用Jev编程生成艺术:比推理模型更便宜更快
作者尝试用Jev以编程方式生成视觉内容,对比System One与推理模型的成本与速度。该应用将自然语言提示词路由到多层级类型化决策中,从而生成艺术。
THE JEV GUIDE · CURATED EDITION
TypeSafe Jev 的发布、原理、演示与社区实践,按主题整理。每条内容都可回到 X 原帖核对。
人工精选 · 非全量收录 · 手动更新
Sponsors
这些产品赞助了本目录。 把你的产品放上来
作者尝试用Jev以编程方式生成视觉内容,对比System One与推理模型的成本与速度。该应用将自然语言提示词路由到多层级类型化决策中,从而生成艺术。
通过最近10条帖文浏览量排序,取中位数作为基线,再用异常高阅读量除以基线得到倍数。该案例中单帖浏览量是基线的201倍,两次调用成本仅$0.002,展示了 TypeSafe AI 在创作者增长预测上的实际应用。
内容创作者 Sharon Riley 分享其内容研究流程已由单一智能体完成:本周将 122,820 个 GPT-6 视频缩减至 20 个,生成 7,693 词转录仅花费 0.0075 美元;同时读取 272 条评论,产出 25 条累计 270 万次观看的短视频。其中使用了 Jev(来自 TypeSafe AI,运行于 MonidHQ),8 次调用成本 0.0135 美元,比一个咖啡杯盖还便宜。
作者用视频生成工具将参考白皮书和培训材料转为竖版短视频,用于客户教学;其中提到将 @cxodev 的 jev 及其他决策模型架构模式指南做成视频。
作者分享其故事形态专家项目进展:将文本转为故事形态,用 Jev 选择最佳匹配,在编辑器中调整,再用 LLM 按形态改写文本,最后用 Claude Opus 5.5 为形态生成视频。
信息流里每 16 张、每一页都有一张。每周 $50,任意一周可停。
作者介绍了如何让AI新闻室保持诚实:每篇由作者起草的故事都会经过基于TypeSafe AI System One构建的Jev检查,标记简报无法支撑的声明,反复核查后仍需人工确认才能发布。
开发者 Debarpan Jha 分享其基于 TypeSafe AI(#jev)构建的 LinkedIn 帖子助手应用受到全球用户欢迎,并感谢社区支持。 链接
将Grok Bot生成的24个钩子交给Jev并行评分,选出最有潜力的帖子,实测冠军钩子曾获124万次浏览。
作者提到,基于至少一张图片和一段声音(声音也可以由系统生成),这台机器可以通过手动操作或借助 Jev 的概率/随机机制产生无限输出。
该帖子介绍使用本地模型和Jev来改进叙述配音,包括增强发音、战略停顿等,并允许用户选择音色和语速,欢迎反馈,免费使用和修改。
NeuralCat 发布了 Booksmith,可指向 Calibre 图书馆、选择语音和语速,使用 Kokoro 在 GPU 上生成旁白,并用 Jev (TypeSafe) 选择发音。生成的音频会自动放入 Plex,带章节和封面,家人可通过网页使用。
创作者在制作章鱼表情包时,用Jev验证腿的数量是否准确,分享这一AI辅助创作的小实践。
在 GitHub 点 Star,支持我们继续收集和整理 Jev 案例。