Navigate to WaytoAGI Wiki →
Home/Question List/Question Detail

Stable Diffusion、MidJourney、DALL·E 这些生成式AI工具有什么区别

Answer

Stable Diffusion、Midjourney 和 DALL·E 这三个生成式 AI 工具主要有以下区别：

  1. 开源性：Stable Diffusion 是开源的，用户可以在任何高端计算机上运行。
  2. 学习曲线：Midjourney 的学习曲线较低，只需键入特定的提示就能得到较好的结果。
  3. 图像质量：Midjourney 被认为是 2023 年中期图像质量最好的系统。
  4. 应用场景：Stable Diffusion 特别适合将 AI 与来自其他源的图像结合；Adobe Firefly 内置在各种 Adobe 产品中，但在质量方面落后于 DALL·E 和 Midjourney。
  5. 训练数据：这些工具都是使用大量的内容数据集进行训练的，例如 Stable Diffusion 是在从网络上抓取的超过 50 亿的图像/标题对上进行训练的。
  6. 所属公司：DALL·E 来自 OpenAI。

在使用方面：

  1. Stable Diffusion 开始使用需要付出努力，因为要学会正确制作提示，但一旦掌握，能产生很好的结果。
  2. DALL·E 已纳入 Bing（需使用创意模式）和 Bing 图像创建器，系统可靠，但图像质量比 Midjourney 差。
  3. Midjourney 需要 Discord，使用时需键入特定格式的提示。
Content generated by AI large model, please carefully verify (powered by aily)

References

问：我想用 AI 把小说做成视频，应该怎么做？

将小说转换成AI视频是一个涉及多个步骤的过程，通常包括文本分析、角色与场景生成、视频编辑与合成等。以下是一些可以利用的工具，以及使用这些工具将小说制作成AI视频的一般流程：[heading3]工具与网址：[content]1.Stable Diffusion（SD）：一种AI图像生成模型，可以基于文本描述生成图像。网址：[Stable Diffusion](https://github.com/StabilityAI)2.Midjourney（MJ）：另一个AI图像生成工具，适用于创建小说中的场景和角色图像。网址：[Midjourney](https://www.midjourney.com)3.Adobe Firefly：Adobe的AI创意工具，可以生成图像和设计模板。网址：[Adobe Firefly](https://www.adobe.com/products/firefly.html)4.Pika AI：文本生成视频的AI工具，适合动画制作。网址：[Pika AI](https://pika.art/waitlist)5.Clipfly：一站式AI视频生成和剪辑平台。网址：[Clipfly](https://www.aihub.cn/tools/video/clipfly/)6.VEED.IO：在线视频编辑工具，具有AI视频生成器功能。网址：[VEED.IO](https://www.veed.io/zh-CN/tools/ai-video)7.极虎漫剪：结合Stable Diffusion技术的小说推文视频创作提效工具。网址：[极虎漫剪](https://tiger.easyartx.com/landing)8.故事AI绘图：小说转视频的AI工具。网址：[故事AI绘图](https://www.aihub.cn/tools/video/gushiai/)

如何使用 AI 来做事：一份带有观点的指南

最透明的选项：[Adobe Firefly](https://www.adobe.com/sensei/generative-ai/firefly.html)开源选项：[Stable Diffusion](https://stable-diffusion-ui.github.io/)最佳免费选项：Bing或[Bing Image Creator](https://www.bing.com/images/create)（使用DALL-E），[Playgound](https://playgroundai.com/)（允许您使用多个模型）最佳质量图像：[MidJourney](https://midjourney.com/)大多数人可以使用四个大型图像生成器：1.Stable Diffusion，它是开源的，你可以在任何高端计算机运行。开始需要付出努力，因为你必须学会正确制作提示，但一旦你做到了，它可以产生很好的结果。它特别适合将AI与来自其他源的图像结合在一起。[如果你走这条路，这里有一个很好的Stable Diffusion指南（请务必阅读第1部分和第2部分）。](https://www.jonstokes.com/p/stable-diffusion-20-and-21-an-overview)2.DALL-E，来自OpenAI，已纳入Bing（您必须使用创意模式）和Bing图像创建器。这个系统很可靠，但比Midjourney差。3.Midjourney，这是2023年中期最好的系统。它的学习曲线最低：只需键入“thing-you-want-to-see--v 5.2”（末尾的--v 5.2很重要，它使用最新的模型），你就会得到一个很好的结果。Midjourney需要Discord。这是[使用Discord的指南](https://www.pcworld.com/article/540080/how-to-use-discord-a-beginners-guide.html)。4.Adobe Firefly内置在各种Adobe产品中，但在质量方面落后于DALL-E和Midjourney。然而，虽然其他两个模型还不清楚他们用于训练人工智能的源图像，但Adobe宣布它只使用它有权使用的图像。

