Speech Studio
配音与字幕Speech Studio是微软Azure的无代码语…
视频类 AI 工具
生成、剪辑、数字人、配音，优先展示
FineVoice
配音与字幕FineVoice 是一款 AI 变声与录音工具，支…
Synthesys
配音与字幕Synthesys 是一款 AI 虚拟媒体平台，用户…
Synthesizer V
配音与字幕Synthesizer V 用深度神经网络生成逼真歌…
Verbatik
配音与字幕Verbatik是AI文本转语音工具，提供142种语…
Eleven Labs
配音与字幕Eleven Labs用AI为创作者和出版商生成自然…
SpeechEasy
配音与字幕SpeechEasy 是一款文本转语音工具，可将文字…
AiSofiya
配音与字幕AiSofiya 是一款支持135种以上语言和方言的…
AI 工具精选
按权重与热度排序，支持后台批量调整
iTerms
写作与办公iTerms是法大大推出的AI法律顾问，帮企业和个人…
DoNotPay
写作与办公DoNotPay是帮人自动申诉、维权和起诉公司的机器…
Artbreeder
图像生成Artbreeder 让你混编图像生成新作品，适合想…
PhotoKit
图像生成PhotoKit 是一款集成强大在线编辑功能的照片处…
Generate:Biomedicines 通过可编…
Antiverse
对话助手Antiverse利用机器学习设计针对GPCR和离子…
C知道
搜索与研究C知道是CSDN推出的AI技术问答工具，用自然语言处…
Rewind
搜索与研究Rewind 记录并整理你电脑上的会议和浏览内容，方…
AskXBOT
智能体与自动化AskXBOT一站式集成AI Agent开发部署与管…
GPTBots.AI
智能体与自动化GPTBots让开发者和企业把大模型接入自有数据与应…
AWS云服务
编程开发AWS云服务提供计算存储数据库等云产品，适合企业和开…
Hostwinds
编程开发Hostwinds 提供国外云服务器租用与托管，适合…
热门 AI 提示词
一键复制，直接粘贴到对话工具
推荐
写作
小红书爆款标题生成器
你是小红书爆款操盘手。围绕【主题】写 10 个标题，要求：带具体数字或结果、制造好奇缺口、不超过…
推荐
写作
文案 A/B 版本
为【产品/活动】写两版落地页主标题与副标题：A 版主打效率，B 版主打成本。每版不超过 30 字…
推荐
办公
流程图转文字
把下面这个流程整理成带编号的步骤说明，每步写清：输入、动作、输出、负责人。如果有分支，用缩进表示…
推荐
绘图
图片风格迁移描述
把这张图（我描述：…）转成一段可复用的绘图提示词，包含：主体、构图、光线、色彩、质感、镜头、风格…
推荐
学习
英语精读拆解
拆解下面这段英文：逐句翻译、标出语法结构、列出 5 个值得记的表达、说明作者的语气。最后用 3 …
推荐
写作
长文结构化改写
把下面的文章改写成结构清晰的版本：先给一句话结论，再分 3–5 个小标题，每节不超过 120 字…
AI 资讯
区分国内与国际，每日更新
为什么 AI 搜索的答案越来越像广告
AI 搜索最初以「无广告、有引用」为卖点，但随着用户规模扩大，商业化压力开始显现：优先展示合作内容、把商品卡片嵌进答案、对引用来源做加权。三个可观察的信号 图解：三个可观察的信号 第一，答案里开始出现「推荐购买」类模块；第二，引用来源集中在少数站点；第三，同一问题的回答在不同地区差异明显。对普通用户的影响 图解：对普通用户的影响 AI 搜索仍然是效率工具，但需要保留交叉验证的习惯：看引用是否一手来源、看结论是否有数据支撑、看是否只给了单一视角。对内容站的影响被 AI 引用正在成为新的流量来源。结构化清晰、有明确数据与结论的页面更容易被摘取；纯拼接内容的价值会进一步下降。这也是我们坚持每个工具页写清能力边界与适用场景的原因。
AI 搜索的引用可信度：为什么同一问题答案不同
