物理规律的交互数据,用于机器人作业、室内行走等场景的跨环境泛化训练。自动驾驶公司则用它生成暴雨、大雾、降雪这类极限工况,以及复杂碰撞风险的 corner case 数据,补充实拍难以采集的训练集。 宇树科技王兴兴此前在亚布力论坛上表达过类似思路:如果视频生成质量足够好,让模型生成一段机器人在家干活的视频,某种意义上把这个视频对齐到真实机器人上,机器人就能照着干。视频生成模型正在被当作“世界模型”的雏形来用。 Seedance 2.0 API 全面开放,对个人开发者和创业团队来说也是机会,可以借助 API 高效创作 AI 视频,也可以基于 API 开发配套工具,这块未来市场很大,机会还蛮多。 API 调用官方文档可以在火山引擎方舟平台上获取。 完整可以看:《Seedance 2.0全面开放API服务》 BytePlus: 火山引擎方舟平台:
顯示更多
0
30
192
33
轉發到社區
ListenNow for iOS, iPadOS 1.2.0 (Public Beta) What’s New: 播放器核心与GUI 1.播放器核心架构升级,优化的状态处理,增强的队列管理。 2.流媒体播放体验增强,加载、调整播放进度 和缓存播放更可靠。 3.队列循环模式现已支持单曲循环。 4.iOS、iPadOS 播放器 GUI 的底层优化与增强,所有动画与界面性能巨大提示,100% UIKit驱动的界面、动画与过渡控制器。 5.播放器界面现已支持播放历史。 6.可查看的音频元数据,例如封装容器格式、编码格式、采样率和杜比音频信息。 动态专辑插图与视觉 1.动态专辑插图支持本地缓存。 2.iPhone 与 iPad 的动态专辑插图显示比例更加统一。 3.Subsonic 专辑在支持动态插图时,也会呈现更沉浸的动态视觉效果。 歌词 1.歌词显示引擎升级,高性能与优秀的使用体验,并支持字/词级强调、高亮,同时保持高性能。 2.支持歌词的翻译、罗马/拼音 发音。 3.增强的歌词滚动效果,具有动态阻尼与速度等特性。 背景与音频可视化增强 1.全新的音频计算引擎,音频样本计算显著降低性能消耗。 2.播放器动态背景渲染引擎现增强,无缝搭配全新音频计算引擎,提供超高性能实时渲染的音频振幅可视化,由Metal驱动。 资料库 Music catalog 内容现在可以加入 ListenNow 资料库。 Music 曲库项目的封面兼容性提升。 3.首页与浏览页新增更多 Subsonic/Navidrome 内容来源,包括新近发行、发现专辑和发现歌曲。 4. ListenNow+ for tvOS 连接入口,跨设备演唱模式已做好准备。 Subsonic / Navidrome 增强 1.新增多服务器架构支持,现可添加/管理多个音乐服务器。 平台与匹配增强 1.Spotify、Jio 现已回归 (Beta) 2.增强的匹配算法,您无法播放某一歌曲时,匹配到其他可用的平台项目将更可靠。(在设置中调整匹配的相关配置) 系统 1.系统Now Playing 现已支持显示动态专辑插图。 2.增强的缓存管理与无网络使用体验,动态插图、音频缓存、歌词缓存、和图像缓存在无网络时更可靠。 3.多处菜单、弹窗、空状态和说明文字补充本地化。 问题修复 1.修复部分情况下播放出错后需要重启 App 才能恢复的问题。 2.修复多项奔溃的底层问题。 3.修复从 Subsonic 缓存、下载的内容在部分场景下无法正确播放的问题。 4.修复若干 iPhone 与 iPad 之间显示不一致的问题。
