《文茜的世界財經周報》MIT Media Lab人工智慧台灣學子系列報導之三〜3D龍頭公司Autodesk鄭慶一,一個結合科學與廚藝的怪材:記者李怡慧、陸念勤舊金山採訪報導
【鄭慶一考進第一志願台大機械 念到大四發現機械系並不能幫他設計東西 不受第一學府與框架限制毅然重考進成大建築 MIT深造取得資訊工程.設計運算雙學位 畢業後進入全球最大3D建模軟體公司Autodesk 曾在MIT Media Lab全職研究 以納豆改造成特殊衣服材料 並修開放式課程Science and Cooking課程 跳脫既有框架 從食材特性與科學間關係 掌握食物科學的成分 他示範的牛肉麵讓生命更濃郁】
Autodesk,全球最大3D建模軟體公司,會讓你眼界大開。
難怪科技和電影圈稱它是,每年奧斯卡大獎,「最佳視覺特效的實際得獎者」。
「比如說我現在這樣,把它弄碎了對不對,然後我這樣,它自己就組裝起來了,」Autodesk研究科學家鄭慶一。
鄭慶一,也有點超乎我們想像的聰明和帥氣,他的兩隻手,在Autodesk設計,超乎我們想像的世界。
像是這個線條突出,用3D列印的空拍機。
「(這是)「生成式設計」,我們用了一個新的方法,讓你不用手把手的去建模,而是你設定說,比如,嘿,這裡我要放螺旋槳,那它可能會產生多少的推力,那這裡我是降落的腳,它可能會承受多少的衝擊,這些條件放進去之後,我們就會按下"生成"(電腦程式)按鈕,電腦輔助的AI系統,就會幫你把骨架給生成出來,」Autodesk研究科學家鄭慶一。
這是鄭慶一和Autodesk團隊的,Generative design(生成式設計),以後一個完全沒經驗和知識的人,都能跟AI,一起做設計,都能生出一個最優化的高科技產品。
這將徹底顛覆過去製造業,"誰搶到標準化規格化 誰就勝出"的,市場規則。
「(使用者可能其實是不懂這套系統的),是的是的,所以他們要怎麼樣(和電腦系統)對話去完成,這個(越野賽車)設計,其實是很有趣的研究課題,」Autodesk研究科學家鄭慶一。
鄭慶一的腦子裡,好像每一秒裡都有停不下來的怪點子,不斷長出來。
他念台大機械系,卻在大四那年決定重來,重考,考進成大建築系。
然後,一般在MIT麻省理工學院念完一個碩士,已不容易了,他卻硬是在MIT完成,設計運算和資訊工程雙碩士,而且還在MIT Media Lab擔任全職研究生。
忍不住想問,他是太勇敢,還是太瘋狂。
「那時候我很天真地認為,去唸台大機械系,也可以做類似飛機汽車設計,工業設計這樣子的設計,猶豫了很久,迷失了很久,(重考後)念建築系的過程之中,大概到了三年級四年級的時候,我就開始嘗試著把,程式設計Coding的技術,應用在設計裡面,如果我沒有接受過機械系工程的訓練,我也不會在純建築系的訓練之中,能夠產生這樣子新的想法出來,」Autodesk研究科學家鄭慶一。
在"程式"加上"設計",AI和Design的領域中,鄭慶一認識了自己。
2015年,鄭慶一和7位MIT Tangible Media Group團隊,發表bioLogic「呼吸衣」,把納豆菌的發酵,隨濕度改變體積等特性穿上身的發熱衣。
呼吸衣拿下素有「歐洲設計界奧斯卡獎」,A' Design Award的三項大獎,困難度在於,他們找到了能塗抹納豆菌的布料"氨綸",跨領域結合了生物工程,參數建築,時尚和工業設計。
2016年,bioLogic團隊把,Media Lab的教室改裝成廚房,研究生在MIT開起短期課程,學生們研究用數位控制吹糖球,用雷射切割做出幾何形麵包。
我們很驚訝鄭慶一說的,當他越投入AI,他發現重點就越不是在機器人身上,反而越是,思考"人怎麼想","人是如何解決問題"的。
「去畫新的圖的時候,其實你並沒有捨棄你之前的領域,而是你試圖的,在中間創造連結,或是你試圖讓這幅畫,看起來像是一個新的風景,所以我覺得 這是這幾年過來,包含在MIT,最深的一個體悟,」Autodesk研究科學家鄭慶一。
同時也有1部Youtube影片,追蹤數超過2萬的網紅未來人,也在其Youtube影片中提到,最快、最準的「AI上字幕」方法!cc字幕+內嵌字幕一次搞定!(可上繁中) 如何幫你的YouTube影片 “一次”上完「cc外掛字幕」以及「影片本身的內嵌字幕」? ~~~~~~~~~~~~~~~~~~~ *我和兩位Youtuber一起籌備的 (含300種綜藝字卡、轉場素材包、音效包) YouTub...
