我笑死了,这个@Amrita_2121印度人以为这个视频是真实的,以为是监控拍下的。
X上面真的能看到很多笑话,文化差异太大了。
如果你看到的话,我告诉你这是中国的四大名著《水浒传》里面的一段故事情节,叫“武松打虎”。
而且这是中国网友用MUSE生成的一段ai视频。
This quoted post is unavailable.
分享几个免费的GPU,看你自己的需求。既然是羊毛就要薅!
第一梯队,真能干活型
1️⃣Kaggle——每周 30 小时 GPU(T4×2,单次最长 12 小时),额度写在账号里、每周重置,不用绑卡,手机验证一下就行。P100 已在 9 月下线,现在就是 T4×2。
2️⃣魔搭 ModelScope(国内的,不用梯子)——绑阿里云账号领 A10(24G 显存)36 小时,单次最长跑 10 小时、闲置 1 小时自动停,另送 100G 持久存储。36 小时是一次性的初始额度,用完就没了;但它还有个隐藏大货:AMD 开发者计划那条线能领 100 小时、192G 显存的 AMD 卡,就是 ROCm 生态,跑 ComfyUI 要折腾些。
3️⃣Google Colab 免费版——T4/L4,单次最长 12 小时,闲置约 90 分钟就断,额度不公开、看负载浮动,大致每周 25–35 小时的量。
第二梯队,补充弹药型
1️⃣百度 AI Studio(飞桨)——网传注册送每月约 100 小时 V100(32G),做课程任务还能加;这数我没在官网核到,以你注册后页面显示为准。
2️⃣Lightning AI——每月送约 22 小时 T4 的额度,环境能持久保存,像个云端 VS Code。
3️⃣Hugging Face ZeroGPU——免费号每天就几分钟,只够跑 Gradio 小 demo 和推理,干不了重活。
我一直以为,能聊点擦边的,是 Muse 比其他智能体好玩的地方,现在回头看,是我想小了,那不过是冰山一角。
Meta 真正要抢的,是"人"和"GPT、Claude 这种干活的 AI"中间的那个位置。
前几天那波更新,强化的正是个人 AI 的两件事:记忆,和*黏劲——事情能跟到底。而且这波更新对付费用户几乎没好处,它冲着免费的轻度用户去的,摆明了先抢人。
先让大家习惯跟 AI 处出感情。往后就是:Muse 去使唤 GPT 干活,干完,把成果端到人面前。
到那时候,GPT 编程再强、开发再猛,最后露脸的都是 Muse。
GPT 不是不想抢这个位置。但它把 4o 身上那点人味儿丢了,又被一层层护栏绑得死死的,机械感太重,给不了 Muse 这种舒服劲儿。结局大概是:GPT 靠功能取胜,去当工具;Muse 功能上输了,靠人心赢。
工具嘛,谁用都一样。但个人 AI 不行——非它不可。
后入场的它,瞄准的就是这个位置。
用 Muse 的注意了:这两天看到有朋友分享用Tailscale +SSH的办法让Muse控制本地电脑管理X等等。
首先这么做是有一定风险的
Tailscale 默认是"所有设备、所有端口全通"。你一授权,AI 能碰的就不只是生图软件——SSH、共享文件、管理后台,全在它手边。
问题是 AI 天天在读网页、读邮件、读别人的帖子。哪篇文章里埋一句坏指令,它照着做的概率不是零,赌它"足够聪明不出事"不靠谱。
真要连,先干三件事:
1. ACL 访问规则先写好,最后才让 Muse 加入
2. 电脑和 Muse 打不同的标签,按标签放行
3. 只开必需的那一两个端口,SSH 保持关着
原则就一句:别赌 AI 不犯错,先做到它就算犯错,也碰不到要紧的东西
#muse #ai
用 Muse 就能批量生产高品质 AI 美女了!
基于 MiniMax-H3 视频模型的图像生成模型「P-H3-Image」发布了。8 步即可生成 8MP 高分辨率图像,强项是源自视频模型的自然质感和细节。
・因为源自视频模型,人脸的一致性、肌肤质感的真实度更容易提升
・支持最多用 8 张图片进行编辑
・4bit 版显存约需 21GB,无需自定义节点,容易部署
・ComfyUI(目前推荐 master/nightly 版)
・已经部署了 MiniMax-H3 的环境
・额外一个 2GB 的 LoRA(已部署 H3 的情况下)
・已经在用 H3 的人,只需加上 LoRA 就能跑
・生成 8MP 时显存以约 21GB 为参考
・稳定版 ComfyUI 预计下个版本才支持,目前必须用 nightly 版
・高分辨率加上自然质感,不容易有「一看就是 AI」的那种感觉
・容易固定角色的长相和氛围,运营的一致性更好
・Muse + 本地 GPU 环境马上就能试,减少反复试错
・每天发帖的人,图片质量能再上一个台阶