顯示更多
StarryBlu 全网最全最详细教程最新出炉! 我们上次分享了文字版本的内容,但是文字版本内容的图片上传是有限的,所以我们重新制作了具体的视频教程。 视频教程相较于图文教程而言,我们补充了很多之前没有上传的图片,也给大家完整走完了从国内银行汇款到 StarryBlu 的教程。 里面还是有一些操作细节需要大家去注意,特别是过去而言不经常使用国内汇款的朋友了。 最后也给大家实测了具体的汇率,固定损耗在 20SGD 样子,也就是 100 块钱左右,如果你汇款 1 万,损耗是 1%,那如果你汇款 10 万,损耗就是 0.1%,其实这个固定损耗,我个人觉得会好一些,比较适合我们进行大资金进出。 那同时我也就其Visa 扣款卡花费了 19.9 美元购买了一个星球卡,具体测试了汇率和其提供的功能,确实要比最初级的要好很多。 而且会给我邮寄一张实体卡,到时候我就在给大家进行测试了。 最后就是我们的抽奖活动还在,我看后台还是有蛮多朋友在注册,但是没有朋友参与抽奖,大家不要忘记评论区留言参与抽奖了。 我们频道目前也在进行一周一次的更新,欢迎大家订阅我的 YouTube 频道,学习更多的出海等内容。 等到基础内容打好之后,我们后续就会给大家分享更多关于市场/行情等内容,大家尽情期待了! 来自 @YouTube
顯示更多
0
31
51
8
轉發到社區
你是不是已经厌倦了正经危坐的口播效果?这里我开发了一种更自然更那啥的口播SKILL ,能让你流口水和喷火的那种,想要的评论里回复,暧昧口播,我发给你哦。 grok prompt:👇👇 屏短视频,前景是一位固定的成年东亚美女主播 @3924e071-2624-4b75-883c-f42a2e48532c ,坐在柔软沙发上,中景到半身构图,镜头稳定。她全程用流畅、连续的诱人身姿变化配合口播,身体始终带着柔软的曲线与呼吸起伏,绝不僵硬或正经危坐。背景是动态动画或可视化故事画面。整体温暖亲密、电影级光影、带着淡淡欲望氛围,无杂乱字幕,无水印。主播全程同一张脸、同一光线、同一画风,嘴型与动作同步。 第1段 0:00-0:15 前景:她缓缓睁开双眼,眼神湿润带着渴望,嘴唇微微张开,发出轻柔而绵长的喘息。身体微微弓起,胸部随着呼吸轻轻向前起伏,贴身薄纱紧紧勾勒出柔和曲线。手指从腰侧缓慢滑过,轻抚到锁骨再向下到大腿外侧,动作连贯流畅。她在沙发上做出缓慢有节奏的轻微摇摆,头部完全转向镜头,头发随动作轻轻飘动,表情充满诱惑却不夸张。 背景动画:手机屏幕弹出好友申请,年轻女孩头像出现,网名“一脚踹飞婆婆妈”用醒目红色高亮弹出,旁边一只卡通脚轻轻踹向婆婆剪影,文字气泡“儿子女朋友已添加”。 她说(约93字): “嗯……今天儿子女朋友突然加我了……她网名叫一脚踹飞婆婆妈……你听听这名字,是不是已经感觉到一点杀气了?我坐在这儿,整个人都有点……喘不过气来……” 第2段 0:15-0:30 前景:她呼吸更深一些,嘴唇微启带着更软的喘息,上身缓慢前倾再轻轻靠回,胸部随之轻柔晃动。一只手从锁骨缓缓滑到胸口再向下到大腿,另一只手轻轻托住腰侧,身体像波浪一样从下往上轻轻扭动。头部微微侧转又正对镜头,眼神半闭带着欲望,头发随着动作轻轻飘落,整体动作连续流畅,氛围更加亲密。 背景动画:屏幕中央出现空白输入框,标题“给我起个霸气名字”,周围飘出几个候选网名卡片,最后定格在闪烁的“在线等,挺急的”提示。 她说(约91字): “所以……谁能给我起个更霸气的名字……震住她……嗯……在线等,真的挺急的……你要是想到那种一出来她就不敢再叫的,就……现在告诉我好不好……”
