ZD至顶网CIO与应用频道 03月14日 专栏:当你在路途中的时候,你需要能够快速记下笔记以防忘记。否则,你很有可能会忘记曾经想起的每个绝妙主意。值得庆幸的是,现在笔记应用可能比你想象的还多。但是哪个应用是你应该使用的?你从来没听过说的应用怎么样?
是的,在Google Play商店里有那么多笔记应用,你可能只听说过其中很小一部分。一些你从未听说过的应用实际上很好用。那么下面就让我们来看看一些可以为你提供服务的笔记应用吧……不管你听说或者没有听说过。
1、Note Everything
Note Everything(如图A)是一款简单的应用,让你可以创建文本、声音以及画图笔记。它集成了Pebble和Google Now,可以导入老旧的Palm、你的微软Outlook备忘、来自Google Drive的笔记(这要求安装NE Google Drive,我强烈推荐)甚至是来自二维码的笔记。
图A
Note Everything允许你快速发送备忘,创建文件夹,搜索——所有这些功能都是包含在免费版本中的。还有一个专业版,添加了图片笔、核对表、画廊笔记、提醒、加密。它让你可以添加笔记到状态栏,对SD卡做完整的备份。Note Everything Pro插件需要你支付3.99美元的费用,而且它是物有所值的。
2、Squid(此前的Papyrus)
如果你习惯用笔,那么你一定会高兴地知道,现在有大量第三方笔迹应用。我最喜欢的就是Squid(如图B)。有了这款应用,你就可以创建快速手写笔记(或者画图)甚至是导入和注释PDF文档(利用一个可选的、应用内购买插件:4.99美元。)
图B
其他超值的附加组件包括工具包(2.99美元),增加了想高亮这样的工具,一个“真正”的橡皮檫,一个锋利的工具(绘制线条、矩形等等),以及一个文本工具和云备份功能(2.99美元),让你可以备份笔记并以PDF的格式导出到云中。注意:目前云备份只支持Dropbox和Box。
3、SealNote Secure Encrypted Note
如果你正在寻找一款简单的笔记应用,一个让你的笔记远离密码保护的应用,SealNote Secure Encrypted Note(如图C)可能正是你需要的。尽管单个的笔记并不会通过密码确保安全,但是应用本身是有密码保护的。(当首次启动的时候它会提示你创建密码口令。)
图C
SealNote提供了很多功能,例如Autosave,安全窗口内容(防止打开笔记的时候截屏),密码超时,备份/恢复。你还可以向应用中添加信用卡(或者其他卡)并确保其安全——不过如果你不像我这样担心的话,你可能不会选择使用这个功能。如果你(从主窗口中)长按一个笔记,你就可以归档笔记。要想找到归档笔记,从左侧划向右侧,点击归档。
4、My Notes - Notepad
更好地利用Material Design的笔记应用之一,就是My Notes - Notepad(如图D)。如果你希望整个平台具有一定的一致性,My Notes - Notepad将是你需要的。它还易于使用,有免费版(包含广告)和高级版(应用内购3.99美元),这个版本消除了广告,包括自动同步和备份。
图D
My Notes允许你添加应用锁(确保笔记安全)。如果你碰巧是一个超级用户,你会喜欢内置的分组和排序功能,让你更容易地找到笔记——或者你可以使用内置的搜索功能。My Notes允许你创建文件夹,用星号标记笔记,以便从侧边栏快速访问笔记。
5、SomNote
SomNote(如图E)有一个设计精良的界面,让你可以轻松地创建文件夹、编辑笔记、搜索、同步、用密码确保应用安全,等等。当你创建新笔记和新文件夹的时候,它会自动同步到你的Somcloud帐户。(你必须得注册Google、Facebook或者一个现有的Somcloud帐户。)
图E
你可以使用免费版本,或者购买应用内的SomNote Premium(每月3.99美元),提供给你30GB额外存储空间(你会得到1GB免费帐户)。你还将得到免费的高级主题,最高100MB大小的附件,附件恢复,以及去除广告。
那个笔记应用适合你?
如果你正在寻找一款完美的笔记应用,你可以选择内嵌的(大家都知道的)Google Keep或者选择Google Play商店中知名度不那么高的笔记应用。
好文章,需要你的鼓励
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。