即刻App年轻人的同好社区
下载
App内打开
marc.ai
131关注124被关注0夸夸
产品,研究一切玄学
武杀坐命,柔难及,心气尚可
marc.ai
2月前
关于未来内容创作的一些思考:

内容创作经历了几个阶段:

1、供给远小于需求,专业化供给为主-媒体

2、智能机+移动互联网爆发,拍摄能力下沉+美图工具带动大量图片ugc,自拍+生活随拍为主,分享记录心智

3、短视频爆发+带宽成本降低,视频化普及+特效和玩法带动视频ugc,商业化带动品类泛化,心智分化,ugc分享互动+pgc类广告

4、未来趋势围绕:创作范式变化、内容原子化、新的内容变现模式

1、创作范式变化:打破硬件层面物理约束,使得

1)记录的品类拓展(过去无法物理记录的信息,例如梦境)-供给

2)记录体裁放开(文本/图片/视频互转)-消费

3)记录的角色可变(可记录他人)-创作者

4)记录的信息扩展(真实+虚拟延长)-二创

5)记录的结果反馈(for社交/服务,解梦/找伴侣/找商品)-转化

2、内容原子化:进一步提升优质作者和内容的复用率

1)原子化的人/物-ip

2)原子化的拍摄模式-管线

3)原子化的脚本-大纲

3、新的内容变现模式:进一步增强商业元素的内容渗透

1)广告主的元素以原子化植入

2)原子化ip的版权使用/脚本/管线付费
00
marc.ai
2年前

MrCoffeeTalker: 冷知识,你可以通过 Spotify API 拿到一支曲子的各项特征数据 它们包括: 1. acousticness 音轨是原声的置信度,范围 0.0~1.0,1.0 代表这段音频很有可能是原声。 2. danceability 音轨适合跳舞的程度,综合音乐的速度、旋律稳定性、节奏强度和整体的规律性得出,范围 0.0~1.0,1.0 代表非常适合跳舞。 3. energy 反应出音乐强烈、活跃的程度,通常而言,能量高的音轨速度快、响亮且嘈杂,比如死亡金属乐就有很高的能量,而巴赫的曲子能量则很低。 4. instrumentalness 预测一个音轨是否不含人声,「哦」和「啊」一类的会被视作乐器声,而 Rap 或口述词则会被视为显著的「人声」,这个指标越接近 1.0,乐段越可能不含人声。 5. key 音轨的键,范围 -1~11,0 代表 C,-1 代表没检测到键。 6. liveness 检测录制内容中是否存在观众,值越高,代表越有可能是现场演出的音轨,0.8 以上表示比较有可能是现场演出。 7. loudness 音轨整体的响度(dB),取自整条音轨的平均值,可用于不同音轨间的响度对比。 8. mode 音轨的调式,1 代表大调(major),0 代表小调(minor)。 9. speechiness 检测音轨中是否有口述的字词,数字越接近 1.0,音轨越可能是演讲类的录制内容(如脱口秀、有声书)。 10. tempo 一个音轨整体的预估速度,以每分钟的拍数计(beats per miniute,BPM)。 11. time_signature 预估的拍号,指每段有多少拍,范围 3~7,3 代表 3/4 拍。 12. valence 音乐的效价,描述了音乐传递情绪的积极程度,范围 0.0~1.0,数字越大代表音乐越积极(高兴、喜悦、开心),越小代表音乐越消极(悲伤、低落、生气)。 https://developer.spotify.com/documentation/web-api/reference/get-audio-features 昨天想着说不定可以用在 AI 生成音乐上,用来更精准的引导音乐生成的方向,不过 Suno 上似乎没有太大变化,可能定性描述比定量数据更有用,也可能我实验的样本还比较少分辨不出。

00
marc.ai
3年前
marc.ai
4年前
思考元宇宙这件事,如果还限制在手机这个终端上,就太局限了。
00
marc.ai
5年前
企业生产资料的归属一直是OA类产品最敏感的话题,而效率绝不是单纯的All-in-one,这是个基础逻辑。
00