即刻App年轻人的同好社区
下载
App内打开
宇宙大烧卖
113关注249被关注0夸夸
✨成为AI时代的超级个体
🧑‍💻 Build in public
📝 readlecture.cn视频笔记作者
☎️vx: ReadLecture
置顶
宇宙大烧卖
3月前
推荐一个看视频做笔记的工具,非常方便!对于经常要看讲座视频的人简直是福音!

原本我看一个视频要一两个小时,两倍速看又会因为中间关键地方没听清而反复回放,ReadLecture完美解决了这个问题,直接转成文字稿,关键还有对应的ppt截图,英文讲座还有翻译,最绝的是全文总结和片段总结也面面俱到!现在一个两小时视频真就花几分钟就知道了讲得什么,有兴趣就深入再看文字,读的更快。而且很方便自己整理到笔记知识库。

“神器来袭”ReadLecture一键总结讲座视频,图文并茂,2小时视频5分钟阅读!

1540
宇宙大烧卖
6天前
奇绩今年最新的创业公开课,中国的Y Combinator,内容很干货,创业的朋友们,值得一看!

第一课:创业,走出第一步(陆奇)
第二课:建立初始团队(董科)
第三课:用户调研与早期产品构建(曹勖文)
第四课:商业化起步(栾运明)
第五课:如何融第一笔钱(毛圣博)
第六课:使命愿景价值观与公司经营

2024奇绩创业公开课 | 第一课:创业,走出第一步(陆奇)

00
宇宙大烧卖
11天前
✨ReadLecture更新啦!
(readlecture.cn音视频转录,总结,翻译,两小时视频,五分钟阅读,加速内容学习与传播)

1. 上线三种模式(讲座,访谈,音频),更好的根据场景调整输出内容的关键帧截图数量。

2. 上线自定义输出语言,目前支持九种语言

3. 上线说话人识别功能,与访谈模式搭配食用更佳

4. 支持自定义全文总结prompt和章节总结prompt,体验更佳个性化的总结

5. 支持自定义词表,提高任务转录文字准确率
00
宇宙大烧卖
13天前
Raiza的愿景其实和我不谋而合,最初做ReadLecture就是为了把音视频模态转成更适合自己的文字阅读模态。

后来也发现其实每个人对内容的消费习惯不一样,通过AI将同一份内容转换成不同模态,适配更多场景,更多人群,真正的“加速内容学习与传播”。这也是我后面想继续努力优化产品的方向。

谷歌三人小团队竟开发了火爆的NotebookLM!听听产品经理Raiza讲讲背后的故事

00
宇宙大烧卖
22天前
这个AI工具有点意思,发公众号文章更方便了(其他平台文章同理),现在很多公众号大号都是转行业大佬的访谈,讲座文字稿,这个工具顶他们一个编辑小团队了

自媒体救星!访谈、视频分分钟变公众号文章!转录、翻译、总结一气呵成,再也不怕抢不到热点

00
宇宙大烧卖
25天前
确实👍 你说的这个点还挺有启发的 和不同人讨论同一件事,能激发一些新信息。 要是能做到实时播客,用户也能参与其中讨论,更牛逼了 真沉浸式学习 //@Linus.ai: 此外,从中文材料,转换到用第三方英文的思维和习惯讨论同一份材料,也会有不同的信息量。而且这个转podcast不同于tts文字转语音,他是表达的角度方式都不同了,而且因为llm介入时候会用外部知识和背景去讨论这份材料,所以还有信息增量(纯粹的文本直接转语音是没有信息增量的,这个和notebookLM的转换很不同)。简单说,其实你自己也看自己的简历,但是你把你的简历交给扎克伯格和sam两个人讨论,那么会有信息增量。

Linus.ai: notebookLM的自制播客功能已经成为了我每天听的播客。我自己写了点什么或者研究些什么,就习惯把文本丢给notebookLM做一期播客出来慢慢听。比如我让gpt给我说说金刚经里的一些解释,然后来回对话完我也丢给notebookLM做一期对金刚经智慧讨论的播客,很有趣。我以前没有听播客的习惯,是notebookLM让我开始听自制播客。因为自己做的播客所有内容都是我感兴趣的,用第三方视角和''听''自己感兴趣的文字材料,是一种很自然很个人化的体验

00
宇宙大烧卖
1月前
AI技术让文字,图片,音频,视频等不同模态的内容可以相互转换,让内容学习和传播有了质的改变。

最近谷歌NotebookLM做了一个功能,根据文本,生成双人播客。很有意思,对话也非常之流畅,很像真人。因为我自己在做ReadLecture,本质是把视频或者音频转成图文,再总结,提高视频学习效率和传播,和这个功能正好是反过来的。

对于内容输入,每个人的习惯不一样,有的人喜欢看文字,阅读效率高,而且方便检索和管理。有的人喜欢听,在通勤路上听听播客就很顺畅。有的人喜欢看视频,觉得直观的动画能透彻的讲清楚问题。有的人就喜欢一张漂亮的分享卡片图,能很轻量高效的传播。

