如何借助AI工具做自媒体向社会大众传达正确的价值观，并实现盈利？

以下是 AI 视频创作的一般流程： 1. 小说内容分析：使用 AI 工具（如 ChatGPT）分析小说内容，提取关键场景、角色和情节。 2. 生成角色与场景描述：根据小说内容，使用工具（如 Stable Diffusion 或 Midjourney）生成角色和场景的视觉描述。 3. 图像生成：使用 AI 图像生成工具根据描述创建角色和场景的图像。 4. 视频脚本制作：将提取的关键点和生成的图像组合成视频脚本。 5. 音频制作：利用 AI 配音工具（如 Adobe Firefly）将小说文本转换为语音，添加背景音乐和音效。 6. 视频编辑与合成：使用视频编辑软件（如 Clipfly 或 VEED.IO）将图像、音频和文字合成为视频。 7. 后期处理：对生成的视频进行剪辑、添加特效和转场，以提高视频质量。 8. 审阅与调整：观看生成的视频，根据需要进行调整，比如重新编辑某些场景或调整音频。 9. 输出与分享：完成所有编辑后，输出最终视频，并在所需平台上分享。 需要注意的是，具体的操作步骤和所需工具可能会根据项目的具体需求和个人偏好有所不同。此外，AI 工具的可用性和功能也可能会随时间而变化，建议直接访问上述提供的工具网址获取最新信息和使用指南。 另外，在一些具体的创作案例中，比如“AI 离谱社黄师傅”的工作流程中，有以下要点： 创作思路基于深度文化挖掘、自然风光和历史遗迹展示、故事性和情感连接等关键概念和创新方法，旨在通过人工智能技术全面展示中国各省份的文化和旅游魅力。 任务划分方面，制片人搭建整体框架，图像创意者提供有冲击力的图像画面，视频制作者熟悉并运用视频工具，编剧构思故事和创作台词文本，还有配音和配乐等工作。 在 AI 春晚采访问题中提到，脚本创作由 GPT 完成但需要大量人工干预，图像生成由 MJ 完成也需要人工调词，人工比例在 70%以上。

目前游戏领域还没有涵盖整个制作过程（包括代码、资产生成、纹理、音频等）的全套生成式人工智能工具，也没有能与流行的游戏引擎（如虚幻和 Unity）紧密结合使用、专为适应典型的游戏生产流程而设计的一体化平台。但有一些相关的工具和平台在不同方面发挥作用，例如： 生成可以互动的角色方面：有很多初创公司在研究，如 Charisma.ai、Convai.com、Inworld.ai 等平台，它们可以为具有情感和自主权的完全渲染的 3D 角色提供动力，并提供工具让创作者给角色设定目标。 语音生成方面：Coqui Studio（https://coqui.ai）、Bark（https://github.com/sunoai/bark）、Replica Studios（https://replicastudios.com）等。 语音识别方面：OpenAI Whisper（https://huggingface.co/openai/whisperbase）、Facebook Wav2Vec2（https://huggingface.co/facebook/wav2vec2largexlsr53）。 对话模型方面：ChatGPT（https://chat.openai.com）、HuggingChat（https://huggingface.co/chat）。 故事讲述模型方面：MPT7BStoryWriter65k+（https://huggingface.co/mosaicml/mpt7bstorywriter）、Claude 100k（https://www.anthropic.com/index/100kcontextwindows）、GTP4 32k（https://platform.openai.com/docs/models/overview）。 游戏设计方面：Ludo.ai（https://ludo.ai）。 搜索引擎方面：Haddock（https://www.haddock.ai）。 AI NPC 方面：Inworld（https://inworld.ai）。

