我想用使用AsrTools，用于语言转文字，如何使用

个人用户使用 DeepSeek 卡顿可参考以下解决方法： 1. 创建工作流： 创建一个对话流，命名为 r1_with_net。 开始节点直接使用默认的。 大模型分析关键词设置：模型选择豆包通用模型lite，输入直接使用开始节点的 USER_INPUT 作为大模型的输入，系统提示词设为“你是关键词提炼专家”，用户提示词为“根据用户输入`{{input}}`提炼出用户问题的关键词用于相关内容的搜索”。 bingWebSearch搜索：插件选择 BingWebSearch，参数使用上一个节点大模型分析输出的关键词作为 query 的参数，结果中 data 下的 webPages 是网页搜索结果，将在下一个节点使用。 大模型R1 参考搜索结果回答：这里需要在输入区域开启“对话历史”，模型选择韦恩 AI 专用 DeepSeek，输入包括搜索结果、选择开始节点的 USER_INPUT，开启对话历史并设置 10 轮。 结束节点设置：输出变量选择大模型R1 参考搜索结果回答的输出，回答内容里直接输出:{{output}}。 测试并发布工作流：输入测试问题，测试完成后直接发布工作流。 2. 核心路径：通过工作流+DeepSeek R1 大模型，实现联网版的 R1 大模型。 3. 拥有扣子专业版账号：如果还是普通账号，请自行升级或注册专业号后使用。 4. 开通 DeepSeek R1 大模型：访问地址：https://console.volcengine.com/cozepro/overview?scenario=coze ，打开火山方舟，找到开通管理，找到 DeepSeek R1 模型，点击开通服务，添加在线推理模型，添加后在扣子开发平台才能使用。 5. 创建智能体：点击创建，先完成一个智能体的创建。 6. 多种可以使用的方法和途径： 使用 Coze 接入：2 月 14 日 8 点直播进行中，火山引擎解决方案专家带大家在 Coze 搭建满血版 R1 bot。飞书会议直播结束，回放看： 。 创建账号：如果还是普通账号，请自行升级或注册专业号后使用。创建智能体：点击创建，先完成一个智能体的创建。如果在最上面的教程里已经创建好自己的推理点了，那么直接在 Bot 编排里就可以直接看到和选择创建好的推理模型了。测试一下，可以用了直接发布。注意事项：如果发布到公共空间，其他人用的是你的 API，要注意 Token 消耗（也可以设置成仅自己使用）。如果想搭建联网及复杂的工作流，可以看完整搭建教程：

以下是关于在不同场景中使用助手的方法： 在 Cherry Studio 中使用助手 1. 创建大模型问答应用 进入百炼控制台的，在页面右侧点击新增应用。在对话框，选择智能体应用并创建。 在应用设置页面，模型选择通义千问Plus，其他参数保持默认。您也可以选择输入一些 Prompt，比如设置一些人设以引导大模型更好的应对客户咨询。 在页面右侧可以提问验证模型效果。不过您会发现，目前它还无法准确回答你们公司的商品信息。点击右上角的发布。 2. 获取调用 API 所需的凭证 在我的应用>应用列表中可以查看所有百炼应用 ID。保存应用 ID 到本地用于后续配置。 在顶部导航栏右侧，点击人型图标，点击 APIKEY 进入我的 APIKEY 页面。在页面右侧，点击创建我的 APIKEY，在弹出窗口中创建一个新 APIKEY。保存 APIKEY 到本地用于后续配置。 在 Stable Diffusion 中使用 Civitai 助手 您可以去 C 站搜索下载 Civitai 助手，如果上不了 C 站可以去我的百度云盘里下载，然后放在“……\\sdwebuiakiv4\\extensions”路径文件夹下。安装完成后，重启 webUI，就可以在上方的标签选项卡中找到这个插件。 Civitai 助手的功能包括： 1. 下载预览图：它可以自动扫描您的所有文件，如果模型是从 C 站下载的，会帮您自动匹配好缩略图。对于其他来源的模型，可能无法匹配成功，需要手动添加。点击刷新旁边的按钮，再把鼠标放在模型的名字上，可以看见新的四个图标，分别是用当前生成图替换为预览图、在新标签页打开这个模型的 Civitai 页面、一键添加这个模型的触发词到关键词输入框、一键使用这个模型预览图所使用的关键词。 2. 下载文件：当您看到 C 站上喜欢的模型，只需要将网址粘贴进来，点击“从 Civitai 链接拉取模型信息”，等拉取完之后，选择要放置的文件夹和模型的版本，点击下载即可，下载完之后预览图也会自动配好。 3. 检查更新：模型和 lora 的更新迭代很快，点击这个按钮可以自动检索您电脑上目前的模型有没有更新的版本。 在 Trae 中指定上下文进行 AI 对话 通过File，您可以将指定文件中的所有内容作为与 AI 助手对话的上下文。列表中默认展示近期在编辑器中打开过的文件。您可以预览这些文件所在的目录，以免因存在同名文件而导致错选。若展示的文件非您所需，您可以通过关键词搜索所需文件。 1. 在输入框中输入，或直接点击输入框左下角的引用按钮。 2. 输入框上方显示上下文类型选择列表。 3. 在列表中选择 File（或在符号后手动输入 File），然后按下回车键。 4. 列表展示近期在编辑器中打开过的文件。将鼠标悬浮在列表中的某个条目后，左侧会展示该文件所在的目录。 5. 若推荐的文件非您所需，在File:后输入您想要的文件的名称或关键词。 6. 从列表中选择需指定为上下文的文件。 7. 在输入框的文件标识后，输入您的问题并发送。

