KeyFrame內部研究專用

👉 Grok3免费+无限使用?Nano Banana免费出图实测!抓紧时间用起来🔥

AI追光·4月5日週日·12 min中文

三句話摘要

透過第三方平台 Geminigen 免費無限使用 Grok3 生成圖片與影片的完整操作教學。 Geminigen 提供免費無限次的 Grok3 圖片與 6 秒 720P 影片生成,是目前繞過官方付費牆的可用替代方案,核心技巧是用平台自生成的圖片作為影片來源以降低審核風險。 Grok3 可在 Geminigen 平台免費使用:雖非最新版本,但影片生成功能完整,且系統顯示花費 0 積分,可持續生成而積分不減少。

重點整理

重點
  • 1

    Grok3 可在 Geminigen 平台免費使用:雖非最新版本,但影片生成功能完整,且系統顯示花費 0 積分,可持續生成而積分不減少。

  • 2

    圖文轉影片流程以上傳圖片為核心:先用免費模型生成圖片,再將該圖片作為影片生成的參考來源,這樣可規避直接上傳外部圖片可能觸發的內容審核問題。

  • 3

    平台內建內容分級模式:除「正常」模式外,還有「極度瘋狂」與類似 Grok 原生大尺度的「Spicy」模式,但仍需輸入提示詞才能觸發生成。

  • 4

    說話影片效果不穩定:讓角色開口說台詞的功能有時會失敗,需調整提示詞、更換帳號或隔天重試,與 Grok 官方版本行為一致。

實用技巧與重點

乾貨
  • 平台名稱:Geminigen
  • 登入方式:Google 帳號或其他郵箱
  • 免費圖片模型:Nano Banana 2Nano Banana Pro
  • 免費影片模型:Grok3(介面標示綠色「免費」)
  • 其他影片模型(收費):VEO、Meta、可零
  • 圖片解析度選項:1K / 2K(建議) / 4K
  • 影片解析度選項:480P / 720P(建議)
  • 影片時長:6 秒(免費)、10 秒(需積分)
  • 積分費用:0 積分(免費功能);付費 10 美元 = 2,000 積分,20 美元 = 4,000 積分
  • 圖片格式:JPG
  • 畫面比例:16:9
  • 內容模式:正常 / 極度瘋狂 / 極度辛辣(Spicy)/ 自定義
  • 生成結果:無浮水印,可直接下載
  • 說話影片提示詞範例:「高興的說:大家好快來使用免費的Grok3吧」
  • 主播頻道訂閱數(截至拍攝時):136 訂閱、557 播放時長、41 留言、67 讚

結論

結論

Geminigen 提供免費無限次的 Grok3 圖片與 6 秒 720P 影片生成,是目前繞過官方付費牆的可用替代方案,核心技巧是用平台自生成的圖片作為影片來源以降低審核風險。

完整解析

詳細

這支影片的起點來自一位粉絲的線報:在一個名為 Geminigen 的第三方 AI 創作平台上,可以免費且無限次數地使用 Grok3 模型生成圖片與影片。雖然並非最新版 Grok,但功能完整,令講者迫不及待錄製教學與大家分享。

進入平台後,用 Google 帳號登錄是最便捷的方式,右上角可切換語言至簡體中文。平台採積分制,免費功能花費 0 積分,而講者實測在長時間使用後積分仍維持在 10 點,證實免費功能確實不消耗積分。圖片生成方面,選擇免費的 Nano Banana 2 模型,輸入中文提示詞(例如「一名絕美豐滿的中國少女在海邊奔跑」),設定 16:9 比例、JPG 格式、2K 解析度後點擊生成,結果可在「歷史」頁面查看並下載,成品完全無浮水印。

影片生成是本教學的核心。在工作室的影片生成介面中,Grok3 是唯一標示「免費」的模型,其他如 VEO、Meta 均需付費。生成流程為:選擇 Grok3 → 上傳或選擇圖片來源 → 輸入提示詞 → 設定 16:9、720P、6 秒 → 點擊生成。講者特別指出,使用平台本身生成的圖片來製作影片比上傳外部圖片更不易觸發內容審核,是繞過違規偵測的實用技巧。