游戏中的生成式 AI 革命

围绕Stable Diffusion和Midjourney等基础模型的兴奋和关注正在产生惊人的估值，但新研究的不断涌现确保新模型将随着新技术的完善而更替。考虑到三个流行的生成性AI模型：Dall-E、Midjourney和Stable Diffusion的网站搜索流量。每个新模型都会有它在聚光灯下的时刻。一种替代的方法可能是构建与特定行业相符的工具套件，这些工具专注于满足给定行业的生成性AI需求，对特定受众有深入的理解，并能丰富地集成到现有的生产流程中（例如游戏的Unity或Unreal）。一个很好的例子是[Runway](https://runwayml.com/)，它针对视频创作者的需求，提供AI辅助工具，如视频编辑、绿幕移除、图像修复和运动跟踪。这样的工具可以构建并变现特定的受众，并随着时间的推移添加新的模型。我们尚未看到针对游戏领域的类似Runway的套件出现，但我们知道这是一个正在积极开发的领域。1.法律挑战即将来临所有这些生成性AI模型的共同点是，它们都是使用大量的内容数据集进行训练的，这些数据集通常是通过爬取互联网本身获得的。例如，Stable Diffusion是在从网络上抓取的超过50亿的图像/标题对上进行训练的。目前，这些模型声称它们是根据“合理使用”版权原则运作的，但这一论点尚未在法庭上得到明确的检验。似乎很明显，[法律挑战即将到来](https://venturebeat.com/ai/why-generative-ai-legal-battles-are-brewing-the-ai-beat/)，这可能会改变生成性AI的格局。