ai 生成 設計 在 潘小濤 Facebook 八卦
寫得好清楚
「健康碼」仲恐怖過《國安法》!
「健康碼」仲恐怖過《國安法》!
「健康碼」仲恐怖過《國安法》!
為左令大家迅速明白事態嚴重,必須重複三次。《國安法》最多只係極權打壓人民自由的法律工具,但「健康碼」係直接令你失去所有自由、私隱,從此依個社會上所有人都要活在科技極權監控之中。
《人類大歷史》作者 Yuval Noah Harari 講過,50 年前全球最高效率的情報機關前蘇聯「國家安全委員會」,其情報網絡再強大,亦無法每天追蹤全國 2.4 億人民,亦無可能有效處理收集到的所有信息,但現在有了無處不在的監控碼和強大的 AI 演算法,當年前蘇聯做唔到的極權願望而家已經可以簡單實現。
「健康碼」就係依個工具的先鋒。
▍無健康碼就無法出入商場、食肆,搭車,等同坐監禁足
我地而家討論既「健康碼」,早在今年 3 月中國杭州就率先推行,然後好快就係全國實施。
「健康碼」會收集你的名字、地址、身份證號碼、聯繫電話和最近出入的詳細資訊,然後生成「綠、黃、紅」三種顏色的二維碼。綠色代表不受限制活動,黃色需要在家隔離 7 天、紅色強制隔離 14 日。
係中國,如果你唔展示健康碼,就唔可以進入主要公共地方、無得搭任何公共交通工具,唔可以復工,等同失去幾乎所有日常活動。
依樣野係香港都會實現,建制派議員林健鋒就提到「主要公共地方、商場、食肆配合用港康碼,只要佩戴港康碼就可以出入這些地方,若沒有佩戴就請盡快申請。」換言之,你無健康碼,就無法出入商場、食肆,甚至搭車都唔得。極度恐怖。
▍「被不健康」的記者:「活在數據煉獄之中」
千其唔好以為健康就真係無事。外媒 WIRED 、Financial times 、紐約時報皆有報道,有中國人係 100% 健康,但健康碼顯示黃色,甚至紅色,於是被長期強制隔離,叫天不應叫地不聞。
最慘係健康碼的規則不透明不公開,當事人完全唔知自己點解係「紅色」,亦唔知自己點樣可以轉返「綠色」,投訴無門,長期被禁足,極為無助。
香港端傳媒就有報道,身在湖北的一名市民被困在家中一個月,因為健康碼一直顯示紅色,「好不容易…紅碼變黃了,睡了一覺醒來發現又紅了」,於是佢申請覆核信息,社區中心卻回覆:「我們也沒有任何辦法,你只能繼續打卡,等它自己變綠」。
你永遠無法知道「健康碼」點定義所謂「健康」。你問政府,政府可能會同你講係用 AI 大數據分析「詳情唔清楚、會改進」,或者話「絕對可信,但細節不便透露」。就算政府真係肯透露部分內容,有無潛規則都唔知。
Financial times 就報道有記者的健康碼無故變「黃色」,於是長期離開唔到旅館房間做唔到訪問;就算做左病毒測試和 14 天檢疫證明肯定係健康,但都係被要求係屋企隔離。被「囚禁」記者形容為「活在數據煉獄之中」。
▍中國被踢爆「健康碼」與警方系統連接
即使「健康碼」真係對防疫有效,民主自由社會都相當抗拒,因為依種操作係會完全顛覆整個城市的生活秩序,等同將自己社會與極權劃上等號。
