工具&提示词设计生产力大提升

AI工具

绘画指令

视频咒语

AIGC前沿驾驭AI

最新AIGC资讯
拥抱AI时代变革，云知学院赋能职行力开展AIGC实战培训

拥抱AI时代变革，云知学院赋能职行力开展AIGC实战培训

近日，云知学院走进职行力信息科技有限公司（以下简称“职行力”）厦门总部，举办主题为“携手AI，共赢未来”的AIGC实战应用课程培训，为职行力的员工们带来了一场理论与实践相结合的知识盛宴。 职行力成立于 2015 年，是国内领先的企业级数智化人效运营管理平台。公司以AI、大数据、云计算等先进技术，基于独创的四力一体平台和模式，提供涵盖 AI 智能产品、企业学习平台、知识运营平台等全方位服务的数字化人效运营管理解决方案，在行业内具广泛影响力。 紧跟时代技术潮流，职行力联合云知学院，共同开展”携手AI，共赢未来”的AIGC实战应用课程培训，旨在通过深入的AI技能培训，为全体员工赋能，进一步激发组织创新潜力，共同探索AI时代新机遇。 本次课程培训为上下半场，深入探讨了人工智能（AI）如何重新定义工作模式并提升日常办公效率—— 上半场深入探讨了AI在现代工作场景中的应用，从AI的起源和演进到其核心原理，再到与AI进行有效沟通的策略，构建起一个全面的AI知识体系。职行力的员工们通过学习如何编写AI提示词和掌握提问技巧，进一步提升了与AI的互动效率，优化了工作流程。 下半场则专注于AI技术在日常办公工具中的实际应用。通过直观的操作演示，带领员工们深入了解了如何利用AI技术进行文档撰写、数据分析和PPT制作，不仅加深了大家对AI工具的熟练运用，也为其提供了在日常工作中以AI提质增效的新思路。 此次培训形式多样，来自云知学院的资深导师精心策划了专题讲座、互动问答等多个教学环节，旨在帮助学员们深入理解AIGC技术，持续探索AIGC技术在不同场景下实际应用的更多可能。 通过这些互动性强、内容丰富的教学活动，不仅提升了学员们的AI应用能力，更点燃了他们对AI技术的热情，激励着大家持续将所学知识转化为实际成果，为公司培训业务发展注入新的动力，共同推动职行力迈向更高效、创新的未来。 随着AI时代的迅猛发展，企业对AI培训的重视程度也日渐提升。下一步，云知声将与职行力携手，赋能更多企业进行AI培训，共同培育一批技术与业务双精通的复合型人才，推动员工在日常工作中有意识地运用AI技术的同时，更能激发创新思维，促进产品与服务的持续优化与升级，探索和实现更加广阔的发展空间。 在AI时代快速演进的浪潮中，企业对AI培训的重视程度正日益增强。下一步，云知声将与职行力紧密合作，共同开启AI实战培训之旅，共同培育一批既懂技术又懂业务的复合型人才，为更多企业的可持续发展注入AI活力，助其在智慧化转型的道路上实现质的飞跃。返回搜狐，查看更多 责任编辑：
0
成都走进画学：探索插画艺术的五大缤纷类型

成都走进画学：探索插画艺术的五大缤纷类型

　　在浩瀚的艺术海洋中，插画以其独特的魅力和无限的创意，成为连接心灵与视觉的桥梁。走进画学，我们仿佛踏入了一个色彩斑斓的世界，这里汇聚了各式各样的插画类型，每一种都承载着不同的情感与故事，共同编织出一幅幅绚丽多彩的艺术画卷。 　　 　　1. 手绘插画：传统与现代的交响 　　手绘插画，作为插画艺术中最古老也最经典的形式，以其独特的笔触和温度，触动着每一个观者的心弦。无论是细腻的铅笔素描，还是生动的水彩渲染，亦或是充满力量的油画笔触，手绘插画总能以其不可复制的艺术魅力，展现出创作者的情感与才华。在走进画学的课堂上，学生们通过一笔一划的实践，感受着传统与现代的交响，让手绘插画焕发新的生命力。 　　2. 数字插画：科技与艺术的完美融合 　　随着科技的发展，数字插画以其高效、便捷和丰富的表现力，逐渐成为插画领域的新宠。在走进画学的数字艺术工作室里，学生们利用专业的绘图软件和硬件设备，创造出令人惊叹的数字作品。无论是细腻的像素画，还是宏大的场景渲染，数字插画都能以惊人的精度和色彩还原度，将想象中的世界完美呈现。 　　3. 绘本插画：童心与梦想的守护者 　　绘本插画，以其温馨的故事情节和生动的画面，成为孩子们成长道路上不可或缺的伙伴。在走进画学的绘本创作课程中，学生们不仅学习如何绘制精美的画面，更重要的是学会如何用插画讲述故事，传递爱与希望。每一幅绘本插画，都是一次心灵的旅行，让孩子们在阅读的乐趣中，感受到生活的美好与梦想的力量。 　　4. 概念插画：未来世界的视觉预言 　　概念插画，是设计师们对未来世界、科幻场景或抽象概念的视觉化表达。在走进画学的概念设计课程中，学生们通过天马行空的想象和严谨的创作过程，将那些看似遥不可及的想法转化为触手可及的视觉形象。这些插画不仅具有极高的艺术价值，更为电影、游戏、广告等领域提供了丰富的视觉素材和灵感来源。 　　5. 商业插画：艺术与商业的和谐共生 　　商业插画，是插画艺术与市场需求的完美结合。在走进画学的商业插画课程中，学生们学习如何将插画艺术与商业需求相结合，创作出既符合品牌形象又具有艺术美感的作品。无论是产品包装、广告宣传还是品牌形象设计，商业插画都以其独特的视觉冲击力和感染力，为企业带来不可估量的商业价值。
2
微软开源版Sora！逼近Sora效果，12秒生成效果逼真炸裂