Others are asking
浅谈“生成式人工智能在中职实训课的应用”
生成式人工智能在中职实训课的应用： 生成式人工智能是一种能够生成新的、未曾存在内容的人工智能技术，所生成的内容可以是多模态的，包括文本（如文章、报告、诗歌等）、图像（如绘画、设计图、合成照片等）、音频（如音乐、语音、环境声音等）、视频（如电影剪辑、教程、仿真等）。 其应用场景广泛，例如： 文档摘要：将长篇文章或报告总结为简短、精准的摘要。 信息提取：从大量数据中识别并提取关键信息。 代码生成：根据用户的描述自动编写代码。 营销活动创建：生成广告文案、设计图像等。 虚拟协助：例如智能聊天机器人、虚拟客服等。 呼叫中心机器人：能够处理客户的电话请求。 生成式人工智能的工作方式如下： 1. 训练阶段：通过从大量现有内容（文本、音频、视频等）中学习进行训练，训练的结果是一个“基础模型”。 2. 应用阶段：基础模型可以用于生成内容并解决一般性问题，还可以使用特定领域的新数据集进一步训练，以解决特定问题，从而得到一个量身定制的新模型。 Google Cloud 提供了相关工具，如 Vertex AI 是端到端机器学习开发平台，旨在帮助开发人员构建、部署和管理机器学习模型；Generative AI Studio 允许应用程序开发人员或数据科学家快速制作原型和自定义生成式 AI 模型，无需代码或代码量少；Model Garden 是一个平台，可以让用户发现 Google 的基础和第三方开源模型，并与之交互，它提供了一组 MLOps 工具，用于自动化机器学习管道。 在教育领域，从 AI 助教到智慧学伴的应用探索中，以“移动教学与促动”课程实习周为例，让教育学专业的学生了解和尝试运用教育 APP、二维码、教育游戏等技术方式开展移动教学。课程实习需要在 5 天内让非技术背景的学生分组设计课程并展示，由于学生众多，教师难以给予个性化指导，而 AI 在一定程度上补足了学生缺乏的经验。
2025-03-31
生成式人工智能原理是什么
生成式人工智能的原理主要包括以下几个方面： 1. 基于深度学习技术和机器学习算法：通过大规模的数据集训练深度神经网络模型，学习各种数据的规律和特征，从而实现对输入数据的分析、理解和生成。 2. 监督学习：例如在生成文本时使用大语言模型，通过监督学习不断预测下一个词语，经过大量的数据训练，从而生成新的文本内容。这通常需要千亿甚至万亿级别的单词数据库。 3. 从大量现有内容中学习：包括文本、音频和视频等多模式的内容，这个学习过程称为训练，其结果是创造“基础模型”，如为聊天机器人提供支持的大型语言模型（LLM）。基础模型可用于生成内容并解决一般问题，也可以使用特定领域的新数据集进一步训练以解决特定问题。
2025-03-26
生成式AI的教育重构价值
生成式 AI 在教育领域具有重要的重构价值，主要体现在以下几个方面： 1. 为教师减负：通过复杂的算法、模型和规则，从大规模数据集中学习，创造新的原创内容，帮助教师减轻工作负担。 2. 创新教学方式：例如让历史人物亲自授课，知识获取不再受时空限制，提高教育效率和质量，增强学生学习兴趣。 3. 个性化教育：根据学生的学习情况、兴趣和偏好提供定制化的学习计划和资源，实现因材施教，满足学生学习需求，提高学习成果，缓解教育资源不平等问题。 4. 角色多样化：授课教师、游戏玩家、情感伴侣等服务都可以被 AI 重构。 5. 促进学生成长：人工智能生成的虚拟角色可以作为数字陪伴，给予孩子社会奖励，促进其成长和提高学习成绩。
2025-03-22
生成式人工智能的提示词工程
生成式人工智能的提示词工程是一门新兴学科，在生成式 AI 模型中具有重要作用。 提示词是用户与模型沟通愿望的文本界面，适用于图像生成模型（如 DALLE3、Midjourney）和语言模型（如 GPT4、Gemini）等。它可以是简单的问题，也可以是复杂的任务，包括指令、问题、输入数据和示例，以引导 AI 的响应。 提示词工程的核心是制作能实现特定目标的最佳提示词，这不仅要指导模型，还需深刻理解模型的能力和局限性及所处上下文。例如，在图像生成模型中是对期望图像的详细描述，在语言模型中可能是复杂查询。 提示词工程不仅是构建提示词，还需结合领域知识、对 AI 模型的理解及系统化方法为不同情境定制提示词，可能包括创建可根据数据集或上下文程序化修改的模板。 此外，提示词工程是迭代和探索的过程，类似于传统软件工程实践，如版本控制和回归测试。该领域发展迅速，有潜力改变机器学习的某些方面。 在商业和社会中，提示词工程师是被炒作的职位，实际可能承担了机器学习工程师的部分职责。提示词工程是一切生成式 AI 的基础，不管用于学习、写作、绘画、编程还是玩音乐等。 在使用提示词时，要记住几个基本关键点： 1. 角色/身份：告诉 AI 它需要扮演的身份，提升其“职业素养”。 2. 目标/任务以及背景：所有对话都有目的性，要交代目标背后的逻辑，包括为什么要实现目标、希望达到的结果等。