以下是关于输入观点一键生成文案短视频以及飞书多维表格使用的相关内容： 概述： 基于其他博主开源的视频生成工作流进行功能优化，实现视频全自动创建。感谢开源，现写教程供参考。 先看效果： 功能： 通过表单输入主题观点，提交后自动创建文案短视频，创建完成后推送视频链接到飞书消息。 涉及工具： 1. Coze 平台（工作流、DeepSeek R1、文生图、画板、文生音频、图+音频合成视频、多视频合成） 2. 飞书（消息） 3. 飞书多维表格（字段捷径、自动化流程） 大体路径： 1. 通过 Coze 创建智能体，创建工作流，使用 DeepSeek R1 根据用户观点创建文案，再创建视频。 2. 发布 Coze 智能体到飞书多维表格。 3. 在多维表格中使用字段捷径，引用该智能体。 4. 在多维表格中创建自动化流程，推送消息给指定飞书用户。 智能体发布到飞书多维表格： 1. 工作流调试完成后，加入到智能体中。可以选择工作流绑定卡片数据，智能体则通过卡片回复，直接返回视频、可查看。绑定卡片数据可自己研究，不明白可留言。 2. 发布时选择需要的发布渠道，重点讲飞书多维表格。记得智能体提示词的 4 个变量，写了那 4 个变量，发布时这里会自动出现。填写上架信息（为快速审核，选择仅自己可用），确认发布等待审核。审核通过后，即可在多维表格中使用。 多维表格的字段捷径使用： 1. 创建飞书多维表格，添加相关字段。配置如下图，即可使用字段捷径功能，使用自己创建的 Coze 智能体。选择“自动更新”，输入前边的 4 个字段后，“文案视频自动化”字段捷径会自动调用工作流，生成视频。 2. 表单分享，实现文章最初的效果“填写表单，自动创建文案短视频”。 自动化推送： 点击多维表格右上角的“自动化”，创建想要的自动化流程。 此外，还有关于线下活动 SOP 的使用案例： 完全用飞书的各种功能组合完成，场地来自大家支持。 1. 活动宣传：用飞书文档制作活动宣传页面。 2. 活动报名：用飞书的多维表格完成及数据统计。 3. 活动过程：大家在线协同，一起编辑文档，演示时共同展示一个文档。 4. 活动记录。 办活动的初衷是宣扬 AI 不只是降本增效的工具，还有很多乐趣等待挖掘。

以下是使用国内的 AI 绘画工具制作文章插图或四格图的一些方法和示例： 1. 像素风格插画： 关键词：3D,16bit pixel art,Super mario,Minecraft,LEGO,pixel style,Blocksplicing,girl with long hair,Alice in Wonderland,garden background,8K–uplight–ar 9:16–v 5 生成的图片示例：像素女孩插画 2. 手机壁纸插画： 关键词：mobile wallpaper illustrations,four seasons,natural landscapes,minimalist illustrations,line illustrations–ar 9:16–niji 生成的图片示例：手机壁纸 3. 新海诚风格插画： 关键词：Makoto Shinkai animation style,a girl,4K–ar 9:16–niji 生成的图片示例：新海诚动漫海报 4. 国潮插画： 关键词：Make posters of James Jean,white deer,auspicious clouds,birds,distant mountains,Chinese ChinaChic style,colorful,light color,gradient color–ar 9:16 生成的图片示例：国潮白鹿插画 此外，在使用 AI 绘画工具时，您还可以参考以下提示： 对于不同的需求和风格，精心设计和选择合适的关键词。 不断尝试和调整关键词，以获得更满意的绘画效果。 需要注意的是，不同的国内 AI 绘画工具可能在功能和效果上有所差异，您可以根据实际情况进行选择和探索。