AI 智能体在以下方面有重要应用和发展： 1. 在品牌卖点提炼中： 可搭建智能体作为引导型助手，帮助提炼品牌卖点。 但在搭建前需明确 AI 的能力边界，如 AI 对公司的主要产品、产品解决的用户需求、产品独特之处、获得的认可、依赖的核心渠道、核心购买人群、曾使用的营销手段、在新渠道的期望结果等了解程度接近于 0。 AI 真正的能力在于通过分析数据和信息进行逻辑推理、快速处理和分析数据并提取有价值信息和模式、拥有大量训练数据可输出更全面相关信息、理解用户提供内容并按正确结构梳理有效输出。 引导型助手更适合成为灵感提问助手，在寻找卖点思考路径停滞时提供更多思考维度。 2. 企业自动化方面： 生成式 AI 应用有三个核心用例与强大的产品市场契合度：搜索、合成和生成。 领先的应用程序构建商正在建立解决方案，处理之前只能由大量人力解决的工作流程。 借助多步逻辑、外部内存以及访问第三方工具和 API 等新型构建块，下一波智能体正在拓展 AI 能力边界，实现端到端流程自动化。 未来的完全自主智能体可能拥有所有四个构建块，但当前的 LLM 应用程序和智能体还未达到。 如流行的 RAG 架构不是智能体式的，一些设计支持工具使用，但应用程序的步骤仍由代码预先确定。 当将 LLM 置于应用程序的控制流中让其动态决定行动、使用工具等时，智能体出现。 确定了三种不同主要用例和应用程序进程控制自由度的智能体类型：决策智能体、轨道智能体、通用人工智能体。

对于初学者学习 AI 知识，建议如下： 1. 了解 AI 基本概念： 阅读「」部分，熟悉 AI 的术语和基础概念，包括其主要分支（如机器学习、深度学习、自然语言处理等）以及它们之间的联系。 浏览入门文章，了解 AI 的历史、当前的应用和未来的发展趋势。 2. 开始 AI 学习之旅： 在「」中，找到为初学者设计的课程，特别推荐李宏毅老师的课程。 通过在线教育平台（如 Coursera、edX、Udacity）上的课程，按照自己的节奏学习，并有机会获得证书。 3. 选择感兴趣的模块深入学习： AI 领域广泛（比如图像、音乐、视频等），根据自己的兴趣选择特定的模块进行深入学习。 掌握提示词的技巧，它上手容易且很有用。 4. 实践和尝试： 理论学习之后，实践是巩固知识的关键，尝试使用各种产品做出自己的作品。 在知识库提供了很多大家实践后的作品、文章分享，欢迎实践后的分享。 5. 体验 AI 产品： 与现有的 AI 产品进行互动，如 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人，了解它们的工作原理和交互方式。 通过与这些 AI 产品的对话，获得对 AI 在实际应用中表现的第一手体验，并激发对 AI 潜力的认识。 记住，学习 AI 是一个长期的过程，需要耐心和持续的努力。不要害怕犯错，每个挑战都是成长的机会。随着时间的推移，您将逐渐建立起自己的 AI 知识体系，并能够在这一领域取得自己的成就。完整的学习路径建议参考「通往 AGI 之路」的布鲁姆分类法，设计自己的学习路径。

要在即梦 AI 中制作儿童绘本并做到人物、风格和场景风格一致，可以按照以下步骤进行： 1. 描述故事场景：利用 ChatGPT 或者自行构思一段适合画绘本的故事，将其分为多个场景，用一句包含环境、人物、动作的话描述每个场景。例如，故事名《Lily 的奇妙之旅》，场景 1 为“探险开始，Lily 来到一个阳光明媚的森林，跳过清澈的小溪，愉快玩耍。在路上结识了一只友善的棕熊，她们成为了旅伴”。 2. 生成场景图片：为每个场景生成图片时，使用固定的 prompt 风格词，如“super high details,HDsmooth,by Jon Burgerman,s 400niji 5style expressivear 3:4”。为了使熊和人物有更好的互动感，生成场景时也包括人物主角。如场景 2 的 prompt 为“Walking in a mysterious cave with glittering gems,little girl Lily wearing a yellow floral skirt,her friend brown bear,dim,dreamlike,super high details,HDsmooth,by Jon Burgerman,s 400niji 5style expressivear 3:4”。如果需要，可使用 mj 的 region vary 工具将小女孩完全框选，在提示词中完全删除 Lily 的描述词，重新生成得到场景图像。 3. 绘制绘本主角：确定人物形象，如“a little girl wearing a yellow floral skirt+人物动作+风格词”，在 mj 中生成直到得到一张满意的人物图像，且一套绘本中风格词语不要改变。 4. 保持一致性描述：在写 prompt 时，应从多个角度描述需求，包括人种、画风、宠物品种等，以稳定内容符合预期。例如，如果想生成一个关于“狗”的视频，提供不同狗的品种、外貌、行为等信息，确保物种和画风的一致性。