用同一个问题问三个 AI 搜索，得到三个不同答案，这种情况越来越常见。原因不是模型变差了，而是检索环节不同。三个变量 图解：三个变量 索引范围：有的只索引部分站点，有的接入实时网页；排序权重：有的偏向权威站点，有的偏向新鲜度；摘要方式：有的直接摘录，有的重新组织。怎么判断可信 图解：怎么判断可信 先看引用是不是一手来源，再看多个来源是否互相印证，最后看它有没有把「未找到」说成「没有」。一个实用习惯看到关键结论，点开引用链接，确认三件事：页面确实说了这句话、页面本身可信、页面不是营销稿。对内容站的意义被 AI 引用正在成为新的流量来源。结构化清晰、有明确数据与结论的页面更容易被摘取；纯拼接、无观点的内容价值会继续下降。
开源许可证之争：商用边界正在变清晰
很多团队选开源模型只看能力榜单，忽略了许可证。等到产品要上线，才发现商用受限。常见的几类限制 图解：常见的几类限制 有的要求月活超过阈值需单独授权；有的禁止用于某些用途；有的要求衍生模型沿用同一许可证。条款各不相同，不能一概而论。三个必查项 图解：三个必查项 是否允许商业使用；是否要求署名或开源衍生作品；是否有用户规模或收入门槛。对产品的实际影响如果只是内部使用，限制通常较松；一旦对外提供服务，就要按最严格的口径评估。尤其是做 SaaS 的团队，要确认「把模型放进产品里卖」是否被允许。一个务实建议把许可证信息写进技术选型文档，和性能数据放在一起。选型会上先过这一关，比上线前发现要换模型便宜得多。
开源模型的追赶逻辑：蒸馏、数据与算力
每隔几个月就有开源模型宣称追平闭源旗舰。冷静看，追赶主要发生在三个方向。蒸馏：用小模型学大模型的输出分布 图解：蒸馏：用小模型学大模型的输出分布 蒸馏能让小模型在特定任务上接近大模型，但会损失泛化能力。这也是为什么很多开源模型在榜单上很强，实际对话却容易跑偏。数据：质量比数量更重要 图解：数据：质量比数量更重要 高质量合成数据与人工精选数据正在替代粗暴爬取。数据配比的调整，往往比参数规模更能解释一次版本跃升。算力：训练效率的军备竞赛同样的算力预算，谁能跑更多有效实验，谁迭代更快。MoE、混合精度、并行策略的优化，直接决定了迭代速度。对使用者的建议不要只看榜单，要按自己的任务做小样本评测：准备 30 条真实输入，人工打分，比任何排行榜都可靠。开源模型的最大价值不是「免费」，而是可私有化、可微调、可审计。
AI Agent 怎么评测：能演示不等于能交付
Agent 产品的宣传通常是「一句话完成十步任务」。真实使用中，十步里任何一步出错，整体就失败。三个该看的指标 图解：三个该看的指标 任务完成率：在真实数据上跑一百次，成功几次；平均步数：步数越多，误差累积越大；失败可恢复性：出错后能不能回滚或人工接管。演示看不到的部分 图解：演示看不到的部分 演示不会展示它卡在登录验证、不会展示它把金额算错、不会展示它在第三步就开始编造数据。这些恰恰是落地时的主要成本。怎么自测准备十个真实任务，故意包含一个模糊指令和一个缺数据的场景，看它会不会主动提问、会不会承认不知道。会问的，通常更可靠。产品判断面向企业的 Agent，可信度优先于自动化程度。宁可让用户在关键节点确认一下，也不要静默执行十步后给一个错误结果。
AI Agent 的产品化困境：任务越长，失败率越高
Agent 的演示视频通常只展示成功路径。真实场景里，一个 10 步的任务，如果每步成功率是 95%，整体成功率只有 60%。这就是为什么很多 Agent 产品「看起来很强，用起来很脆」。误差累积是结构性问题 图解：误差累积是结构性问题 步数越多，累积误差越大。降低单步误差很难，更现实的做法是减少步数、增加检查点、允许人工接管。三种工程解法 图解：三种工程解法 第一，把长任务拆成多个短任务，每段结束做一次校验；第二，给关键步骤加确定性工具（数据库查询、API 调用），减少模型自由发挥；第三，设计回滚与重试，让失败可恢复而不是全盘重来。产品设计上的取舍面向企业的 Agent，可信度优先于自动化程度：宁可让用户在关键节点点一下确认，也不要静默执行十步后给出一个错误结果。面向个人的 Agent，则可以把范围收窄到单一场景，用确定性换体验。判断一个 Agent 产品是否成熟，看它有没有「失败处理」的设计，而不是看它演示得多流畅。