2025-03-19
生成式AI
生成式 AI（Generative AI）是一种基于深度学习技术，利用机器学习算法从已有数据中学习并生成新的数据或内容的 AI 应用。其工作原理是通过大规模的数据集训练深度神经网络模型，学习各种数据的规律和特征，实现对输入数据的分析、理解和生成。 AIGC（AI generated content）意为人工智能生成内容，又称为生成式 AI。例如 AI 文本续写，文字转图像的 AI 图、AI 主持人等，都属于 AIGC 的应用。能进行 AIGC 的产品项目和媒介很多，包括语言文字类（如 OpenAI 的 GPT、Google 的 Bard、百度的文心一言等）、语音声音类（如 Google 的 WaveNet、微软的 Deep Nerual Network、百度的 DeepSpeech 等）、图片美术类（如早期的 GEN、去年大热的扩散模型带火的 Midjourney、先驱者谷歌的 Disco Diffusion、OpenAI 的 Dalle·2 以及 stability ai 和 runaway 共同推出的 Stable Diffusion 等）。 SD 是 Stable Diffusion 的简称，是由初创公司 StabilityAI、CompVis 与 Runway 合作开发，2022 年发布的深度学习文本到图像生成模型。它主要用于根据文本的描述产生详细图像，是一种扩散模型（diffusion model）的变体，叫做“潜在扩散模型”（latent diffusion model;LDM）。其代码模型权重已公开发布，可以在大多数配备有适度 GPU 的电脑硬件上运行。当前版本为 2.1 稳定版（2022.12.7）。源代码库：github.com/StabilityAI/stablediffusion 。 国内目前主要是在《网络安全法》《数据安全法》以及《个人信息保护法》的框架下，由《互联网信息服务算法推荐管理规定》、《互联网信息服务深度合成管理规定》、《生成式人工智能服务管理暂行办法》、《科技伦理审查办法（试行）》共同监管 AIGC 行业。 Gen AI/Generative AI 是“生成式人工智能”正式称呼，是一种能够生成新内容的人工智能技术，比如文本、图像、音乐等。而 AIGC 指的是由人工智能生成的内容的创作方式，实际上是 Generative AI 的应用结果。 ChatGPT 在 2022 年宣发时，OpenAI 称其是一种模型，但在官网的帮助页面中，称其是一种服务。目前我们所熟知的 ChatGPT 逐渐演变成了一种可以兼容多种 GPT 模型的聊天应用（服务）。
2025-03-19
能帮我做一个介绍生成式AI的ppt吗？5页左右即可，介绍一些通用的，用户规模较大的即可，不超过5种。
以下是为您生成的关于生成式 AI 的 5 页 PPT 内容： 幻灯片 1：封面 标题：生成式 AI 简介 幻灯片 2：生成式 AI 的基础模型 大型预训练模型可适应或微调用于多种下游任务，如情感分析、图像字幕和对象识别。 有可能革新医疗、金融和客户服务等行业，检测欺诈并提供个性化支持。 幻灯片 3：在软件开发中的应用 提及 Bard 和生成式人工智能工作室等工具，可用于调试、代码转换和应用构建。 幻灯片 4：PALM API 的会话式人工智能引擎 用户可用自然语言交互。 可创建数字助手、自定义搜索引擎、知识库和培训应用。 能与 Maker Suite 集成，通过图形用户界面访问 API，套件包含模型训练、部署和监控工具。 幻灯片 5：参考资料 All Readings:Introduction to Generative AI Here are the assembled readings on generative AI: 此外，以下是一些常用的 PPT 生成工具（网站）： https://zhiwen.xfyun.cn/ 讯飞智文 http://Mindshow.fun Markdown 导入 http://kimi.ai 选 PPT 助手暂时免费效果好 http://Tome.app AI 配图效果好 http://Chatppt.com 自动化程度高 https://wenku.baidu.com 付费效果好 希望以上内容对您有所帮助！
2025-03-11
DALL-E