今日政府話會保障私隱,但無人知最後自己的個人數據會比左邊個。紐時就報道,中國被爆踢有用戶的個人數據被連接去警察部門,只要當事人一用「健康碼」,其位置、個人資料、過去出入紀錄就會送去警方的伺服器,而應用程式係從來無向用戶提過依件事。
換言之,你有無幫襯過黃店、你生活習慣係點、平時去開邊度,同咩人傾計食飯、你有幾多朋友,任何個人社交活動都可以通過數據分析得出答案。而依啲數據遲啲係警方可以掌握到。
另外好多人無注意到執行上,其實係一定會同城管、警察配合先可能更有效執行。譬如你被發現係「紅色」,就會被「執法者」拒絕入商場,嚴重的甚至押解返屋企或拘捕。所以,執法者遲早都會被「合法地」派上用場,到時林鄭就會開記招大義懍然「笑住」咁同大家講:「為左防疫咁係必須。」假如有日將你的個人數據上繳中央,林鄭亦可以「笑住」講成係:「國家的數據分析更為有效,有賴於國家協助先可以有效實現健康碼防疫,大家應該感謝國家。」
▍健康碼本意用作取代舊信用系統,監控系統更嚴密
全世界都擔心疫情下公權力擴大的「例外狀態」,會係疫情後變成「日常秩序」。五十年前極權政府想做但做唔到的大監控,今日完全做到。到時你想出境離開香港都可以因為唔係「綠色」而被拒出境。
人權觀察組織(Human Rights Watch) 的中國研究員就提到:「冠狀病毒爆發將會成為中國開展大規模監控的歷史里程碑。」(提外話,人權觀察組織執行長早兩日被中國「反制美國」制裁)
中國過去一直執行的信用系統,係疫情下做唔到嚴密監控,所以被批評為「有漏網之魚」。今次發展出黎既健康碼,正正係為左監控更嚴密而設計。換言之,其監控的嚴密程度(=侵犯私隱的程度)比舊有信用系統更強大。
▍坐監唔需要再係牢獄之中,你自己屋企就係監獄
今日收集你健康信息、出入紀錄、個人資料。他日收集你生物數據 (DNA、指紋、人臉、聲紋等,中國已做緊)、網上對話內容等更多重要私隱,絕對唔係天荒夜譚。有左健康碼,以後坐監唔需要再係牢獄之中,你自己屋企就係監獄,仲要審都唔駛審。
「想出門?唔得,顯示紅色!」
「想搭車?唔得,顯示紅色!」
「想入店鋪買野?唔得,顯示紅色!」
比起「健康碼」,《國安法》簡直濕濕碎。
【可以點抵抗?】詳情請看:https://bit.ly/3kMR0wE
#健康碼 #被不健康
#信用系統 #真極權
@書生百用 @書生百用2.0
==============
【經營困難,和手足一起贊助書生100蚊】
銀行戶口:783-279938-668,香港恆生銀行, PangChit
PayMe : D232548655/ QRCode: https://goo.gl/jMm6pw
PayPal:paypal.me/bacchuspang
轉數快ID: 4225793
ai 生成 設計 在 Facebook 八卦
「它將改變一切!」
DeepMind AI解決生物學50年來重大挑戰,破解蛋白質分子折疊問題。
