syferie's recent timeline updates syferie's recent timeline updates |
syferieV2EX member #759705, joined on 2025-07-28 00:04:19 +08:00PRO |
| NanoBananaPro 原生 API，稳定高并发 GCP T3，低至八分/次
推广 • syferie PRO |
| NanoBanana Pro /Gemini API，原生 API 转发， Tier3 GCP 号池，支持并发/稳定性优异
推广 • syferie PRO |
2 |
syferie's recent replies
Feb 7 Replied to a topic by jsxyzb › 程序员 › AI 生成 PPT 方案请教 |
@youyouzi 不是，都是自己处理的。上面说的原理应该挺清晰的。
Feb 1 Replied to a topic by jsxyzb › 程序员 › AI 生成 PPT 方案请教 |
@youyouzi 可以参考我这里的开源思路，核心利用了 Gemini 的视觉思维能力去识别图片中的文字位置和内容样式，生成遮罩。
然后利用纯色填充+渐变填充来实现移除文字。
移除之后将上面识别到的文字与样式放置到对应位置，组装为一个完整 PPT ，从而达到可编辑文字的 PPT 效果。
核心还是考虑到作为一个桌面端应用，尽量轻量化，原先是 OCR+Inpaint 的思路，但是依赖外部需要部署的服务，过于繁琐了，现在的话下载即用。
然后利用纯色填充+渐变填充来实现移除文字。
移除之后将上面识别到的文字与样式放置到对应位置，组装为一个完整 PPT ，从而达到可编辑文字的 PPT 效果。
核心还是考虑到作为一个桌面端应用，尽量轻量化，原先是 OCR+Inpaint 的思路，但是依赖外部需要部署的服务，过于繁琐了，现在的话下载即用。
Feb 1 Replied to a topic by jsxyzb › 程序员 › AI 生成 PPT 方案请教 |
我前段时间设计了一个方案，先利用 NanoBananaPro 来生成 PPT 图片，效果与 banana-slides 类似。
之后实现可编辑，核心思路是利用了 Gemini 的视觉思维能力去识别图片中的文字位置和内容样式，从而生成遮罩。
然后利用纯色填充+渐变填充来实现移除文字。
移除之后将上面识别到的文字与样式放置到对应位置，组装为一个完整 PPT ，从而达到可编辑文字的 PPT 效果。
https://github.com/MoonWeSif/NextCreator
之后实现可编辑，核心思路是利用了 Gemini 的视觉思维能力去识别图片中的文字位置和内容样式，从而生成遮罩。
然后利用纯色填充+渐变填充来实现移除文字。
移除之后将上面识别到的文字与样式放置到对应位置，组装为一个完整 PPT ，从而达到可编辑文字的 PPT 效果。
https://github.com/MoonWeSif/NextCreator
Jan 26 Replied to a topic by tramm › 浏览器 › 有什么推荐的浏览器? |
Mac 上现在用 Dia ，也是 Arc 团队做的，自带的 AI 搜索感觉效果挺不错，主要还免费。
Jan 26 Replied to a topic by 287854442 › ☕Vibe Coding🤖 › 说出一个让你非用 Antigravity 不可的理由 |
它都送那么多了，这就是绝活。
Jan 23 Replied to a topic by zhanshen1614 › 程序员 › AI 时代如何证明个人项目的真实性？ |
老板会纠结你用什么写的吗，不是能出活就行。你会用 AI 一个人能顶两个人的工作量那才是老板想要的。
Jan 18 Replied to a topic by syferie › 推广 › NanoBanana Pro /Gemini API，原生 API 转发， Tier3 GCP 号池，支持并发/稳定性优异 |
新增：
1. veo3.1 视频模型，有配套视频站点可供使用。
2. gemini-3-pro-image-preview-url ，我们将返回的图片上传到图床后返回图片的 Url 链接，无需自行处理 base64 图片数据，对于本地带宽的要求更低。支持原生格式调用。
1. veo3.1 视频模型，有配套视频站点可供使用。
2. gemini-3-pro-image-preview-url ，我们将返回的图片上传到图床后返回图片的 Url 链接，无需自行处理 base64 图片数据，对于本地带宽的要求更低。支持原生格式调用。
Jan 12 Replied to a topic by ethusdt › 程序员 › 常用的大模型 api 都用哪些模型？ |
现在用 Gemini 比较多，日常简单点的 Gemini3Flash ，复杂点的 Gemini3Pro 。虽然两个都是推理，但是 3Flash 一般只需要两三秒。跟其他非思考模型相差不大。3Pro 推理开最大也只是二三十秒，并不用等很久。
GPT 科研能力比较强，读论文搞科研的话就是 GPT 官网用 5.2 Thinking 。
写代码就直接上 ClaudeCode 了。
其实现在哪家的旗舰模型都是推理模型。
GPT 科研能力比较强，读论文搞科研的话就是 GPT 官网用 5.2 Thinking 。
写代码就直接上 ClaudeCode 了。
其实现在哪家的旗舰模型都是推理模型。
Select Language