DALL·E 是 OpenAI 构建的一种新型神经网络，可以从文字说明直接生成图像。它一般会有三个 Prompt 阶段：原始 Prompt 即初始输入的那个；优化 Prompt 时有时无，DallE 会输出它分析优化后的每图英文 Prompt；最终 Prompt 则是每张图片点开后的 Prompt。推特博主通过一段 json 实现了一个功能，切换是否允许 DALL·E 自动更改原始 Prompt，一个是要求它必须生成新的，另一个是不允许更改，这个切换对应到了一个命令上，可以方便调用切换。 一些具有代表性的海外项目中包含 DALL·E 3，去年 OpenAI 将 DALL·E 3 集成进 ChatGPT。DALL·E 推出了编辑功能，支持对生成图片进行二次编辑，包括替换、删除、添加对象。其编辑界面提供了一系列可用工具，如 Select 按钮用于选择需要编辑的图像部分，左上角有可来回拖动大小的工具以改变想要更新的区域，还有“撤销、恢复”按钮以及“Clear Selection”选项用于重新开始编辑图像。使用时，编辑器界面可以添加、删除和更新图像的某些部分，例如添加樱花、删除鸟类、更改猫的表情等。帮助文档可参考：https://help.openai.com/en/articles/9055440editingyourimageswithdalle
2025-03-21
DALL·E2的介绍
DALL·E2 也叫 unCLIP，基本可以看成是 DALL·E 和 GLIDE 的合体。 其问题建模采用两阶段方法： Stage1：通过 caption 得到 CLIP image embedding 的 prior 过程，方式可以是 DALL·E 中的自回归方法，也可以用另外一个扩散模型来做。 Stage2：通过 CLIP image embedding 到生成图片的 diffusion decoder。这个过程带有较强的随机性，多样性比 DALL·E 中的 dVAE 要好。 在 Stage2 的 Decoder 训练中： 本质是个 Diffusion 模型，细节借鉴了 GLIDE。每一次传播过程都会把 CLIP text embedding 拼接在 timestamp embedding 后面，CLIP text embedding 代表了 text 全局信息。 类似 GLIDE，把 caption 原始序列也加入 attention 里，希望能补充 CLIP text embedding 没有捕捉到的 NLP 信息，但效果一般。 为了得到大图，还学习了两个 upsamplediffusionmodel，分别从 64×64 到 256×256，以及 256×256 到 1024×1024。使用了 guidancefree 的方式，10%的概率随机擦除 CLIP text embedding 输入，50%概率随机丢弃 caption 输入。 在 Stage1 的 Prior 训练方面： DALL·E2 是在 2022 年引发了基于图像的生成式 AI 热潮的模型。它把 GLIDE 和 DALL·E 结合在一起，把效果做出了圈。同时，它是 AIGC 组成原理中 Image 生成部分重点介绍的模型之一。
2024-10-20
DALL E 教程
以下是为您整理的 DALL·E 教程相关内容： 软件教程： 好玩的主题创作： 视频挑战相关：使用 Dall E 直接描述出图，再去视频工具中转成视频，可参考中的教程。
2024-08-09
MidJourney
以下是关于 Midjourney 的相关信息： 隐私政策： 适用于 Midjourney,Inc.、Midjourney.com 网站和 Midjourney 图像生成平台的服务。 个人数据指与个人相关、可用于识别个人身份的任何信息。 适用性包括通过服务、训练算法、网站及第三方来源收集的数据，但不适用于 Midjourney 员工等的个人数据。 可能会更新政策，用户应定期查看，不接受更改应停止互动。 定义了“您”和“使用数据”等概念。 收集的数据类型包括个人数据。 图像提示： 可将图像 URL 添加到提示中，通过/imagine 输入，可拖入或粘贴图片链接。 使用 Midjourney Bot 私信上传图像可防止被其他用户看到，除非用户有隐身模式，否则图像提示在网站上可见。 给出了起始图像、中途模型版本 4 和 5 等的例子，以及纵横比提示。 社区准则： Midjourney 是默认开放的社区。 要友善尊重彼此和员工，禁止不尊重、攻击性或辱骂性内容，禁止成人和血腥内容。 未经许可不得公开转发他人创作，分享时要小心。 违反规则可能导致服务被禁止，规则适用于所有内容。
2025-02-13
MidJourney的地址