本週振奮全球AI界的消息:Google旗下人工智能企業DeepMind發布了最新 AlphaFold成果,這是全球AI界無比振奮的重大科研突破。蛋白質存在於我們世界中的所有有機物體及奧妙人體中,全新的AlphaFold 算法揭秘了生物學界50年來試圖破解蛋白質分子折疊的難題,這項AI帶來的重大突破,將幫助科學家弄清某些困擾人們的疾病機制、加速找出新型流行病的具體原因(比如今年的全球新冠大流行),促進新藥設計、幫助農業增產、解析可有效降解廢棄物的嶄新成分、甚至探索為大氣減碳的全新解決方案。
我特別期待 AlphaFold 能為人類健康、環境生活推向更寬廣的可能性。在魔幻2020 最後一個月,這真是一個讓人懷抱希望的全新技術可能性,期待 AlphaFold之後締造更多 AI for Good 落地應用。
以下文章詳盡解釋了這項突破,內容經《機器之心》微信公眾號授權轉載。
▎生物學界最大的謎團之一,蛋白質折疊問題被 AI 破解了。
11 月 30 日,一條重磅消息引發了科技界所有人的關注:谷歌旗下人工智能技術公司 DeepMind 提出的深度學習算法「Alphafold」破解了出現五十年之久的蛋白質分子折疊問題。
最新一代算法 Alphafold 2,現在已經擁有了預測蛋白質 3D 折疊形狀的能力,這一複雜的過程對於人們理解生命形成的機制至關重要。
DeepMind 重大科研突破的消息一出即被《Nature》、《Science》等科學雜誌爭相報導,新成果也立刻獲得了桑達爾 · 皮查伊、伊隆 · 馬斯克等人的祝賀。
科學家們表示,Alphafold 的突破性研究成果將幫助科研人員弄清引發某些疾病的機制,並為設計藥物、農作物增產,以及可降解塑料的「超級酶」研發鋪平道路。
「這是該研究領域激動人心的一刻,」DeepMind 創始人、首席執行官德米斯 · 哈薩比斯說道。 「這些算法今天已經足夠成熟強大,足以被應用於真正具有挑戰性的科學問題上了。」
蛋白質對於生命至關重要,它們是由氨基酸鏈組成的大型複雜分子,其作用取決於自身獨特的 3D 結構。弄清蛋白質折疊成何種形狀被稱為「蛋白質折疊問題」。在過去 50 年裡,蛋白質折疊一直是生物學領域的重大挑戰。
DeepMind 的 AlphaFold 讓人類在這一問題上取得了重要突破。在今年的國際蛋白質結構預測競賽 CASP 中,DeepMind 開發的 AlphaFold 最新版本擊敗了其他選手,在準確性方面比肩人類實驗結果,被認為是蛋白質折疊問題的解決方案。這一突破證明了 AI 對於科學發現,尤其是基礎科學研究的影響。
在兩年一次的 CASP 競賽中,各組爭先預測蛋白質的 3D 結構。今年,AlphaFold 擊敗了所有其他小組,並在準確性方面與實驗結果相匹配。
對於不熟悉生物領域的人來說,CASP 的大名可能有些陌生——CASP 全稱 The Critical Assessment of protein Structure Prediction,旨在對蛋白質結構預測進行評估,被譽為蛋白質結構預測的奧林匹克競賽。 CASP 從 1994 年開始舉辦,每兩年一屆,目前正在進行的一屆是 11 月 30 日開始的 CASP14。
而 DeepMind 這一突破有什麼影響?