AI 教程
从入门到实战
角色分镜图：把人物放进连续镜头
角色卡片：先写死再画图 角色卡片不是人物小传，而是给模型看的约束清单。固定 6 项：年龄与体型（如 28 岁、178cm、偏瘦）、发型发色（齐肩黑直发、中分）、脸型五官（窄长脸、单眼皮、鼻梁略高）、服装（深灰连帽卫衣、黑色工装裤、白色板鞋）、标志物（左眉尾一道浅疤）、禁止项（不戴眼镜、不穿亮色）。每项控制在 8 字以内，整卡不超过 120 字，太长模型会丢信息。写完后先单人生成 4 张，挑一张作为基准图，后续所有分镜都带上这张图做参考。基准图选正面、平光、无遮挡的那张，别选侧脸或强逆光，否则一致性从第一步就崩。 站位与视线：用坐标和角度说话 分镜里别写“站在旁边”，要写“画面左三分之一，面向右前方 45 度”。站位用九宫格定位：左中右三列、前中后三档，组合成 9 个位置，每镜只指定 1 个。视线单独写：看镜头、看画面右侧、看下方 30 度、闭眼。两人对话时，A 在左列、视线向右，B 在右列、视线向左，中间留出 1/3 画面给背景，这样剪起来才有正反打的空间。景别变化时站位要跟着调：全景人物占画面高度 1/2 到 2/3，中景到腰部，近景到胸口，特写只留头部和肩线。同一镜头内不要让人物跨列移动，移动就拆成两个分镜。 同一角色不同景别：描述重心要换 全景写轮廓和姿态：身高比例、服装整体色块、站姿重心在哪条腿、手臂位置。中景写上半身关系：肩线朝向、手在做什么、衣服褶皱走向。近景写面部结构：眉眼距离、鼻梁角度、嘴唇厚度、下颌线。特写只写 2 到 3 个特征，比如“左眉尾浅疤、单眼皮、鼻尖微红”，写多了模型会重新捏脸。所有景别共用的固定描述只有角色卡片那 6 项，其余按景别增减。近景和特写要把基准图权重调高，全景可以略低，给构图留空间。每换一次景别，先出 2 张对比，确认脸没变再继续。 一致性失败：按这个顺序排查 第一步查参考图：是否每张都带了同一张基准图，权重是否一致，低于 0.6 基本失效。第二步查描述冲突：角色卡片里的“黑直发”和分镜里的“风吹乱发”是否打架，冲突项只保留一个。第三步查景别跨度：从全景直接跳特写，脸容易漂，中间补一张中景过渡。第四步查随机种子：固定种子重跑 3 次，3 次都崩说明是描述问题，不是运气。第五步查服装细节：袖口、领口、鞋型这些高频出错点，逐项对照基准图。按这五步走，通常在前两步就能定位，别一上来就狂改提示词。
工作流总结：把零散步骤固化成模板
先判断什么值得固化成模板 不是所有步骤都值得做成模板。判断标准只有一条：这个步骤你会重复做三次以上，且每次的差异只在少数几个变量上。比如角色三视图生成，你每次都按“正面、侧面、背面、同一服装、同一光源”出图，只是角色描述不同，这就该固化。反过来，每次都要重新构思分镜节奏的环节，先别急着模板化，它还没稳定到能被复用。实操上建议先记录一周的工作流，把重复出现的动作标出来，出现三次以上的进入候选清单。候选清单里再筛一遍：凡是需要临场判断超过两分钟的步骤，暂时保留手工，只把判断标准写成检查项，不写成固定流程。 三类模板：提示词、参数、检查清单 提示词模板解决“怎么说”。结构固定为：主体描述加风格锚点加构图要求加负面词。以漫剧角色为例，模板写成“{角色名}，{年龄}岁，{发型发色}，{服装}，日系赛璐璐上色，半身正面，纯色背景，负面：多余手指、模糊线条”。变量用花括号标出，每次只替换花括号内容。参数模板解决“怎么设”。把模型、采样器、步数、CFG、分辨率、种子策略写成一张固定表，比如“SDXL，DPM++ 2M Karras，28步，CFG 6，1024×1024，种子固定后微调”。检查清单解决“怎么验”。每项必须是可勾选的二元判断，例如“手指数量是否为五”“背景是否纯色无杂物”“服装颜色是否与设定一致”，控制在八项以内，超过就拆成两张清单。 