Midjourney 的官网地址为：https://www.midjourney.com 。在官网上，已向生成 100 张以上图片的用户开放使用权限。登录后，左侧为各种页面入口，顶部是生成入口（prompt 框）和搜索框。在社区作品、创作（Create）以及组织（Organize）页面中，可随时使用 prompt 框和搜索框，方便查找参考和进行创作，无需频繁切换页面。还可以通过点击 prompt 框最右侧的图标来设置常用参数的默认值，包括画面比例和个性化模型开关。在官网上使用图片参考也变得简单直观，只需点击 prompt 框最左侧的图片按钮，或直接拖入图片即可，官网会记录所有使用过的图片，方便调用或删除。当鼠标悬停在图片上时，会看到 3 个小图标，从左到右分别是角色参考、风格参考、整图参考，点击相应的图标即可，如需多种参考逻辑可按住 shift 键点选多个图标。创作页面最大亮点是 prompt 的复用，可直接点击画面描述或复制描述词到 prompt 框中，也可以直接点击下方横列菜单里的按钮，将包括参考图在内的完整 prompt 替换当前的 prompt。点击图片则会进入单图调整模式，在 discord 中常用的操作指令都被集中在了右下角的按键中，并且上线了全新的 Editor 编辑器功能。
2024-12-17
如何让企业微信可以接上 AI？让我的企业微信号变成一个 AI 客服
要让企业微信接上 AI 并变成一个 AI 客服，可以参考以下内容： 1. 基于 COW 框架的 ChatBot 实现方案：这是一个基于大模型搭建的 Chat 机器人框架，可以将多模型塞进微信（包括企业微信）里。张梦飞同学写了更适合小白的使用教程，链接为： 。 可以实现打造属于自己的 ChatBot，包括文本对话、文件总结、链接访问、联网搜索、图片识别、AI 画图等功能，以及常用开源插件的安装应用。 正式开始前需要知道：本实现思路需要接入大模型 API 的方式实现（API 单独付费）。 风险与注意事项：微信端因为是非常规使用，会有封号危险，不建议主力微信号接入；只探讨操作步骤，请依法合规使用，大模型生成的内容注意甄别，确保所有操作均符合相关法律法规的要求，禁止将此操作用于任何非法目的，处理敏感或个人隐私数据时注意脱敏，以防任何可能的滥用或泄露。 支持多平台接入，如微信、企业微信、公众号、飞书、钉钉等；多模型选择，如 GPT3.5/GPT4.0/Claude/文心一言/讯飞星火/通义千问/Gemini/GLM4/LinkAI 等等；多消息类型支持，能处理文本、语音和图片，以及基于自有知识库进行定制的企业智能客服功能；多部署方法，如本地运行、服务器运行、Docker 的方式。 2. DIN 配置：先配置 FastGpt、OneAPI，装上 AI 的大脑后，可体验知识库功能并与 AI 对话。新建应用，在知识库菜单新建知识库，上传文件或写入信息，最后将拥有知识库能力的 AI 助手接入微信。
2025-05-09
围棋AI
围棋 AI 领域具有重要的研究价值和突破。在古老的围棋游戏中，AI 面临着巨大挑战，如搜索空间大、棋面评估难等。DeepMind 团队通过提出全新方法，利用价值网络评估棋面优劣，策略网络选择最佳落子，且两个网络以人类高手对弈和 AI 自我博弈数据为基础训练，达到蒙特卡洛树搜索水平，并将其与蒙特卡洛树搜索有机结合，取得了前所未有的突破。在复杂领域 AI 第一次战胜人类的神来之笔 37 步，也预示着在其他复杂领域 AI 与人类智能对比的进一步突破可能。此外，神经网络在处理未知规则方面具有优势，虽然传统方法在处理象棋问题上可行，但对于围棋则困难重重，而神经网络专门应对此类未知规则情况。关于这部分内容，推荐阅读《这就是 ChatGPT》一书，其作者备受推崇，美团技术学院院长刘江老师的导读序也有助于了解 AI 和大语言模型计算路线的发展。
2025-05-08
什么AI工具可以实现提取多个指定网页的更新内容
以下 AI 工具可以实现提取多个指定网页的更新内容： 1. Coze：支持自动采集和手动采集两种方式。自动采集包括从单个页面或批量从指定网站中导入内容，可选择是否自动更新指定页面的内容及更新频率。批量添加网页内容时，输入要批量添加的网页内容的根地址或 sitemap 地址然后单击导入。手动采集需要先安装浏览器扩展程序，标注要采集的内容，内容上传成功率高。 2. AI Share Card：能够一键解析各类网页内容，生成推荐文案，把分享链接转换为精美的二维码分享卡。通过用户浏览器，以浏览器插件形式本地提取网页内容。
2025-05-01
AI文生视频
以下是关于文字生成视频（文生视频）的相关信息： 一些提供文生视频功能的产品： Pika：擅长动画制作，支持视频编辑。 SVD：Stable Diffusion 的插件，可在图片基础上生成视频。 Runway：老牌工具，提供实时涂抹修改视频功能，但收费。 Kaiber：视频转视频 AI，能将原视频转换成各种风格。 Sora：由 OpenAI 开发，可生成长达 1 分钟以上的视频。 更多相关网站可查看：https://www.waytoagi.com/category/38 。 制作 5 秒单镜头文生视频的实操步骤（以梦 AI 为例）： 进入平台：打开梦 AI 网站并登录，新用户有积分可免费体验。 输入提示词：涵盖景别、主体、环境、光线、动作、运镜等描述。 选择参数并点击生成：确认提示词无误后，选择模型、画面比例，点击「生成」按钮。 预览与下载：生成完毕后预览视频，满意则下载保存，不理想可调整提示词再试。 视频模型 Sora：OpenAI 发布的首款文生视频模型，能根据文字指令创造逼真且充满想象力的场景，可生成长达 1 分钟的一镜到底超长视频，视频中的人物和镜头具有惊人的一致性和稳定性。
