请问什么是SOP？

SOP（标准操作程序）在 AI 相关的项目中具有重要作用，以下是一些关于 SOP 的示例： 在 AI 动画短片制作中，SOP 流程包括： 1. 项目规划：确定短片主题和目标观众，制定详细的制作计划。 2. 剧本创作：编写故事脚本，设计角色和场景以及创意。相关剧本创作资料可参考：https://waytoagi.feishu.cn/wiki/G11fwW8bmiVLe6kYLgYc2iGin6e ；捏剧本 Bot（捏剧本离谱村专用 ：https://www.coze.cn/store/bot/7367669913697239052?panel=1&bid=6cs144r404016 。 3. 分镜头脚本：根据脚本制作分镜头脚本，确定每个镜头的画面和动作。 4. 资源准备：准备动画制作所需的素材，包括背景、角色和音效。 5. 画面图片制作：利用 AI 出图工具，比如通过 ChatGPT、MJ、SD 等工具快速生成高质量的图片。 6. 视频制作：利用 AI 工具制作动画，通过 RUNWAY、Luma、Dreamina 等平台快速生成高质量的动画。 在 AI 主题自媒体短视频创作工作坊中，小组 1 的使用工具 SOP 为： 1. 选定主题：校招场景下的递进式+反转风格 AI 图文短视频。 2. 撰写递进脚本：保持基本提示词不变的情况下，只修改表情的关键词通过 ChatGPT4DELLE 生图。 此外，还有如“剧本创作”Bot 也是基于专业的剧本制作标准流程（SOP）和专业提示词来制作的。

以下是关于 AI 应用开发的 SOP： 对于不会代码的开发者： 可以在 20 分钟内循序渐进地完成以下任务： 完成一个简单程序。 完成一个爬虫应用，抓取公众号文章。 完成一个 AI 应用，为公众号文章生成概述。 在完成一个 AI 应用后，如果希望继续精进，可以学习以下内容： 继承和多态：了解类之间的继承关系以及如何实现多态。 异常处理： 理解异常：了解什么是异常，以及它们在 Python 中是如何工作的。 异常处理：学习如何使用 try 和 except 语句来处理程序中可能发生的错误。 文件操作： 文件读写：学习如何打开文件、读取文件内容以及写入文件。 文件与路径操作：理解如何使用 Python 来处理文件路径，以及如何列举目录下的文件。 对于 AI 知识的深入学习，可以尝试了解以下基础内容： AI 背景知识： 基础理论：了解人工智能、机器学习、深度学习的定义及其之间的关系。 历史发展：简要回顾 AI 的发展历程和重要里程碑。 数学基础： 统计学基础：熟悉均值、中位数、方差等统计概念。 线性代数：了解向量、矩阵等线性代数基本概念。 概率论：基础的概率论知识，如条件概率、贝叶斯定理。 算法和模型： 监督学习：了解常用算法，如线性回归、决策树、支持向量机（SVM）。 无监督学习：熟悉聚类、降维等算法。 强化学习：简介强化学习的基本概念。 评估和调优： 性能评估：了解如何评估模型性能，包括交叉验证、精确度、召回率等。 模型调优：学习如何使用网格搜索等技术优化模型参数。 在核心产品链路方面： 第 7 步是应用发布和线上调测。 核心概念包括： AI 应用：围绕大模型能力的 AI 应用，以自然语言为主要交互形式，通常包含一个或多个技能。 技能（Skills）：AI 应用所具备的各种能力，如应用问答、数据查询、数据更新等。 数据和知识：支撑 AI 技能的数据资产，聚合各类数据，包括数据表、分析表、知识库和数据流。 记忆：存储和检索信息的能力，用于学习和记忆与用户和环境交互中的经验，为用户提供更定制化更精准的服务。 权限：定义数据可被哪些用户访问和操作。 模型配置：配置 AI 应用使用的模型及相关参数。 应用发布：将开发好的应用发布到不同渠道，如 Lark Bot 和 My AI 等。 应用管理：应用发布上线后，管理应用的数据、进行角色授权、监控应用使用状态等。

以下大模型工具可能有助于您完成纯文字 PPT 的配图和优化： 1. Stable Diffusion：其中的 loraprompttool 插件是一个神器。安装方式可以在扩展面板中点击“从网址安装”，输入 https://github.com/a2569875/loraprompttool ，或者将插件文件夹复制到“……\\sdwebuiakiv4\\extensions”目录下。安装完成后重启 webUI，在想要使用的 lora 上面点击右键，即可看到触发词并加载到正向提示词中。 2. 对于大模型工具的选择，推荐顺序如下：chatGPT 4.0、kimichat、智谱清言 4。国产大模型中，智谱和文心在文生图方面也有一定能力。