AI 提示词的使用方法如下： 1. 了解提示词的作用：提示词用于描绘您想要生成的画面或内容。 2. 输入语言： 星流通用大模型与基础模型 F.1、基础模型 XL 使用自然语言（如“一个长头发的金发女孩”），基础模型 1.5 使用单个词组（如“女孩、金发、长头发”）。 支持中英文输入。 3. 写好提示词的要点： 内容准确：包含人物主体、风格、场景特点、环境光照、画面构图、画质等，例如“一个女孩抱着小猫，背景是一面红墙，插画风格、孤独感，高质量”。 调整负面提示词：点击提示框下方的齿轮按钮，弹出负面提示词框，输入不想生成的内容，如“不好的质量、低像素、模糊、水印”。 利用“加权重”功能：在功能框增加提示词，并进行加权重调节，权重数值越大，越优先。还可对已有的提示词权重进行编辑。 辅助功能：包括翻译功能（一键将提示词翻译成英文）、删除所有提示词（清空提示词框）、会员加速（加速图像生图速度，提升效率）。 预设词组：小白用户可以点击提示词上方官方预设词组进行生图。 4. 在 Adobe Firefly 的“文生视频（Text to Video）”和“图生视频（Image to Video）”中： 尽量使用更多词汇具体描述光线、摄影、色彩、氛围和美学风格。 遵循提示词公式：镜头类型描述+角色+动作+地点+美学风格。 构建提示词时，建议限制主题数量，过多主题可能会让 Firefly 感到困惑。 5. 编写提示词的通用建议： 明确任务：清晰定义任务，如写故事时包含背景、角色和主要情节。 提供上下文：任务需要背景知识时提供足够信息。 使用清晰语言：避免模糊或歧义词汇。 给出具体要求：明确格式或风格要求。 使用示例：提供期望结果的示例。 保持简洁：避免过多信息导致困惑。 使用关键词和标签：帮助 AI 模型理解任务主题和类型。 测试和调整：根据生成结果仔细检查并调整提示词。

以下是一些使用 AI 帮助您改进和扩写研究生论文的指令方法： 1. 扩写与改写法： 自己给出开头，让 AI 知道结尾，避免模糊式提问，例如提供内容的上半部，让 AI 撰写下半部，并包含必要内容。 将生成的内容以不同写作技巧、强硬转换风格，多滚动几次，写出多样版本与风格，降低初稿修改时间。 例如：请帮我以「失眠的原因」撰写一篇内容；给出关于「失眠的原因」的开头，让 AI 撰写文章的下半段，包含特定内容；将整篇内容以不同写作技巧改写，如第一人称、学术性/商务性风格。 2. 反问法：让 AI 问您问题，您会发现它思考更仔细，也能了解其逻辑并修正。 例如：请帮我撰写一个短视频脚本，要求如下；如果想要特定类型的短视频脚本，需要提供什么资料给 AI；让 AI 当导师，引导您完成能创造社群话题的短视频脚本。 3. 基于特定工作流： 利用 ChatGPT 的 Custom Instructions 功能，但写长篇时 AI 可能遗忘或对指令遵循程度不稳定，此时需要把大纲变成细纲。 还可以使用扩写器结合小说设定、大纲、细纲等方式。