用哥倫比亞大學計算生物學家Mohammed AlQuraishi 在Nature 文章中的話來說,「可以說這將對蛋白質結構預測領域造成極大影響。我懷疑許多人會離開該領域,因為核心問題已經解決。這是一流的科學突破,是我一生中最重要的科學成果之一。」
▎蛋白質折疊問題
蛋白質的形狀與它的功能密切相關,而預測蛋白質結構對於理解其功能和工作原理至關重要。很多困擾全人類的重大問題(如尋找分解工業廢料的酶)基本上都與蛋白質及其扮演的角色有關。
多年以來,蛋白質結構一直是熱門的研究話題,研究者使用核磁共振、X 射線、冷凍電鏡等一系列實驗技術來檢測和確定蛋白質結構。但這些方法往往依賴大量試錯和昂貴的設備,每種結構的研究都要花數年時間。
1972 年,美國科學家 Christian Anfinsen 因「對核糖核酸酶的研究,特別是對其氨基酸序列與生物活性構象之間聯繫的研究」獲得諾貝爾化學獎。在頒獎禮上,他提出了一個著名的假設:從理論上來說,蛋白質的氨基酸序列應該可以完全決定其結構。這一假設引發了長達五十年的探索,即僅僅基於蛋白質的一維氨基酸序列計算出其三維結構。
但這一思路的挑戰在於,在形成三維結構之前,蛋白質的理論折疊方式是一個天文數字。 1969 年,Cyrus Levinthal 指出,如果使用蠻力計算的方式來枚舉一種蛋白質可能存在的構象,要花費的時間甚至比宇宙的年齡還要長。 Levinthal 估計,一種蛋白質大約存在 10^300 種可能構象。但在自然界中,蛋白質會自發折疊,有些只需幾毫秒,這被稱為 Levinthal 悖論。
CASP 14 比賽最新結果:AlphaFold 中位 GDT 高達 92.4
CASP 競賽由 John Moult 和 Krzysztof Fidelis 兩位教授於 1994 年創立,每兩年進行一次盲審,以促進蛋白質結構預測方面的新 SOTA 研究。
一直以來,CASP 選擇近期才經過實驗確定的蛋白質結構,作為參賽團隊測試其蛋白質結構預測方法的目標(有些結構即使在評估時仍然處於待確定狀態)。這些蛋白質結構不會事先公佈,參賽者也必須對其結構進行盲測,最後將預測結果與實驗數據進行對比。正是基於這種嚴苛的評估原則,CASP 一直被稱為預測技術評估方面的「黃金標準」。
CASP 衡量預測準確率的主要指標是 GDT(Global Distance Test),範圍從 0 到 100,可以理解為預測的氨基酸殘基在正確位置閾值距離內的百分比。 John Moult 教授表示,GDT 分數在 90 分左右,即可視為對人類實驗方法具備競爭力。
在剛剛公佈的第14 屆CASP 評估結果中,DeepMind 的最新AlphaFold 系統在所有預測目標中的中位GDT 達到92.4,意味其平均誤差大概為1.6 埃(Angstrom),相當於一個原子的寬度(或0.1納米)。即使在難度最高的自由建模類別中,AlphaFold 的中位 GDT 也達到了 87.0。
歷屆 CASP 競賽自由建模類別中預測準確率中位數的提升情況,度量指標為 BEST-OF-5 GDT。
CASP 競賽自由建模類別中的兩個目標蛋白質示例。 AlphaFold 能夠預測出高度準確的蛋白質結構。
這些令人振奮的結果開啟了生物學家使用計算結構預測作為科研主要工具的時代。 DeepMind 提出的方法對於某些重要的蛋白質類別尤其有用,例如膜蛋白(membrane protein)。膜蛋白很難結晶,因此很難通過實驗方法來確定其結構。
該計算工作代表了在蛋白質折疊這一具備 50 年曆史的生物學問題上的驚人進展,比該領域人士成功預測蛋白質折疊結構早了幾十年。我們將很興奮,它能從多個方面對生物學研究帶來基礎性改變。 ——Venki Ramakrishnan 教授(諾貝爾獎得主,英國皇家學會會長)
▎DeepMind 這樣解決蛋白質折疊問題
2018 年,DeepMind 團隊使用初始版 AlphaFold 參加 CASP13 比賽,取得了最高的準確率。之後,DeepMind 將 CASP13 方法和相關代碼一併發表在 Nature 上。而現在,DeepMind 團隊開發出新的深度學習架構,並使用該架構參加 CASP14 比賽,達到了空前的準確率水平。這些方法從生物學、物理學、機器學習,以及過去半個世紀眾多科學家在蛋白質折疊領域的工作中汲取靈感。
