发现一款开源的一站式 AI 影视解说+自动化剪辑工具🎬🎞️，目前已有 2.2k star。
它基于LLM实现文案撰写、自动化视频剪辑、配音和字幕生成的一站式流程，快速生产内容，感兴趣的可以试试。

github: https://t.co/qOOTLjfLBF

MemoAvatar：开源的音频驱动头部视频合成
效果非常好，比之前开源的Hallo效果好。闭源的有阿里的Emo（在通义APP里可以用）、字节的Loopy（在豆包APP里可以用）、微软的VASA-1。
项目地址：https://t.co/Wqm6mVPGRm
Github：https://t.co/wgItvdOqg2
ComfyUI节点：https://t.co/vRYhRoXKM9

给不会写提示词的朋友们推荐了解一下OpenAI官方提供的提示词生成教程🚀

读懂这个文档的提示词的配置方案，进行一些简单的改造就可以生成很有效的提示词了。

另外，推荐文本生成类AI工具的开发者们可以了解一下其中的结构化输出的配置逻辑，对于AI工具的开发会很有帮助👍

谷歌出的Whisk还挺好玩，背后基于的是Gemini根据图片生成描述，然后再用Imagen 3生成图片，可以把主体、场景、风格整合到一张图片中。不具备保持角色一致的能力，只是能识别主体是什么。
使用地址：https://t.co/9SSVWlGzUQ

牛P啊

Unitree 宇树科技开源了其机器人训练的所有源代码

包括了 强化学习（RL）训练代码、从模拟到模拟（Sim-to-Sim） 和 从模拟到现实（Sim-to-Real） 的源代码。

该项目可以帮助开发者或研究人员在虚拟环境中模拟和训练机器人，然后把训练结果转移到机器人上。

这是宇树科技Unitree H1、H1-2 和

读《索罗斯》| 交易者第一原则：顺势而为。
深有感悟：币价上涨时，需要N个理由，需要不断的讲故事，用近似哄骗的方式来诱惑配合拉盘。

当币价下跌时，不需要任何理由，只是因为价格太高了。

一图流：把 Gemini 2.0 搬进 Cursor

1️⃣ 戳 ⚙️Settings → Models
如果配了 Deepseek，点「Reset」重置 Base URL

2️⃣ 填入 Google API Key ¹
如果没有就去申请一个
点「Verify」 确认通过

3️⃣ Add model
填 gemini-2.0-flash-exp，回车确认

免费好模型，用起来。

[1] API KEY 申请链接见评论

酷！又一款一图生世界的AI模型：GenEx，给它输入一张图片，就能创建出完整的360度的3D世界，可以在生成的世界中交互式探索，效果看起来还可以

可以保持空间的连续性和一致性，可以生成长距离的连续场景

很多素人想做自媒体，但是两眼一摸黑。其实这玩意说难也难，说简单也简单！

难，是难在脑子要动脑子，要勤奋，要会复盘改进，要打碎玻璃心。

简单，是简单在你没成本，赚到一块就是好的开始。平台成熟了，无数人复制了可行的路，答案就在那。

最近两周把《RAG-Driven Generative AI》看完了，顺便跟着附带的代码完整的实践了一遍，整体上非常推荐，尤其一定把代码都跑一遍。
整本书核心内容如下：
1. 为什么选择检索增强生成 (RAG)?
2. 使用 Deep Lake 和 OpenAI 构建 RAG 嵌入向量存储
3. 基于索引的 RAG 构建：结合 LlamaIndex、Deep Lake 和

Google 发布了一个 基于React的启动应用

开发者不需要从零开始编写代码

可以快速通过 Multimodal Live API尝试开发实时多模态应用

- 通过WebSockets与Multimodal Live API进行实时通信
- 支持音频流播放以及录制用户的音频/视频数据
- 集成了Google搜索功能

I built an automated AI design team with multi-agents.

It has 3 multimodal AI agents working together as a team:

1. Visual Design Agent
2. UX Analysis Agent
3. Market Analysis Agent

100% Opensource Code with step-by-step tutorial.