平台還提供「Spicy(極度辛辣)」的大尺度生成模式,效果據講者描述與 Grok 官方版本相近。至於讓角色開口說話的功能,講者測試後發現效果不穩定,有時發音錯誤或無反應,建議調整提示詞內容、更換帳號,或隔一兩天再試。整體而言,這個平台目前仍在探索階段,講者表示後續會持續研究並更新使用技巧。

關鍵時刻

Pipeline v2

帶時間戳的重點,會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。

事實查核

Pipeline v2

說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。

更多「AI 技術」的內容

🔬“We have foundation models for language, not for physics” — Anima Anandkumar, Bren Professor of Computing
編輯精選
83 min
AI 技術英文PODCAST8月26日

🔬“We have foundation models for language, not for physics” — Anima Anandkumar, Bren Professor of Computing

Latent Space

  • 加速傳統物理模擬的典範轉移:氣象科學家原本認為 AI 無法匹敵數十年的物理建模工作,但傅里葉神經算子不僅達到同等精度,還快了一萬多倍。原本需要超級計算機的計算現在用消費級 GPU 就能完成,這改變了整個領域的思維方式。
  • 傅里葉域的非局部現象捕捉:傅里葉域能有效表示非局部現象(如大氣河流跨越千里的影響),且計算複雜度為準線性,遠優於完全連接的全局模型。這特別適合流體動力學、量子化學等自然現象中普遍存在的非局部相互作用。
  • 多解析度連續函數表示:神經算子將輸入輸出視為連續函數而非固定維度向量,可在推論時以任意解析度查詢,並能在更高解析度上疊加物理約束或額外數據,克服了固定解析度神經網路的限制。
Between Two Nerds: Attribution is dead, long live attribution
32 min
AI 技術英文PODCAST8月25日

Between Two Nerds: Attribution is dead, long live attribution

Risky Business

  • 工具成本的破壞性下降 — 傳統上,攻擊者必須重複使用昂貴自製的惡意軟體或工具組,因為開發和維護成本極高。這種成本結構使得安全研究人員可以通過工具特徵和程式碼簽名來追蹤攻擊者。LLM 自動化了代碼生成與維護工作流,使得攻擊者可以輕易為每個目標生成新工具,或改用通用系統工具,導致傳統的工具特徵分析失效。
  • 所有取證證據都在攻擊者掌控之中 — 無論是使用的 IP 位址、惡意軟體類型或戰術流程,這些都是攻擊者的主動選擇。即使看似是隨機巧合,攻擊者仍有能力在事前決定留下什麼痕跡。因此,所有可恢復的取證證據本質上都是攻擊者願意暴露的信息。
  • LLM 削弱工具簽名但保留高階行為特徵 — LLM 經過公開駭客技術訓練,使不同使用者產生相似的攻擊模式。然而,勒索軟體集團、國家級行為者的受害者選擇、贖金要求方式或目標模式等高階特徵仍具有識別價值。例如,鎖定加密交易所的攻擊幾乎只能指向朝鮮。
Why the Next AI Breakthrough May Come from Physics with Max Welling - #774
55 min
AI 技術英文PODCAST8月25日

Why the Next AI Breakthrough May Come from Physics with Max Welling - #774

TWIML AI

  • 多層篩選的材料設計流程:先搜尋文獻資料庫找現有材料,若無合適的就用生成模型產生數十萬個候選分子,用機器學習力場進行分子動力學模擬篩選,再進行實驗驗證。這套流程相比傳統量子力學計算能加速效率數個數量級。
  • 生成AI與熱力學的數學等價性:資訊論是兩個領域的共同基礎,生成模型的擴散過程與非平衡統計力學描述資訊損失的過程在數學上完全對應,許多開發出來的方法工具在兩領域都有精確對應的形式。
  • 基礎模型的遷移學習策略:先在廣泛材料資料集上訓練基礎力場表示,再針對特定材料類別進行蒸餾微調,既能保持計算效率也能獲得專一性。