近日，Adobe 放了个大招，推出了这个 Adobe GenStudio 的神器。说实话，这简直就是咱们营销人的福音啊！以后做跨渠道活动，啥工具都不愁了，一站式搞定！
GenStudio 是基于生成式人工智能打造的，简单说，就是它懂你，知道你想要啥。用它来规划、制作、管理、发布和评估内容，那简直就是轻松加愉快。最关键的是，还能保证内容和品牌形象严丝合缝，不掉链子。
来说说它都有哪些牛X的功能吧：
1. 创作：有了 Adobe 的 AI 技术，咱们营销人也能秒变创作达人！快速出图，品质还高。而且都是基于品牌认证的模板，AI 护航，不怕品牌形象跑偏。 2. 内容中心：这个平台界面简洁明了，找素材、编辑、重复用、分享，全都方便得不行。再也不用东翻西找，浪费时间了。 3. 活动管理：GenStudio 还有个活动概览功能，活动简介、时间表一目了然。策划活动？那是分分钟的事！ 4. 发布：更牛的是，GenStudio 还能和 Adobe Experience Cloud 的其他产品（比如 Journey Optimizer、Experience Manager、Marketo 和 Target）无缝对接，想导出到其他应用也是轻而易举。 5. 数据洞察：最后，还能实时看到内容在不同渠道的表现，AI 还能帮忙生成不同版本的内容，让活动效果更好。
Adobe GenStudio 试玩地址戳这里！
10个月干完3年活！这款AI导图让团队脑暴像开挂一样爽——Nike、PepsiCo抢着用的协作神器，免费解锁顶级咨询公司思维武器库
✅ 一键激活AI脑洞：输入中心词，瞬间生成多维度分支！ ✅ 开会不再鸡同鸭讲：10人同时拖拽节点改方案，实时看到彼此的脑回路碰撞！ ✅ PPT杀手级替代：直接导出带动画的思维导图！
Miro 的思维导图工具是一款轻量级、易用且高度协作的AI赋能工具，适合个人或团队进行创意发散、逻辑梳理和知识管理。其核心价值在于将AI的自动化能力与人类思维的灵活性结合，同时依托Miro平台的协作生态，提升工作效率。
基本功能 - AI智能思维导图生成 ：用户只需输入关键词，AI就能快速生成结构化的思维导图框架，为用户提供更高效的创作起点，节省时间和精力。 - 智能内容建议系统 ：在用户绘制思维导图的过程中，AI会实时提供相关主题节点建议，补充案例数据，帮助用户拓展思路，丰富思维导图的内容。 - 会议内容自动摘要 ：能够快速提炼会议记录和讨论要点，将其转化为简洁明了的摘要，方便用户记录和回顾会议内容，提高会议效率。 - AI辅助文档优化 ：提供语法检查、文本润色和多语言翻译等功能，帮助用户提升文档质量，使其表达更加准确、流畅和专业。
协作功能 - 实时多人协作 ：支持多人同步编辑、评论和版本历史追溯，团队成员可以在同一张思维导图上同时工作，实时看到彼此的修改和反馈，实现无缝协作，提高工作效率。 - 无限画布与信息整合 ：白板可无限延伸，能容纳大量的内容和想法，方便团队进行头脑风暴和创意拓展，将各种零散的信息整合到一起，形成完整的知识体系。
工具地址：https://miro.com/mind-map/
暑期档看什么？小编强烈安利博纳影业抖音联合出品的 AIGC 科幻短剧集《三星堆：未来启示录》
在博纳 25 周年向新而生新闻发布会上，博纳影业出品制作、抖音联合出品的 AIGC 科幻短剧集《三星堆：未来启示录》正式亮相。该剧第一季共 12 集，作为抖音推出的首部 AIGC 科幻短剧集，预计上线今年的短剧暑期档，在即梦 AI、博纳影业 AIGMS、剪映的抖音官方账号同步更新。即梦 AI 作为首席 AI 技术支持方，基于豆包大模型技术，为《三星堆：未来启示录》提供AI剧本创作、概念及分镜设计、镜头画面生成、图像到视频转换、视频编辑和媒体内容增强等十种 AI 技术。
喜欢 AI 视频的小伙伴一定不要错过啊！
ChatGPT发布以来一直备受关注，相信很多设计师也和我一样，期待国内也能有更多团队去研发AI人工智能。这不就来了嘛，2月20日，复旦团队发布国内首个类ChatGPT模型MOSS，但是由于瞬时访问压力过大，MOSS服务器当晚被网友挤崩。2月21日，MOSS官网发布公告称，MOSS还是一个非常不成熟的模型，距离ChatGPT还有很长的路需要走。
MOSS可执行对话生成、编程、事实问答等一系列任务，打通了让生成式语言模型理解人类意图并具有对话能力的全部技术路径。大家可以看看这个回答，国产的AI工具是不是也值得大家期待呢？
4月24日，苹果开源了大语言模型OpenELM。这与微软刚开源的Phi-3 Mini类似，是一款专门针对手机等移动设备的模型。
以下是一些重点信息的摘要： 1. 开源OpenELM: 苹果公司开源了一个名为OpenELM的大语言模型，这与微软开源的Phi-3 Mini类似，是专为移动设备设计的模型。 2. 模型参数: OpenELM提供了四种不同参数规模的模型，分别是2.7亿、4.5亿、11亿和30亿参数。 3. 功能: 该模型能够执行生成文本、代码、翻译、总结摘要等功能。 4. 预训练数据: 尽管最小的模型只有2.7亿参数，但苹果使用了1.8万亿tokens的数据进行预训练，这是其小参数下仍能表现出色的原因之一。 5. 深度神经网络库CoreNet: 苹果同时开源了用于训练OpenELM的深度神经网络库CoreNet，该库在开源后不久就在GitHub上获得了超过1100个星标。 6. 苹果的开源策略: 苹果通常在手机领域采取闭源策略，但此次开源可能是为了吸引用户，未来可能会推出闭源产品实现商业化。 7. 技术贡献: 苹果不仅发布了模型权重和推理代码，还发布了完整的训练和评估框架，包括数据准备、模型训练、微调和评估流程，以及多个预训练检查点和训练日志。 8. OpenELM架构: OpenELM的架构，包括其技术创新点，如无编码器的transformer架构、层级缩放策略、不使用全连接层中的可学习偏置参数等。 9. 训练流程与数据集: 苹果使用CoreNet作为训练框架，Adam优化算法，以及动态分词和数据过滤的方法。
开源地址：https://huggingface.co/collections/apple/openelm-instruct-models-6619ad295d7ae9f868b759ca?ref=maginative.com CoreNet地址：https://github.com/apple/corenet?ref=maginative.com 论文地址：https://arxiv.org/abs/2404.14619