模板的版本管理 模板必须带版本号，格式用“名称_主版本.次版本”，如“角色三视图_v1.2”。主版本变更代表结构改动，比如提示词模板增加了一个新的构图变量；次版本变更代表参数微调，比如步数从28改到30。每次改动写一行变更记录，只记三件事：改了什么、为什么改、影响哪些产出。模板文件统一放一个目录，旧版本不删除，标记为归档。实际使用时，产出的图片文件名里带上模板版本号，比如“角色A_v1.2_01.png”，这样出问题时能立刻回溯到当时的模板。团队协作时，谁改模板谁负责在群里发一条变更说明，避免有人还在用旧版参数。 什么时候该推翻模板 出现下面三种信号之一，就该考虑推翻而不是继续打补丁。第一，连续五次产出都需要手工大改才能用，说明模板的核心假设错了。第二，模型或工具发生大版本升级，旧参数体系整体失效，比如换了新底模后CFG和步数的经验值全部作废。第三，你的工作目标变了，比如从单张插图转为连续分镜，原来的构图模板不再适用。推翻时不要直接删旧模板，把它归档并写一句“废弃原因”，新模板从v1.0重新开始编号。判断是否该推翻的一个硬指标：如果维护模板花的时间已经超过它节省的时间，就停手重做，别在旧结构上反复修补。
古风仙侠：一套可复用的出图参数
服化道关键词：先定三层，再写提示词 古风仙侠的服化道不要堆形容词，按三层写：材质、形制、纹样。材质写“素白软烟罗、银线暗纹、薄纱外披”；形制写“交领右衽、宽袖、腰封束带、披帛垂地”；纹样写“云雷纹、缠枝莲、鹤羽暗绣”。每层给2到3个词就够，超过6个模型会互相打架。颜色控制在2个主色加1个点缀色，例如月白加鸦青、点朱砂红。发饰单独写“白玉簪、银步摇、发带”，不要和服装混在一句。实操上，人物提示词前20个词决定权重，把“古风仙侠、交领宽袖、软烟罗”放最前，材质词比“唯美”这类空词有效得多。 光线与氛围：用物理词替代情绪词 不要写“仙气飘飘”，写光源和介质。常用组合：逆光加体积光加薄雾，适合出场镜头；侧光加丁达尔光加浮尘，适合室内或林间；顶光加冷月色调加低饱和，适合夜戏。色温给具体值：晨戏5200K偏暖，月夜7000K偏冷，洞府用4800K加青绿补光。氛围词只留2个，比如“薄雾、流萤”或“烟岚、落花”，多了画面会脏。分辨率建议1024×1536竖图做人物，1536×1024横图做场景。采样步数30到40，CFG 6到7.5，古风偏写实别超过8，否则线条发硬。负面词固定加“现代建筑、塑料质感、过曝、杂乱背景”。 构图与景别：人物和场景分开描述 人物与场景分开写，是古风仙侠最省返工的做法。人物提示词只写角色：半身景、平视、居中偏左、留白在右；场景提示词只写环境：远山、云海、石阶、古松、薄雾。好处有三：改服装不用重生成整张图；场景可复用给多个角色；构图冲突少。景别给明确词：特写用“面部特写、浅景深”，半身用“腰部以上、背景虚化”，全景用“全身、环境占画面三分之二”。构图写“三分法、人物在左三分之一、视线朝右留白”，比“唯美构图”可执行。需要合成时，人物图留纯色背景，场景图留出人物位，后期叠加比一次生成稳定。 最容易翻车的细节：手、发饰、文字 手部：提示词加“双手自然下垂、手指放松、袖口遮手”，能遮就遮；出图后优先选袖口盖住手指的版本，局部重绘手部时把重绘幅度压到0.35到0.45。发饰：步摇和簪子容易长进头发或悬空，写“发簪插入发髻、步摇垂于耳侧”，并固定“发髻在头顶偏后”；出现悬浮饰物直接局部重绘，别整张重跑。文字：匾额、卷轴、符箓上的字几乎必乱，提示词写“无文字、空白匾额、素面卷轴”，需要字就后期贴。负面词固定加“多余手指、融合手指、悬浮饰品、乱码文字、水印”。每张图放大到200%检查手和发饰连接处，这两处过关，成片率能到七成以上。
去魅 AI：这些工具其实没那么神