如何把同一个内容用不同模态表现出来,让它们更好得适配到不同的人和不同的场景,怎么精准让这些内容和人群匹配起来,这个是目前做AI应用的人应该仔细去考虑的。

用AI五分钟就能生成一档播客?感觉降维打击了。

00
宇宙大烧卖
1月前
跟着@一泽Eze 的名片prompt搞了一个ReadLecture视频总结的卡片,被吐槽太丑了😇 但过程中也在思考几个问题:
1. 除了claude sonnet,其他家模型似乎出不来这种效果,为啥?估计还是跟代码能力有关系。
2. 要把卡片生成能力嵌入自己的产品,直接让模型生成并不一定是最可控,最省的办法。批量先造一些模板(SVG或者html或者tsx代码啥的都行),然后再填充内容可能更好。
3. 会弄prompt,会整这些技术很好,但不够,还是得审美在线,不然做出来纯属自嗨
31
宇宙大烧卖
2月前
预测以后每个人都可以把自己能力包装成一个“Agent”,可以一对多的提供服务,成为真正意义上的超级个体。

附访谈中文稿:mp.weixin.qq.com

陈南: 周末听了Andrej Karpathy近期做客《No Priors》的一期播客,让我意识到一件事:大模型时代,很多职业将从前台转向后台,个人经验可以演变成一个产品由AI代你对客。 让我们先从Andrej聊起,他本来是OpenAI的创始成员之一,后来加入Tesla负责研究自动驾驶,2023年回到OpenAI研究LLM,2024年离职,创办了专注于AI教育的公司Eureka Labs。他在AI领域有着非常丰富的经验,也经常在Youtube上分享一些AI相关的知识,有种“AI界菩萨”的感觉。他在这期节目里分享了他做AI教育的一些思路,核心观点可以总结为: 「在过去,一个老师要给学生上课,那TA就得准备一份教案,然后亲自去当面给学生传授知识。但是在LLM时代,我们可以尝试的事情是,让这个老师写一份教案,然后让AI根据这份教案,去给无限多的学生一对一讲课。简单来说,在过去,老师在前端直接面向学生,在未来,老师更多地是在后端打磨经验和教案,由AI去前端面向学生。」 在AI教育这个例子里,其实已经充分利用到了大模型的3个基本特性: 1. 类人级智能:给学生教课的前提,是能够充分理解教案中的内容,如果大模型理解不了教案,那自然也无法根据教案中的指引和思路去给学生传授知识。 2. 超人级的信息吸收速度:与学生的每次对话,都需要结合教案中的全部内容进行回答,并且需要准实时地进行回复,对时延的要求很高。如果大模型每次回复学生都需要1小时的时间充分理解教案,那这个场景自然也不成立。 3. 低廉的边际复制成本:一个老师同一时间只能面向1个学生或者1个班的学生进行授课。如果是1对1,价格很昂贵,动辄1小时三四百元。如果是1对多,则效果没那么好,没有办法针对每一个学生的特点专门去调整教学方式。而有了大模型,则可以以一节课几块钱、甚至几毛钱的成本完成授课,并且完全是一对一的教学,会根据学生的学习情况实时调整教学策略。与此同时,对于教师来说,一旦教案编写好了,那就可以开始无限低成本复制。 当我们推导到“写一次教案,可以无限低成本复制”这一步时,似曾相识的感觉出现了,ToC互联网产品不也是这样吗?搭建好一个平台后,便可以用相当低的边际成本接待新的用户。那么,这两者区别在哪里?让我们还是以AI教育为例。 在ToC互联网产品中,对客的主体是产品,但在AI教育中,用户感知到的是角色。比如说,我去美团点外卖,虽然它的背后也有着无数的人在支撑,但是我更多地感受到的是我在跟这个公司的产品打交道。但是,在AI教育平台上课时,我感受到的会是——对面是一个老师。这是由大模型产品的基本属性决定的,大模型能够像人一样交流,这使得用户不自觉地将其拟人化。尤其是随着模型一步一步升级,它会越来越擅长模仿人,这是我们无法忽视的一个趋势。所以,当对客主体变了之后,产品的设计思路也需要跟着一起调整,这是一个全新的话题,值得深入去思考。 让我们回到主题,从AI教育的例子里我们可以很明显的感觉到,老师在这种产品形态下,已经从前台转向了后台,而对于这个老师来说,自己的个人经验凝结成了教案,被AI教育平台打包成一个产品,由AI低成本地面向无数学生兑现价值。 其实很多行业也是类似的,比如说程序员,在今天是由自己直接向团队提供服务,那如果有一个AI可以帮TA处理这些沟通、协调的细节,自己专注于如何让AI更懂部门的业务、架构设计和系统的可维护性,是不是也是一种形式的从前台转向后台呢?根据自己的经验所打造的AI,便是自己的产品,可以直接面向外部提供服务。 这个话题非常有意思,针对每个行业,都值得顺着这个思路去思考未来的形态。那么,就有了一个值得深思的问题: 按照AI现在这个发展速度,几年后,什么样的经验是需要我们教给AI的?

00