更多动态
GAGA-1 是首款将声音、嘴型与表情一次性生成的 AI 视频模型，解决了传统 AI 视频口型与情绪脱节的问题。 1️⃣ 音画同步生成 模型采用 co-generation 架构，类似人类一次性完成说话与表情，声音波形与面部动作同步输出，无需后期对齐。 2️⃣ 情绪与场景 支持还原失望、愤怒等复杂微表情，也能一次性生成双人对话场景，无需拼接。 3️⃣ 低成本高效率 目前免费使用，上传图片与台词 Prompt，3-4 分钟即可生成 10 秒 720p 视频。 🔹 适合短剧、虚拟主播、NPC 对话等场景。当前版本对大幅度肢体动作支持有限，过长台词可能“吞字”。未来官方计划开放自定义音频与固定音色功能。 官网: http://gaga.art
。该功能支持本地化处理，无需联网，确保数据隐私，用于提升图像主体与对象的选择精度和速度。 对象选择工具 (Object Selection Tool): 基于分割模型，自动识别并选择图像中的人物、动物、建筑等对象。模型大小约 290MB。 选择主体功能 (Select Subject): 基于显著性模型，一键智能识别图像中最突出的主体。模型大小约 72MB。 本地处理: 所有 AI 运算均在设备本地完成，不上传用户数据，保证隐私安全。
订阅费也没法儿退，我甚至怀疑申诉邮件就是钓鱼的，有追踪IP地址。 dhh是美国开发者，前段时间来深圳交流，演示了自己怎么用claude code。 目前最稳妥的方式就是参考dhh方法，把Claude code放在海外机器上，用tailscale远程连接使用。 那就得租一台有家宽的海外机器，在那台机器上注册和登录claude。
九月底前我都是坐在电脑前开着terminal指挥着pi，跑多subagent，最后再自己看diff，提pr，经常一坐就是一天。 九月底，我工作流改成在手机端用hermes指挥pi，完全解决了久坐电脑前的痛苦，用到现在还挺舒服。 Hermes用旗舰模型（gpt-6-astra/opus-5.5），pi尽量不装插件，用中端模型（ds-v4.1-flash/sonnet/terra），二者间用a2a通讯。 hermes负责分析issues，拆分成多个小任务，然后给每个小任务创建worktree，并在里面派遣pi去完成小任务。 每个pi完成任务都会通知hermes，由它判断提pr还是返工给pi。基本逛一天景点，或一觉醒来十几个pr搞好了，舒服得很。 就是过程太黑盒了，心路历程有点像早期的vibe coding，那会diff至少自己会看一下，现在diff也黑盒，完全交给旗舰模型，属于盒中盒了。 如果没数据焦虑，其实可以直接用grok-bot或者chatgpt-dot，开箱即用，里面内置了grok-cli和codex，原生agents通讯。弊端就是数据不在本地，有监管，万一被封号一切归零。