哪些效果是模型能力，哪些是后期 看到一张“AI直出”的图，先别急着服气。多数爆款图至少经过三步手工处理。第一，模型负责的部分通常只有构图雏形和光影基调，分辨率原生多为1024×1024，放大到4K靠的是超分工具，不是模型本身。第二，皮肤质感、发丝边缘、手指结构，十有八九是后期修的，局部重绘加仿制图章，一张图修20到40分钟很正常。第三，色调统一和氛围叠加多在Photoshop里完成，用曲线和颜色查找表，AI只提供了底料。判断方法很简单：让对方给原图、给生成参数、给图层。给不出的，效果就要打折看。实操上你自己也该这么做：生成只占三成时间，剩下七成留给修图和合成，别指望一次出片。 提示词玄学的边界 提示词有用，但作用被严重夸大。它擅长控制的是主体、风格、镜头和光线方向，比如“侧逆光、35mm、浅景深”这类描述确实能稳定改变结果。它不擅长的是精确空间关系和文字，你说“左边第三个人抬手”，模型大概率给你随机抬手。所谓“魔法词”多数是安慰剂，同一段提示词换种子跑10次，差异比换词更大。可复现的做法是：固定种子，一次只改一个变量，记录哪句描述真正生效，通常5到8个关键词就够，超过30个词反而互相稀释。负面提示词也别堆几十个，保留3到5个高频问题项即可。提示词是方向盘，不是发动机，模型没学过的概念，写一百遍也出不来。 被夸大的自动化 “一键生成漫剧”是重灾区。真实流程里，AI能自动化的是分镜草图、单格画面和配音初稿，占比大概四成。剩下六成是硬活：角色一致性要手动锁脸，同一角色跨10个镜头，至少3到5张需要重绘；对话口型对不上，得逐帧调；分镜之间的景别衔接、情绪节奏，模型完全不懂，要人排。一条3分钟的漫剧，全流程8到15小时，其中AI省下的时间约3小时，其余是剪辑、校对和返工。所以别按“一键”做预算，按“半自动”排期：先跑批量草图，再人工筛，最后集中修，效率反而最高。 把工具放回它擅长的位置 每个工具都有甜区。文生图适合做概念探索和素材铺量，一次出20张选2张，别指望它交付成品。图生图适合风格迁移和局部修改，重绘幅度控制在0.35到0.55之间最稳。超分工具负责放大，别拿它救糊图。语言模型适合写分镜描述和台词初稿，但结构逻辑要自己搭。把工具当实习生用：给明确任务、给参考样张、验收后返工，而不是当大师供着。判断标准就一条：这件事它做得比人快且质量达标，就交给它；需要精确控制或审美判断的，人自己上。位置放对了，效率提升30%到50%是真实的；位置放错了，返工时间能把省下的全吃回去。
AI 活动
会议、大赛、黑客松
如何挑选值得去的 AI 线下活动
AI 相关的大会、沙龙、路演越来越多，时间成本远比门票贵。报名之前，先问三个问题。问题一：讲者有没有一线经验 图解：问题一：讲者有没有一线经验 看讲者列表，如果全是市场与生态负责人，大概率是招商会。有一线工程或产品负责人的场次，信息密度通常更高。问题二：议程有没有具体案例 图解：问题二：议程有没有具体案例 「AI 赋能行业」这种标题没有信息量。带具体数字、具体链路的议题，才值得坐下来听。问题三：能不能见到人线下最大的价值是交流，不是听讲。看有没有茶歇、圆桌、Workshop 环节，这些才是有效社交的场合。参会姿势提前列出想认识的 5 个人，准备好一句话自我介绍和一个具体问题。会后 24 小时内发一条跟进消息，比现场换十张名片有用。
AI 黑客松参赛指南：从组队到 Demo Day
AI 黑客松的规则通常是：限定时间、限定主题、现场出 Demo。想在有限时间里拿到好结果，有几条经验值得提前准备。组队：三种角色就够 图解：组队：三种角色就够 一个能快速出界面的人、一个能打通模型与后端的人、一个能讲清故事并做演示的人。三个人比五个人更容易对齐。选题：越小越好 图解：选题：越小越好 「用 AI 改变教育」这类题目做不出 Demo。改成「帮老师三分钟批完一次默写」，范围小、演示清晰、评委一听就懂。开发：先跑通再优化第一晚就要有一个能点通的最小链路，哪怕界面很丑。第二天再补细节，避免最后一小时还在调接口。演示：三分钟决定成败开头 20 秒讲痛点，中间 90 秒现场操作，最后 40 秒讲清楚技术取舍与后续计划。提前彩排三遍，比多写一个功能更有用。本站「AI 活动」栏目会持续收录国内外的黑客松、开发者大会与线下沙龙信息，可按时间筛选。
友情链接
交换友链请走申请页