2025-04-20
学AI上钉钉
以下是在钉钉上学 AI 的相关内容： 从 AI 助教到智慧学伴的应用探索： 登录钉钉客户端，在右上角依次选择钉钉魔法棒、AI 助理、创建 AI 助理。进入创建 AI 助理页面后，填写 AI 助理信息，设置完成即可创建成功。 AI 领导力向阳乔木：未提及具体的在钉钉上学 AI 的操作方法。 基于 COW 框架的 ChatBot 实现步骤： 创建应用： 进入，登录后点击创建应用，填写应用相关信息。 点击添加应用能力，选择“机器人”能力并添加。 配置机器人信息后点击发布，发布后点击“点击调试”，会自动创建测试群聊，可在客户端查看。点击版本管理与发布，创建新版本发布。 项目配置： 点击凭证与基础信息，获取 Client ID 和 Client Secret 两个参数。 参考项目，将相关配置加入项目根目录的 config.json 文件，并设置 channel_type:"dingtalk"，注意运行前需安装依赖。 点击事件订阅，点击已完成接入，验证连接通道，会显示连接接入成功。 使用：与机器人私聊或将机器人拉入企业群中均可开启对话。
2025-04-19
AI术语解释
以下是一些常见的 AI 术语解释： Agents（智能体）：一个设置了一些目标或任务，可以迭代运行的大型语言模型。与大型语言模型在像 ChatGPT 这样的工具中的通常使用方式不同，Agent 拥有复杂的工作流程，模型本质上可以自我对话，无需人类驱动每一部分的交互。属于技术范畴。 ASI（人工超级智能）：尽管存在争议，但通常被定义为超越人类思维能力的人工智能。属于通识范畴。 Attention（注意力）：在神经网络的上下文中，有助于模型在生成输出时专注于输入的相关部分。属于技术范畴。 Bias（偏差）：AI 模型对数据所做的假设。“偏差方差权衡”是模型对数据的假设与给定不同训练数据的模型预测变化量之间必须实现的平衡。归纳偏差是机器学习算法对数据的基础分布所做的一组假设。属于技术范畴。 Chatbot（聊天机器人）：一种计算机程序，旨在通过文本或语音交互模拟人类对话。通常利用自然语言处理技术来理解用户输入并提供相关响应。属于通识范畴。 CLIP（对比语言图像预训练）：由 OpenAI 开发的 AI 模型，用于连接图像和文本，使其能够理解和生成图像的描述。属于技术范畴。 TPU（张量处理单元）：谷歌开发的一种微处理器，专门用于加速机器学习工作负载。属于技术范畴。 Training Data（训练数据）：用于训练机器学习模型的数据集。属于技术范畴。 Transfer Learning（迁移学习）：机器学习中的一种方法，其中对新问题使用预先训练的模型。属于技术范畴。 Validation Data（验证集）：机器学习中使用的数据集的子集，独立于训练数据集和测试数据集。用于调整模型的超参数（即架构，而不是权重）。属于技术范畴。 Knowledge Distillation（数据蒸馏）：数据蒸馏旨在将给定的一个原始的大数据集浓缩并生成一个小型数据集，使得在这一小数据集上训练出的模型，和在原数据集上训练得到的模型表现相似。在深度学习领域中被广泛应用，特别是在模型压缩和模型部署方面。可以帮助将复杂的模型转化为更轻量级的模型，并能够促进模型的迁移学习和模型集成，提高模型的鲁棒性和泛化能力。属于技术范畴。 RAG（检索增强生成）：检索增强生成。属于技术范畴。 Forward Propagation（前向传播）：在神经网络中，输入数据被馈送到网络并通过每一层（从输入层到隐藏层，最后到输出层）以产生输出的过程。网络对输入应用权重和偏差，并使用激活函数生成最终输出。属于技术范畴。 Foundation Model（基础模型）：在广泛数据上训练的大型 AI 模型，旨在适应特定任务。属于技术范畴。 GAN（通用对抗网络）：一种机器学习模型，用于生成类似于某些现有数据的新数据。使两个神经网络相互对抗：一个“生成器”，创建新数据，另一个“鉴别器”试图将数据与真实数据区分开来。属于技术范畴。 Generative AI/Gen AI（生成式 AI）：AI 的一个分支，专注于创建模型，这些模型可以根据现有数据的模式和示例生成新的原创内容，例如图像、音乐或文本。属于通识范畴。 GPU（图形处理单元）：一种特殊类型的微处理器，主要用于快速渲染图像以输出到显示器。在执行训练和运行神经网络所需的计算方面也非常高效。属于产品范畴。
2025-04-18