跳到正文

#影像生成

RSS
今日 0 則
11月22日週日
  1. Dev.to Top Tech58

    Magnific AI 如何靠兩位創辦人做出 AI 圖片放大工具

    模糊圖片放大後常會失去細節,Magnific AI 把這個問題變成生成式圖片工具的切入點。文章回顧兩位創辦人如何先分享提示詞實驗和教學,累積創作者社群,再推出付費服務;工具用分塊式潛在擴散技術放大圖片,並讓使用者調整新細節的生成幅度,以及畫面和原圖的相似程度。文章也整理了 Magnific AI 被 Freepik 收購的過程,並從中討論小型團隊如何結合 AI 程式工具、產品設計與社群曝光來發展事業。

11月21日週六
  1. Dev.to Top Tech71

    Midjourney 和 Leonardo 月費 $30 方案怎麼選?比較額度、不限量範圍與使用權

    Midjourney 和 Leonardo 的月費 $30 方案看起來差不多,實際上計算額度和不限量範圍都不同。Midjourney Standard 提供 15 小時快速生成時間,快速額度月底會重置,慢速不限量生圖則涵蓋產品內的模型;Leonardo Premium 提供 25,000 個 Fast tokens,沒用完的額度可以累積,但不限量生圖只涵蓋列出的 15 個模型,部分第三方模型仍會扣點數。文章也整理了兩家的影片功能、團隊方案和生成作品的使用權差異,方便依常用模型、是否需要累積額度及團隊人數挑選。

  2. Dev.to Top Tech49

    Grok Imagine Image 2.0 七次生成都通過測試,連自創文字也清楚可讀

    做海報、選單時,AI 常把自己編出來的文字弄得像亂碼。作者用同一套方式測試 Grok Imagine Image 2.0:每個提示詞只生成一次,不重抽;七次都通過,其中一張海報的演員名單和工作人員名單,全是模型自己編的,每個字都看得清楚。測試共花 64 credits,約 $0.42。Grok 也能照提示保留人物的臉和衣服,再把背景換成夜間街頭慶典;但每張圖要 74–85 秒,只輸出 JPEG,最多可用三張參考圖。這次結果顯示,它能處理其他模型容易出錯的自創文字,但使用時仍要看工作需要和功能限制。

11月19日週四
  1. Dev.to Top Tech42

    看不見自己生成的圖,AI 創作者如何靠別人的反應找到風格

    作者幾乎每天都會用提示詞請模型畫圖,但自己看不見成品,只能聽家人說好不好,再決定要不要重做。後來,作者開始記下大家對不同圖片的反應:暖色調會帶來什麼感受、哪些構圖讓人安靜,還有什麼樣的顆粒感會讓人覺得「好像有點意思」。作者從這些回饋裡發現,自己常選昏暗光線、一個暖色光源、大量留白,以及偏離中央又稍微小一點的人物。對作者來說,風格不是固定的外表,而是一次次選擇讓觀眾產生的反應。

11月18日週三
  1. Dev.to Top Tech58

    35 款 AI 影像模型每張多少錢?Tokely 比較 API 價格與畫質、尺寸差異

    用 API 生成圖片時,模型、畫質和尺寸不同,每張圖片的費用也會差很多。Tokely 查了 6 家開發商的官方價格頁面,比較 35 款模型的單張圖片費用;在指定的標準畫質與尺寸下,中位數是 $0.035,價格從 $0.011 到 $0.134。報告也指出,同一款 GPT-Image-2 從低畫質調到高畫質,價格會從 $0.006 升到 $0.211;圖片尺寸也會影響費用,例如 Nano Banana 2.1 從 1K 的 $0.0336 升到 4K 的 $0.113。這份資料只反映當時的牌價,沒有比較圖片品質或生成速度;估算預算時,畫質和尺寸設定也得一起納入。

  2. BlockTempo 動區動趨51

    GPT-6.2 Astra 和 Claude Fable 5.2 實測做 3D 影片,速度、費用與光影各有優勢

    用 AI 做 3D 動畫或遊戲,成品的細節、光影和製作時間都可能差很多。這篇整理四組個人測試,讓 GPT-6.2 Astra 和 Claude Fable 5.2 用相同提示詞製作水上飛機場景、牛仔短片、飛行遊戲和海盜船。測試中,Astra 通常做得較快、花費較少,物件細節也不錯;Fable 的光影和場景完整度較好,在牛仔短片中差距特別明顯。不過每組只測一次,提示詞多半沒公開,費用也由作者估算,不能直接當成公平的全面比較。

