Logan Kilpatrick 目前在 Google DeepMind 任職資深 AI 團隊成員。主持人與 Logan Kilpatrick 的一次對談與示範，介紹Google最新的圖像生成與編輯AI模型Nano Banana（基於Gemini 2.5 Flash Image 模型）
I got a private lesson on Google's NEW Nano Banana AI Model
Nano Banana 的秘密
EaseMate AI 一站式解決學業、工作、創作
EaseMate AI 是一款免費且多功能的AI助手平台，專為學習、研究、創意和娛樂等不同場景打造，支援繁體中文介面及服務。
主要特色與功能
- 多語言大模型整合：內建GPT、Gemini、Claude、DeepSeek、LLaMA等多種AI模型，能即時比較不同模型答案，提供最適合你的解決方案。
- 學習與研究專區：支援PDF閱讀、研究文獻查找、引用管理、數理化題目快速解答、製作題卡與測驗題。
- 文件與內容助理：可自動翻譯多語言、快速內容摘要、文字重寫、原創度檢測，並能辨識及萃取圖片中的文字內容。
- 創意與娛樂功能：支援照片風格濾鏡（如吉卜力、迪士尼、樂高等）、寵物照片人物化、AI插畫油畫、AI故事生成、文字轉影片、圖像轉影片等。
The End of Expensive AI Subscriptions?
Categories: 免費試用
Sim : 幾分鐘內建置和部署 AI 代理
Sim（由Sim Studio開發）是一款開源的AI代理工作流程建構工具，提供輕量且直觀的使用介面，讓開發者能便捷快速地建立、測試及部署結合大型語言模型（LLMs）與其他工具的智能代理系統。
Install Sim Locally with Ollama: AI Agent Workflow Builder
ZARA 人類身體活動識別框架
ZARA 是一個用於人類身體活動識別 (HAR Human Activity Recognition) 的新型框架，它利用穿戴式感測器的原始運動數據。傳統的 HAR 系統通常需要針對特定任務的深度學習模型進行昂貴的重新訓練，而且在引入新感測器或未見活動時，其泛化能力和零樣本識別能力有限，同時也缺乏可解釋性。
ZARA 透過結合多感測器檢索增強生成 (RAG)、自動化的成對領域知識注入和層次代理式大型語言模型 (LLM) 推理來克服這些限制。ZARA 不需額外訓練，就能在多種數據集和感測器配置上實現零樣本分類，其性能超越現有方法，並可提供驗證。研究強調了其檢索、知識庫和代理模組在提升準確性和支援決策方面的關鍵作用。
LIA-X 肖像動畫器
LIA-X (Interpretable Latent Portrait Animator)強調其控制性，適合 AI 研究者和內容創作者使用，旨在將臉部動態從驅動影片遷移到指定的頭像，並實現精細控制。
LIA-X 功能列表
LIA-X 的可解釋性與細粒度控制能力，使其支援多種實際應用：
- 圖像動畫 (Image Animation)：能夠將驅動影片的臉部動態轉移到來源肖像上，並可透過控制面板進行編輯。使用者可以上傳來源圖像和驅動影片，然後使用控制面板編輯來源圖像，並生成動畫影片。
- 圖像編輯 (Image Editing)：允許使用者上傳來源圖像，並透過控制面板對其進行精確編輯。這包括對臉部細節的控制，例如偏航 (yaw)、噘嘴 (pout)、閉眼和眼球移動。
- 影片編輯 (Video Editing)：支援使用者上傳影片，並透過控制面板編輯影片的第一幀，以產生新的編輯後影片。同樣支援細粒度控制，例如頭部偏航和閉眼。
- 線性操控 (Linear Manipulation)：可以進行諸如偏航 (yaw)、俯仰 (pitch)、眼睛閉合與張開，以及眼球移動等臉部動態的線性控制。
- 3D 感知肖像影片操控 (3D-aware Portrait Video Manipulation)：這是一個更進階的應用，LIA-X 的可控性質支援此類應用。
- 動畫化個人資料 (Animating Your Own Data)：支援使用者自行準備圖像和影片資料（例如裁剪），然後進行動畫化處理。
- 細粒度、使用者引導的圖像和影片編輯：作為其可解釋和可控性質的直接結果，LIA-X 能夠實現這種精確的編輯。
OmniTry 無需 Mask 的虛擬試穿技術
LongSplat 三維高斯噴灑框架
LongSplat 是個用於從隨機拍攝的長影片中生成新穎視角的三維高斯噴灑（3D Gaussian Splatting）框架。它能夠解決從隨機拍攝、具有不規則攝影機運動和未知攝影機姿態的長影片中進行新視角合成的關鍵挑戰。
Qwen-Image-Edit
Qwen-Image-Edit 是 Qwen-Image 的圖像編輯版本，基於20B模型進一步訓練，支持精准文字編輯和語義/外觀雙重編輯能力。它具備多項關鍵功能與技術優勢：
- 精準文字編輯：支援中英文文字的增、刪、改，並能保留原始文字的大小、字體與樣式。這得益於 Qwen-Image 獨特的文字渲染能力被擴展至編輯任務。
- 雙重語義/外觀編輯：不僅能進行風格轉換、物件增刪等視覺外觀編輯，也支援 IP 創作、物件旋轉等高層次語義編輯。這透過將輸入影像同時饋入 Qwen2.5-VL（語義控制）和 VAE 編碼器（外觀控制）實現。
- 強大跨基準效能：在多個公開基準測試中，Qwen-Image-Edit 在編輯任務上取得了最先進（SOTA）成果。
This new AI image editor is a BEAST
建立一個本機語音 AI 代理
影片展示了如何利用 FastRTC 建立一個免費且本地運行的語音 AI 代理。這個系統的關鍵優勢在於它無需昂貴的 GPU 即可在 CPU 上運行，並確保使用者資料的 100% 私密性。它結合了 FastRTC 作為即時通訊庫、Gemma 作為語言模型 (LLM) 和 Coqui 作為文本轉語音 (TTS) 引擎，全部皆為開源工具。儘管存在回應延遲和語音自然度等局限性，但此設定在隱私性、成本效益和易用性方面表現出色，尤其適用於語言練習、互動式日記和講故事等不需要即時回應的應用場景。
Build A Free & Local Voice AI Agent Using FastRTC
Categories: 教學
ToonComposer：簡化動畫製作
傳統的卡通/動漫製作耗時耗力，需要技藝精湛的藝術家進行關鍵影格、中間畫和上色。 ToonComposer 利用生成式 AI 簡化了這個流程，將數小時的中間畫和上色手動工作簡化為一個無縫銜接的流程。
ToonComposer Demo Video