以下是一些常见的 AI 工具： 对于建筑设计师审核规划平面图，有以下工具： HDAidMaster：云端工具，在建筑、室内和景观设计领域表现出色，搭载自主训练的建筑大模型 ArchiMaster。 Maket.ai：面向住宅行业，可根据输入自动生成户型图。 ARCHITEChTURES：AI 驱动的三维建筑设计软件，能引入标准和规范约束设计结果。 Fast AI 人工智能审图平台：形成全自动智能审图流程，实现建筑全寿命周期内信息的集成与管理。 绘制逻辑视图、功能视图、部署视图的工具包括： Lucidchart：流行的在线绘图工具，支持多种图表创建。 Visual Paradigm：全面的 UML 工具，提供多种架构视图创建功能。 ArchiMate：开源建模语言，与 Archi 工具配合使用可创建逻辑视图。 Enterprise Architect：强大的建模、设计和生成代码工具，支持多种架构视图创建。 Microsoft Visio：广泛使用的图表和矢量图形应用程序，提供丰富模板。 draw.io（diagrams.net）：免费的在线图表软件。 PlantUML：文本到 UML 转换工具，可通过描述文本生成相关视图。 Gliffy：基于云的绘图工具，支持创建多种架构图。 Archi：免费开源工具，支持逻辑视图创建。 Rational Rose：IBM 的 UML 工具，支持多种视图创建。 与 Excel 相关的 AI 工具和插件有： Excel Labs：Excel 插件，新增生成式 AI 功能，基于 OpenAI 技术。 Microsoft 365 Copilot：整合办公软件，通过聊天形式完成任务。 Formula Bot：提供数据分析聊天机器人和公式生成器功能。 Numerous AI：支持 Excel 和 Google Sheets，可生成文本、执行情感分析等任务。

AI在自我认知（性格、能力、价值观）方面的应用已经取得了一定进展，主要通过以下几种方式实现： 1. 个性测试与分析 AI可以通过分析用户在特定测试中的反应和行为，帮助评估个性特征。 示例： 16型人格测试（MBTI）：AI系统可以分析用户在MBTI测试中的回答，生成详细的个性报告，并根据报告提供个性化的建议。 大五人格测试（Big Five）：通过机器学习算法，AI可以对用户在大五人格测试中的表现进行分析，并评估其开放性、尽责性、外向性、宜人性和神经质等维度。 2. 行为数据分析 通过分析用户在社交媒体、工作平台等环境中的行为数据，AI可以推断出个性、能力和价值观等特征。 示例： 社交媒体分析：AI可以分析用户在社交媒体上的发布内容、点赞和评论行为，推断其性格特征、兴趣爱好和价值观。 工作行为分析：在工作环境中，AI可以通过分析邮件、任务完成情况、会议记录等数据，评估用户的工作能力、沟通风格和职业倾向。 3. 情感与语音分析 通过情感分析和语音识别技术，AI可以分析用户的情感状态和沟通风格，帮助了解其内在特质。 示例： 情感分析：AI可以分析用户在文本、语音或视频中的情感表达，评估其情感稳定性、情绪倾向和压力水平。 语音识别：通过分析用户的语音语调、语速和语言使用习惯，AI可以推断其自信心、外向性和沟通能力。 4. 游戏与模拟 通过游戏和虚拟环境，AI可以观察用户的行为选择和决策模式，评估其性格特征和价值观。 示例： 游戏化评估：AI可以设计特定的游戏场景，观察用户在不同情境下的决策和行为，评估其风险偏好、合作精神和道德观念。 虚拟现实（VR）模拟：在VR环境中，AI可以模拟各种真实生活情境，观察用户的反应和选择，从而评估其个性和价值观。 5. 个性化推荐系统 AI可以根据用户的历史行为和偏好，提供个性化的内容推荐，进一步了解其兴趣和价值观。 示例： 内容推荐：通过分析用户的阅读、观看和购物历史，AI可以提供个性化的内容推荐，如文章、视频、商品等，帮助了解用户的兴趣和价值观。 职业推荐：AI可以根据用户的能力、兴趣和职业倾向，推荐适合的职业发展路径和培训课程，帮助用户了解自己的职业能力和潜力。 具体平台和工具 1. . Crystal Knows 功能：分析社交媒体和职业平台上的数据，提供个性化的性格分析和沟通建议。 应用：适用于团队协作、销售和招聘等领域，通过理解他人性格提高沟通效果。 2. Pymetrics 功能：通过神经科学游戏评估用户的认知和情感特征，帮助匹配适合的职业和角色。 应用：广泛应用于招聘和职业发展，帮助企业找到合适的候选人。 3. Receptiviti 功能：使用情感和心理分析技术，通过文本分析评估用户的心理特征和情绪状态。 应用：适用于员工满意度评估、客户情感分析和心理健康监测。 总结 AI在自我认知领域的应用，通过多种技术手段，如个性测试、行为数据分析、情感与语音分析、游戏与模拟、个性化推荐系统等，帮助用户更好地了解自己的性格、能力和价值观。这些技术不仅可以提高个人的自我认知水平，还可以在招聘、职业发展、心理健康等方面提供重要支持。随着AI技术的不断进步，其在自我认知领域的应用将会更加广泛和深入。