顯示更多
0
47
280
11
轉發到社區
1962年,科学家利昂·詹姆斯在麦吉尔大学做了一项奇特的实验 他让学生坐在空房间里,手里拿着一张纸,纸上就写着一个字,碗 然后就要求学生不断地重复说这个字,一直说,直到实验结束 第一个学生开始说,碗碗碗碗碗碗碗碗碗碗…… 前10秒,一切还正常 20秒后,学生就皱起了眉头 30秒后,学生停下,看着詹姆斯,满脸疑惑地说,这个字到底什么意思 詹姆斯就问,你刚才在说什么 学生回答,我也不明白,就是发出wan、wan、wan这类声音,  可我压根不知道这是什么东西,  这就是语义饱和现象,英文叫SemanticSatiation 人类大脑处理语言有两个步骤,声音识别和意义提取 你听到碗这个字时,耳朵先捕捉到wan这个声音信号,  然后大脑调取记忆库,找到这个声音对应的意思,一种装食物的容器,一般是圆形的,由陶瓷或者塑料做成。 整个过程用的时间不到0.1秒,快到你根本觉察不到是分步骤进行的 可如果你连续重复同一个词,大脑的意义提取系统就开始累了 就好像你盯着一个红色方块看30秒,然后移开视线看白墙,就会看到绿色的残影,这就是视觉系统累了出的错觉,语义系统也是这样,累了就会导致失灵,   詹姆斯在后面的实验里测试不同类型的词语  具体的名词最容易出现语义饱和,比如碗,桌子,椅子,杯子,一般30秒就没了意义,   抽象的名词则需要更长时间,比如爱,恨,正义,自由,可能要1分钟以上 跑、跳、吃、睡这类的动词处在两者中间,大概40秒 的、在、和、是这类本身意义就模糊的功能词,  是最抗饱和的,很难完全失去意义, 1994年,另一位科学家克里斯·韦斯特伯里设计另外一个实验 他让被试盯着电脑屏幕上的一个字,只是看,不说话,一直看30秒 结果跟重复念出声的情况一样,实验者开始觉得那个字很陌生,好像从来没见过, 有个人盯着门这个字看了半分钟,然后说,这个字是不是写错了,看起来挺奇怪的 韦斯特伯里解释,  当你长时间盯着同一个字,负责提取意义的神经回路累了,就只剩下识别笔画的功能还在运作,那时候你看到的就不再是一个字,而是一堆线条组合。 在中文里这个现象会更明显 汉字是表意文字,每一个字都是独立的意义单元,不像拼音文字能拆成字母 所以, 中文比较容易出现语义饱和的情况,有的人盯着一个常用字看30秒以上,这个字就像鬼画符一样了, 语义饱和还能解释另一个现象,为什么有些话说多了就没感觉了 情侣之间说我爱你,一开始每次说的时候都心跳加快,  说一年之后就变成打招呼了,不是感情变淡了,而是这三个字的情绪强度被稀释了。 大脑对高频词汇会自动降低敏感度,这是为了避免过度消耗认知资源,这个机制叫习惯化,  是神经系统的节能模式。 这个机制在远古时候能救命 以前人们听到风吹草动,第一次高度警惕,可能是猛兽,第二次还是警惕,可能真是猛兽,  第三次开始降低警惕,因为连续三次都没危险,那就说明只是风,不是威胁。 如果每次一有一点小动静就全力戒备,还没等危险来,神经系统自己就先累垮了, 因而,大脑进化出这种习惯化机制,对重复的刺激自动就不敏感了 广告行业老早就发现这个规律 同一个广告语播放上一百遍,消费者头几次还能够记得,  往后再听就好跟噪音一样没区别了, 所以广告公司每隔几个月就换一个新口号,这样就能一直留住消费者的注意力
顯示更多
0
14
268
23
轉發到社區