最新

我开发了 BindWeave，一个主体一致的视频生成模型，它将多模态推理与扩散模型融合，以确保您的角色、物体和创作意图在不同镜头中完美对齐。 BindWeave 并非逐帧提示，而是理解“谁是谁”以及“发生了什么”——从而在单人片段到多演员场景中保持故事和视觉的连贯性。 **功能：** * **跨模态融合以实现保真度** – 将文本意图与视觉参考绑定，以实现忠实的生成（MLLM-DiT 核心）。 * **单主体或多主体一致性** – 在不同帧和场景中保持身份和角色稳定。 * **实体定位与角色解耦** – 减少角色互换和属性漂移。 * **对提示友好的指导** – 理解镜头类型、互动和电影笔记。 * **参考感知身份锁定** – 使用一个或多个图像来保持相同的主体身份。 * **专为创意堆栈设计** – 适用于广告、预告片、解说视频和短篇故事。 **适用人群：** * 创作者、电影制作人和营销人员 * 制作多场景或多演员视频的工作室 * 教育工作者、故事讲述者和本地化团队 [https://www.bindweaveai.com/?i=d1d5k](https://www.bindweaveai.com/?i=d1d5k) **重要性：** BindWeave 弥合了文本到视频生成与一致性叙事之间的差距。 它确保身份、角色和场景保持连贯——从而在 AI 视频生成中解锁真正的叙事控制。 我非常期待来自 HN 社区的反馈——尤其是在跨模态保真度、多场景连续性和实际创意用例方面。

我一直很喜欢阅读实体书，但很难保持阅读的连贯性，也不知道自己到底花了多少时间在阅读上。 所以我开发了 BookPace — 一款 iOS 应用，可以追踪你的阅读时间，并帮助你养成持续阅读的习惯。 你可以手动开始和停止阅读会话，或者如果你阅读的是实体书，可以给你的书贴上 NFC 标签，只需用 iPhone 碰一下标签，就能自动切换计时器。如果是图书馆的书，书的封面上通常已经嵌入了 NFC 标签 — BookPace 也可以使用它，这样你甚至不需要自己添加标签。 功能： – 阅读计时器，带有连读、等级和徽章 – 为实体书或图书馆的书配对 NFC 标签 – 按日、周、月、年或终身统计阅读数据和热力图 – 专注模式：在阅读计时器运行时，暂时屏蔽选定的应用程序 – 跨设备云同步 我完全用 SwiftUI 构建了它，集成了 Apple 的 NFC、CloudKit 和屏幕使用时间 API。将实体阅读和数字追踪结合起来，感觉很有趣。 网站：[https://bookpace.app](https://bookpace.app) App Store：[https://apps.apple.com/app/bookpace/id6753701690](https://apps.apple.com/app/bookpace/id6753701690) 我很乐意收到你的反馈 — 无论是关于应用的想法还是实现。你认为如何改进它，或者什么能让它对认真的读者更有用？

我开发了 DeepShot，一个使用滚动统计数据、历史表现和近期势头来预测 NBA 比赛的机器学习模型——所有这些都以简洁、交互式的 Web 应用程序的形式呈现。与简单的平均值或博彩赔率不同，DeepShot 使用指数加权移动平均 (EWMA) 来捕捉近期状态和势头，突出显示球队之间的关键统计差异，这样您就可以了解模型为何偏向某一方。它由 Python、XGBoost、Pandas、Scikit-learn 和 NiceGUI 提供支持，可在任何操作系统上本地运行，并且仅依赖于来自 Basketball Reference 的免费公开数据。如果您对体育分析、机器学习感兴趣，或者只是想知道一个算法是否能胜过拉斯维加斯，请查看并告诉我您的想法：<a href="https:&#x2F;&#x2F;github.com&#x2F;saccofrancesco&#x2F;deepshot" rel="nofollow">https:&#x2F;&#x2F;github.com&#x2F;saccofrancesco&#x2F;deepshot</a>