我們可以把蛋白質折疊看作一個「空間圖」,節點表示殘基(residue),邊則將殘基緊密連接起來。這個空間圖對於理解蛋白質內部的物理交互及其演化史至關重要。對於在 CASP14 比賽中使用的最新版 AlphaFold,DeepMind 團隊創建了一個基於注意力的神經網絡系統,並用端到端的方式進行訓練,以理解圖結構,同時基於其構建的隱式圖執行推理。該方法使用進化相關序列、多序列比對(MSA)和氨基酸殘基對的表示來細化該圖。
通過迭代這一過程,該系統能夠較強地預測蛋白質的底層物理結構,並在幾天內確定高度準確的結構。此外,AlphaFold 還能使用內部置信度度量指標判斷預測的每個蛋白質結構中哪一部分比較可靠。
DeepMind 團隊在公開數據上訓練這一系統,這些數據來自蛋白質結構數據庫(PDB)和包含未知結構蛋白質序列的大型數據庫,共包括約 170,000 個蛋白質結構。該系統使用約 128 個 TPUv3 內核(相當於 100-200 個 GPU)運行數週,與現今機器學習領域出現的大型 SOTA 模型相比,該系統所用算力相對較少。
此外,DeepMind 團隊透露,他們準備在適當的時候將這一 AlphaFold 新系統相關論文提交至同行評審期刊。
AlphaFold 主要神經網絡模型架構概覽。該模型基於進化相關的蛋白質序列和氨基酸殘基對運行,迭代地在二者的表示之間傳遞信息,從而生成蛋白質結構。
▎對現實世界的潛在影響
「讓 AI 突破幫助人們進一步理解基礎科學問題」,經過 4 年的研究攻關,現在 AlphaFold 正在逐步實現 DeepMind 初創時的願景,在藥物設計和環境可持續性等領域都產生了重要的影響。
馬克斯· 普朗克演化生物學研究所所長,CASP 評估員Andrei Lupas 教授表示:「AlphaFold 的精確模型讓我們解決了近十年來被困擾的蛋白質結構,重新啟動關於信號如何跨細胞膜傳輸的研究。 」
DeepMind 表示願與其他研究者合作,以進一步了解 AlphaFold 在未來幾年的潛力。除了作用於經過同行評審的論文以外,DeepMind 還在探索如何以最佳的可擴展方式為系統提供更廣泛的訪問可能。
同時,DeepMind 的研究者還研究了蛋白質結構預測如何幫助人們理解一些特殊的疾病。例如,通過幫助識別存在故障的蛋白質,並推斷其相互作用的方式,來理解一些疾病的原理。這些信息能夠讓藥物開發更加精確,從而補充現有的實驗方法,並更快找到更有希望的治療方法。
AlphaFold 是十分卓越的,它在預測結構蛋白質的速度和精度上有著驚人的表現。這一飛躍證明了計算方法對於生物學中的轉換研究,加速藥物研發過程都具有廣闊的前景。
同時許多證據也表明,蛋白質結構預測在未來的大流行應對上是有用的。今年早些時候,DeepMind 使用 AlphaFold 預測了包括 ORF3a 在內的幾種未知新冠病毒蛋白質結構。在 CASP14 中,AlphaFold 預測了另一種冠狀病毒蛋白質 ORF8 的結構。目前,實驗人員已經證實了 ORF3a 和 ORF8 的結構。儘管具有挑戰性,並且相關序列很少,但與實驗確定的結構相比,AlphaFold 在兩種預測上都獲得了較高的準確率。
除了加速對已知疾病的了解,AlphaFold 還具備很多令人興奮的技術潛力:探索數億個目前還沒有模型的數億蛋白質,以及未知生物的廣闊領域。由於 DNA 指定了構成蛋白質結構的氨基酸序列,基因組學革命使大規模閱讀自然界的蛋白質序列成為可能——在通用蛋白質數據庫(UniProt)中有 1.8 億個蛋白質序列。相比之下,考慮到從序列到結構所需的實驗工作,蛋白質數據庫(PDB)中只有大約 170000 個蛋白質結構。在未確定的蛋白質中可能有一些新的和未確定的功能——就像望遠鏡幫助人類更深入的觀察未知宇宙一樣,像 AlphaFold 這樣的技術可以幫助找到未確定的蛋白質結構。
▎開創新的可能
AlphaFold 是 DeepMind 迄今為止取得的最重要進展之一,但隨著後續科學研究的開展,依然有很多問題尚待解決。 DeepMind 預測的結構並非全部都是完美的。還有很多要學習的地方,包括多蛋白如何形成複合體,如何與 DNA、RNA 或者小分子交互,以及如何確定所有氨基酸側鏈的精確位置。此外,在與他方合作的過程中,還需要學習如何以最好的方式將這些科學發現應用在新藥開發以及環境管理方式等諸多方面。