以下是 3 个大众使用评价较好的 AI 搜索引擎： 1. 秘塔 AI 搜索：由秘塔科技开发，具有多模式搜索、无广告干扰、结构化展示和信息聚合等功能，能提升用户搜索效率和体验。 2. Perplexity：聊天机器人式的搜索引擎，允许用户用自然语言提问，通过生成式 AI 技术从各种来源收集信息并给出答案，用户参与度高。 3. 360AI 搜索：360 公司推出，通过 AI 分析问题，生成清晰有理的答案，并支持增强模式和智能排序。

生成式 AI 是一种能够为用户生成内容的人工智能，生成的内容可以是多模式的，包括文本、图像、音频和视频。当给出提示或请求时，它可以帮助完成诸如文档摘要、信息提取、代码生成、营销活动创建、虚拟协助和呼叫中心机器人等各种任务。 生成式 AI 从大量现有内容中学习，这个学习过程称为训练，其结果是创造“基础模型”，如为 Bard 等聊天机器人提供支持的 LLM 或大型语言模型。基础模型可用于生成内容并解决一般问题，还可以使用所在领域的新数据集进一步训练以解决特定问题，从而创建一个新模型。Google Cloud 提供了如 Vertex AI 等多种易于使用的工具，帮助在具有或不具有 AI 和机器学习背景的项目中使用生成式 AI。 在技术原理方面，生成式 AI 生成的内容叫做 AIGC。相关技术名词包括： 1. AI 即人工智能。 2. 机器学习是电脑找规律学习，包括监督学习、无监督学习、强化学习。 监督学习使用有标签的训练数据，目标是学习输入和输出之间的映射关系，包括分类和回归。 无监督学习的数据没有标签，算法自主发现规律，经典任务如聚类。 强化学习从反馈里学习，最大化奖励或最小化损失，类似训小狗。 3. 深度学习是一种参照人脑有神经网络和神经元的方法（因有很多层所以叫深度），神经网络可用于监督学习、无监督学习、强化学习。 4. 生成式 AI 可以生成文本、图片、音频、视频等内容形式。 5. LLM 是大语言模型。对于生成式 AI，生成图像的扩散模型不是大语言模型；对于大语言模型，生成只是其中一个处理任务，如谷歌的 BERT 模型，可用于语义理解（不擅长文本生成），如上下文理解、情感分析、文本分类。 2017 年 6 月，谷歌团队发表论文《Attention is All You Need》，首次提出了 Transformer 模型，它完全基于自注意力机制（SelfAttention）来处理序列数据，而不需要依赖于循环神经网络（RNN）或卷积神经网络（CNN）。Transformer 比 RNN 更适合处理文本的长距离依赖性。