今天看到豆包的实时音视频通话模型 API 上线,型号是 SeedRealtime1.0。它把声音、画面、时序和表达放进同一个端到端模型里,交互时可以边看、边听、边说,连续的多模态信息流也能实时处理。做语音助手、视频客服这类东西,应该会更顺手…
我出生在山西一个没有煤炭的地级市下面的农村。小时候家里看黑白电视,住在炕上,冬天吃白菜腌的酸菜,靠柴火烧炕取暖。家里很少买蔬菜,地里的西红柿、黄瓜、茄子、青椒就是日常,秋天苹果葡萄满地都是,香蕉算是奢侈品。 零几年看《家有儿女》,那时候对城…
第一帧里人物像抠图贴进去,我会先看房间的光有没有落到脸、头发和鞋上,再动动作提示词。人物身份参考图继续保留,另外单独做一张适合当前场景的起始图,先把静帧做干净,后面才好判断问题到底出在动画阶段还是合成阶段。 比如洗衣店里,快递员站在自动售货…