對於所有致力於科學領域中計算和機器學習方法的人而言,像 AlphaFold 這樣的系統彰顯了 AI 作為基礎探索輔助工具的驚人潛力。正如 50 年前 Anfinsen 提出的遠超當時科研能力所及的挑戰一樣,這個世界依然有諸多未知的方面。
DeepMind 取得的這一進展令人們更加堅信,AI 將成為人類擴展科學知識邊界的最有用工具之一,同時也期待未來多年的艱苦工作能夠帶來更偉大的發現。
影片及原文,參考 DeepMind官方部落客 https://deepmind.com/blog/article/alphafold-a-solution-to-a-50-year-old-grand-challenge-in-biology
ai 生成 設計 在 未來人 Youtube 的評價
最快、最準的「AI上字幕」方法!cc字幕+內嵌字幕一次搞定!(可上繁中)
如何幫你的YouTube影片 “一次”上完「cc外掛字幕」以及「影片本身的內嵌字幕」?
~~~~~~~~~~~~~~~~~~~
*我和兩位Youtuber一起籌備的 (含300種綜藝字卡、轉場素材包、音效包)
YouTube從0開始剪輯線上課程「早鳥優惠」預售熱賣中! https://school.futuremencourse.com/p/youtuber
你還在苦苦的用人工上字幕嗎?
或是還找不到:AI生成「繁體中文」的軟體?
今天會教你利用線上「AI字幕生成軟體」快速生成字幕,快速幫自己的影片上字幕,並且教你一次輸出「外掛字幕、內嵌字幕」
___________________
*「小船X未來人」YouTube金牌運營密集【合作優惠】:
https://littleboattancourse.teachable.com/?coupon_code=A200OFF&affcode=435466_kuuxhcns
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
*我和2位YouTuber合作的:「Youtube 線上剪輯課程」
「早鳥優惠」E-mail等候名單: http://eepurl.com/hFeysn
~~~~~~~~~~~~~~~~~~~~~~~~~
AI線上一鍵生成字幕網站:EZ YouTuber
https://ezyoutuber.com/account/info/ (註冊立即贈送15分鐘免費)
(我自己是用300元/月的)
___________________
「人工上字幕」超方便的上字幕“免費軟體”:Arctime
Windows 官方新版載點:https://t.arctime.cn/ap2w64
Mac版載點:https://t.arctime.cn/ap2m
Linux版載點:https://t.arctime.cn/ap2x
更多版本:https://arctime.org/download.html
~~~~~~~~~~~~~~~~~~~~
歡迎洽詢【 未來人頻道合作、剪輯&設計服務 】:
*影片剪輯
*YouTube 頻道封面設計
*YouTube 縮圖封面設計
*各式海報、平面設計
*WP網站架設服務
*高效SEO文案撰寫
*洽詢信箱:
chuangweiting@yahoo.com.tw
___________________
A Himitsu - Adventures [Royalty Free Music]
Adventures by A Himitsu https://soundcloud.com/a-himitsu
Creative Commons — Attribution 3.0 Unported— CC BY 3.0
Free Download / Stream: http://bit.ly/2Pj0MtT
Music released by Argofox https://youtu.be/8BXNwnxaVQE
Music promoted by Audio Library https://youtu.be/MkNeIUgNPQ8
#影片上字幕#字幕教學#youtube剪輯教學#youtube剪輯#影片剪輯 #影片製作教學 #youtube影片製作教學 #youtuber影片剪輯教學 #影片字幕#綜藝字卡#cc字幕 #內嵌字幕 #subtitle #caption #ai上字幕 #字卡教學 #字卡製作教學