微软开源版Sora！逼近Sora效果，12秒生成效果逼真炸裂

来源：新智元【导读】用不了多久，开源版的Sora就会涌来！理海大学微软团队已经做出一种全新多AI智能体框架Mora，可以完全复刻Sora能力，且生成视频效果几乎不相上下。 微软版Sora诞生了！ Sora虽爆火但闭源，给学术界带来了不小的挑战。学者们只能尝试使用逆向工程来对Sora复现或扩展。 尽管提出了Diffusion Transformer和空间patch策略，但想要达到Sora的性能还是很难，何况还缺乏算力和数据集。 不过，研究者发起的新一波复现Sora的冲锋，这不就来了么！ 就在刚刚，理海大学联手微软团队一种新型的多AI智能体框架———Mora。 论文地址：https://arxiv.org/abs/2403.13248 没错，理海大学和微软的思路，是靠AI智能体。 Mora更像是Sora的通才视频生成。通过整合多个SOTA的视觉AI智能体，来复现Sora展示的通用视频生成能力。 具体来说，Mora能够利用多个视觉智能体，在多种任务中成功模拟Sora的视频生成能力，包括： – 文本到视频生成– 基于文本条件的图像到视频生成– 扩展已生成视频– 视频到视频编辑– 拼接视频 – 模拟数字世界 实验结果表明，Mora在这些任务中取得了接近Sora的表现。 值得一提的是，它在文本到视频生成任务中的表现超越了现有的开源模型，在所有模型中排名第二，仅次于Sora。 不过，在整体性能上，与Sora还有着明显差距。 Mora可根据文字提示生成高分辨率、时间连贯的视频，分辨率为1024 × 576，时长12秒，共75帧。 复刻Sora所有能力 Mora基本上还原了Sora的所有能力，怎么体现？ 文本到视频生成 提示：A vibrant coral reef teeming with life under the crystal-clear blue ocean, with colorful fish swimming among the...
0
DALL-E
Midjourney

DALL-E

  DALL-E是一种专注于从文本描述生成图像的深度学习的模型。该模型能够在没有针对特定任务的额外训练的情况下，直接根据文本生成图像。由openAI发布，参数量达到了120亿，被称为“图像版GPT-3” 原理：   DALL-E 的核心是使用Transformer架构，将文本描述和图像数据结合起来进行联合训练。模型通过学习文本与图像之间的对应关系，能够理解文本中的语义信息，并生成符合这些描述的图像。 方法： DALL-E在VQ-VAE-2(先训练一个codebook，然后又训练一个pixel CNN做生成)基础上进行改进，生成模型部分用GPT替换pixel CNN，用文本引导图像生成。 训练时，输入图像文本对，文本部分通过BPE编码，得到M=256维特征；图像(256×256)经过dVAE获取N=32×32维codebook作为1024维图像特征；然后将图像和文本特征cocat起来(1024+256=1280)作为一个序列送入GPT，训练时进行mask然后预测生成即可。 推理时，只提供文本，然后用文本特征经过GPT用自回归的方式将图像生成出来。推理时会生成多张图像候选，使用CLIP模型进行排序，最终输出生成的图片和文本最贴切的个体。 模型结构：   DALL-E包括三个独立训练得到的模型：dVAE，Transformer和CLIP，其中dVAE的训练与VAE基本相同，Transformer采用类似GPT-3的生成式预训练方法。 数据集：DALL-E 使用了大规模的图文配对数据集进行训练。这些数据集包含了各种各样的图像及其对应的文本描述，使得模型能够学习到多样化的视觉概念和语言表达。 编码器-解码器结构：模型采用了编码器-解码器架构。文本输入经过编码器处理后，生成一个高维的特征表示。然后，这些特征通过解码器生成相应的图像。 自回归生成：DALL-E 使用自回归的方法生成图像。基于之前生成的部分和输入的文本信息，模型逐步生成图像的每个部分。 zero-shot学习：DALL-E通过在训练过程中学习到的广泛的知识和概念，能够在没有针对特定任务的训练数据情况下直接生成图像。 特点： 多样性：DALL-E能够生成多种风格和内容的图像，展示出强大的创造力和多样性。 灵活性：模型能够理解用户输入的任意文本描述，生成相应的图像。这种灵活性使得DALL-E在艺术创作、设计、广告等领域具有广泛的应用潜力。 高质量生成：生成的图像通常具有较高的清晰度和细节，能够准确反映文本描述中的信息。 概念组合能力：DALL-E 可以将不同的概念结合在一起生成新的图像，例如“一个穿着宇航服的猫”。   总之，DALL-E 的研究展示了深度学习在图像生成领域的巨大潜力，并为未来的研究和应用提供了新的思路。 ‍参考：Zero-Shot Text-to-Image Generationhttps://arxiv.org/pdf/2102.12092
0