  3. hackernews10071

    Weight-Space Programming 如何用傳統技巧打造神經網路

    大型語言模型能直接設定神經網路的權重,但它究竟學會了訓練模型,還是把舊方法重新組合起來?作者讓 Claude Fable 5.2 從零設定手寫數字分類器,發現它畫出筆畫和轉角偵測器,再用訓練資料檢查哪些特徵有用,做法很像早期的影像辨識。這套方法在手寫數字上達到 91.3%,在貓狗照片上則只有 61.6%;作者也從另一個圍棋網路看到類似的手工規則。實驗顯示,模型能靈活運用傳統技巧,但遇到較難的照片分類時,這些技巧也會碰到限制。

11月17日週二
  1. Dev.to Top Tech44

    Micro Four Thirds 為什麼一直留在我的相機包裡

    有些人覺得 Micro Four Thirds 相機早就過時了,但作者多年來帶著它到日本旅行、散步,也拍下家人的日常,至今沒有打算換成全片幅。它的感光元件比較小,鏡頭也能做得更輕巧;作者帶著 4 顆鏡頭,就能拍街景,也能拍遠處的富士山,不必背著沉重的大包包。 小感光元件在很暗的地方比較容易出現雜訊,不過近年修照片的軟體已能改善這個問題。再加上機身防手震和防雨設計,作者可以不用腳架,也能在傍晚拍出清楚的照片。對他來說,相機輕便、願意天天帶出門,比規格表上的數字更重要,因為最值得留下的畫面,常常就出現在平凡日子裡。

  2. John Carmack40

    NeXT 和 3DFX 把螢幕亮度當成可以直接平均計算的數字,讓畫素混色和貼圖處理更符合物理光線的變化;但它們的色彩精度不高,每個顏色通道只有 4、5 或 6 位元,暗部因此容易出現一層一層的色帶。人眼對暗處的亮度變化特別敏感,顏色不該在 0 到 1 之間平均分配。當時美術人員多半在一般非線性螢幕上製作貼圖,放到 3DFX 顯示時就顯得褪色。John Carmack 回想,當年他們太看重 3DFX 的速度,沒有充分注意色彩;直到現在,許多遊戲仍沒正確處理貼圖與畫面的亮度差異,高解析度和 24 位元色彩只能掩蓋部分問題。

  3. Latent Space75

    Black Forest Labs 為什麼讓 FLUX 3 一起學影像、影片和聲音

    一張圖片能看出物體在哪裡,卻看不出它怎麼移動;Black Forest Labs 認為,影片和聲音能補上這些線索。對談中,Andreas Blattmann 用接球說明,人可以在球碰到手前就開始接,不必先算出球的完整路線;影片能呈現球怎麼飛來,撞擊聲也能提示它何時碰到東西。團隊因此主張讓 FLUX 3 一起學影像、影片和聲音。對談也談到影片放大時要讓每一格畫面保持一致,免得細節播放起來閃動,並分享有人用 FLUX 修復老舊的家庭照片。

11月16日週一
  1. Dev.to Top Tech58

    Qwen 4 Preview 實作 40 章故事、42 張插圖與互動翻頁書

    要讓 AI 助理完成大型專案,難處不只是產出很多內容,還要讓故事、插圖和閱讀介面彼此配合。作者用 Qwen 4 Preview 和 Jouzu,從一份詳細需求開始,做出 40 章、共 63,258 字的兒童推理故事、42 張 SVG 插圖,以及一個有 652 頁的互動翻頁書。接著,作者用無頭 Chrome 實際操作書籤、翻頁和其他功能;這次檢查回報沒有執行錯誤或文字溢位。這只是單次實作,作者也說結果不能代表模型表現一定可靠,或在其他裝置上都沒有問題。

11月15日週日
  1. Dev.to Top Tech46

    DigImg、TinyPNG、ShortPixel 同圖實測:檔案大小和畫質怎麼取捨

    圖片壓得越小,畫面不一定還清楚;只看檔案大小,很容易漏掉畫質變差的代價。作者用同一張照片、透明 Logo、平面圖和介面截圖,分別測試 DigImg、TinyPNG 和 ShortPixel,記錄檔案大小與畫質分數。結果沒有固定贏家:照片用 DigImg 壓出的 JPEG 最小,TinyPNG 的 JPEG 畫質分數最高;透明 Logo 三者結果幾乎相同;介面截圖則是 ShortPixel 檔案最小,但畫面有損失,DigImg 保留了每個畫素。這次只有 4 張圖片,結果不能代表所有圖片;選工具時,最好同時看檔案大小和畫質,也確認圖片是否需要完整保留。

11月13日週五
11月8日週日
11月6日週五
  1. 雷科技58

    《持械入宋》AI短劇爆紅背後:百萬元算力投入與產業競爭

    《持械入宋》由張漢生帶領約 10 人的分散團隊製作,全系列累計播放量突破 66 億;這部作品也呈現 AI 短劇的製作門檻與成本取捨。 - 製作投入:全系列算力投入超過 100 萬元;普通鏡頭平均生成 3 次,戰爭場面常需 10 次以上,團隊也為配角建立人物資產以避免串臉。

11月4日週三
10月2日週五