目前，一些大模型具备从给出的视频中精准提取图片的能力。例如，多模态大模型可以实现这一功能。 多模态技术能够从图像中提取文本，理解图像或视频中发生的事情，识别物体、场景甚至情绪。像谷歌的 Gemini 多模态大模型，它可以处理多种不同的任务，应用范围广泛。 在实际应用中，比如有人想为一只猫买新衣服，可以给模型提供两张猫的图片，同时提供一个文本提示，询问什么样的衣服适合这只猫，模型会给出响应。又比如在解决物理问题时，提供包含问题和学生答案的图像以及文本提示，模型能够逐步推理并判断答案是否正确。 但需要注意的是，不同的大模型在具体的提取效果和精度上可能会有所差异，具体的应用效果还需要根据实际情况进行评估和选择。

如果您是零基础想要学习 AI，以下是一些建议： AI 提示词工程师方向： 网上有很多基础课程可供选择，比如一些科普类教程。 阅读 OpenAI 的文档，理解每个参数的作用和设计原理。 推荐一些练手的 Prompt 工具和相关教程文档。 强化学习方向： 如果概率论和线性代数知识遗忘较多，可以学习相关课程，大约周末一天时间。 若对机器学习无基础，可先看吴恩达的课程，再以李宏毅的课程作为补充。只关注入门的话，看前几节讲完神经网络的部分，约 25 小时。 跟着《动手学深度学习 https://hrl.boyuai.com/》动手学习并写代码，入门看前五章，约 10 小时。 观看 B 站王树森的深度学习课程的前几节学习强化学习基础知识点，约 5 小时。 上手做项目时，可以看《动手学强化学习》，看到 DQN 部分，约十几小时。 Stable Diffusion 方向： 含每节课的知识图谱与必要资料内容，请根据对应课程章节点击下方标题进入： B 站首门系统的 AI 绘画入门教程：https://space.bilibili.com/1814756990 提示词宝典：BV12X4y1r7QB 模型新手包：BV1Us4y117Rg 汉化及扩展安装：BV1hz4y1a76M 学习资料链接：🔗：https://nenly.notion.site/017c3341c8b84a7ebb4c2cb16f36e28f 随堂练习素材下载：🔗夸克：https://pan.quark.cn/s/98b88f75cc5f

以下是一些可以用于户型图设计的工具： 1. HDAidMaster：这是一款云端工具，在建筑设计、室内设计和景观设计领域表现出色，搭载自主训练的建筑大模型ArchiMaster，软件的UI和设计成果颜值在线。 2. Maket.ai：主要面向住宅行业，设计师输入房间面积需求和土地约束，软件能自动生成户型图并查看详细设计结果。 3. ARCHITEChTURES：AI驱动的三维建筑设计软件，在住宅设计早期阶段可引入标准和规范约束AI生成的设计结果，保证设计合规性。 4. Fast AI 人工智能审图平台：形成全自动智能审图流程，将建筑全寿命周期内的信息集成，实现数据汇总与管理。 每个工具都有其特定的应用场景和功能，建议您根据自己的具体需求来选择合适的工具。

以下是国内一些 AI 大模型的优势： 通义千问：由阿里云开发，能够与人交互、回答问题及协作创作。 科大讯飞（SparkDesk）：有免费接口，在某些应用场景中具有出色表现。 智谱清言：在聊天状态下能生成 Markdown 格式。 文心一言：百度出品的 AI 对话产品，定位为智能伙伴，能写文案、想点子，又能陪你聊天、答疑解惑。 抖音（云雀大模型）：暂未明确其独特优势。 智谱 AI（GLM 大模型）：暂未明确其独特优势。 中科院（紫东太初大模型）：暂未明确其独特优势。 百川智能（百川大模型）：暂未明确其独特优势。 商汤（日日新大模型）：暂未明确其独特优势。 MiniMax（ABAB 大模型）：目前不能进行自然语言交流，但有语音合成等特色功能。 Kimi 智能助手：由 Moonshot AI 出品，有着超大“内存”，可以一口气读完二十万字的小说，还会上网冲浪。 需要注意的是，不同大模型的优势会因应用场景和用户需求的不同而有所差异。

以下是一些对您开始学习 AI 很有帮助的资源： ：通过实用的例子和代码，解释了 AI 基础知识的全面、免费的课程。