以下是关于移动端图片视觉处理中图片上文字识别与提取的方法： 1. 图像预处理： 图像去噪：运用去噪算法（如高斯滤波、中值滤波）去除图像中的噪声。 图像增强：通过增强算法（如直方图均衡化、对比度增强）提高图像的清晰度和对比度。 2. 图像分割： 采用图像分割算法将试卷图像中的书写笔迹和背景分离，常用分割算法包括阈值分割、边缘检测和基于区域的分割方法。 3. 文字检测： 在分割后的图像中，使用文字检测算法（如基于深度学习的文本检测模型）识别出试卷上的文字区域。 4. 文字识别： 对检测到的文字区域进行文字识别，将文字内容转换为计算机可处理的文本数据。常用文字识别技术包括基于深度学习的端到端文本识别模型和传统的 OCR 技术。 5. 后处理： 根据需求进行后处理，如去除残余噪点、填补文字区域空白等。 6. 机器学习模型训练（可选）： 若有足够数据，可采用机器学习技术训练模型，通过学习样本中的书写笔迹特征来自动去除试卷上的笔迹。 7. 优化算法： 对整个处理流程进行优化，提高处理速度和准确度。可采用并行计算、硬件加速等方法提升算法效率。 8. 移动端集成： 将设计好的算法和模型集成到移动应用程序中，以实现试卷拍照去除书写笔迹的功能。可使用移动端开发框架（如 iOS 的 Core ML、Android 的 TensorFlow Lite）来实现模型的部署和调用。 在 AI 拍立得的工作流中，也涉及到图片文字的提取，其核心处理能力交由阿里云百炼大模型平台端执行，该模型系统集成了多模态的大模型以及垂直领域的小模型，也包含了知识库和插件的能力，处理链条涵盖了从图片的识别与理解、图片文字的提取，再到将文字与场景内容相结合，同时也能够支持风格化重构和输出的整个过程。在 0 基础手搓 AI 拍立得的工作流中，实现图片文字提取的步骤包括上传输入图片、理解图片信息并提取图片中的文本内容信息等。

以下是一些可用于快速记录语音并转换文字的 AI 工具： 1. 海螺 AI 声音克隆：不仅能进行声音克隆，还能嵌入完整的 AI 录视频工作流。具体步骤包括录制初始视频、音频提取（可用剪映或格式工厂将 mp4 转为 mp3）、语音转文字（可上传至通义听悟或飞书妙记）。但可能会遇到语音识别不准的问题，此时可使用 Gemini 2.0 Pro 等工具进行优化校正，校正时需提供足够上下文，如视频初稿、最终文章、工作流操作文档、转录文本等。 2. GET 笔记：语音转文字功能适合快速构思和记录灵感，能自动润色，去掉口癖和冗余部分。 3. 通义听悟：适合处理较长的会议录音等文字内容。它能通过 TTS 技术将音视频中的语音转换成文字，还能识别不同发言人。使用时可登录官网 https://tingwu.aliyun.com/，根据实际情况选择实时记录或上传音视频，并选择录音背景信息，如单人、双人还是多人，以及语言种类等。完成转录后会显示 AI 总结的关键词和全文摘要。

很抱歉，目前知识库中没有关于如何识别视频链接并转为文字稿的相关内容。但一般来说，您可以尝试使用以下几种方法： 1. 利用在线视频转文字工具：在网上有许多专门的工具和服务，您可以通过搜索引擎查找并选择可靠的工具来进行转换。 2. 手动听录：如果视频较短或对准确性要求较高，您可以自己通过聆听视频内容并手动记录为文字稿。 3. 借助语音识别软件：部分语音识别软件可能支持对视频中的声音进行识别并转换为文字。 希望这些建议对您有所帮助。

以下是一些免费文字生成视频的工具和相关信息： 1. Pika：一款出色的文本生成视频 AI 工具，擅长动画制作，支持视频编辑，目前内测免费。生成服务托管在 discord 中，加入 Pika Labs 的 Discord 频道，在“generate”子区输入指令或上传本地图片即可生成视频。 2. SVD：如果熟悉 Stable Diffusion，可以安装这款最新的插件，在图片基础上直接生成视频，由 Stability AI 开源。 3. 剪映海外版 CapCut 推出了文字生成视频功能，每人每天可以免费生成五次：https://www.capcut.com/editortools/aivideogenerator 更多的文生视频的网站可以查看这里：https://www.waytoagi.com/category/38 此外，还有一些相关动态： 1. Arc Search 浏览器有双指捏合自动总结页面内容的新功能。 2. 现在可以给 GPTs 打分，同时在关于页面展示评分、类别、对话数量、会话开场白等信息。 3. Stability AI 官方的 SVD 视频生成平台公测了：https://www.stablevideo.com/login?returnUrl=%2F 4. 字节发布了一个用类似 SDXL Turbo 的模型 SDXLLightning，只需几步即可生成高质量的 1024px 图像：https://huggingface.co/ByteDance/SDXLLightning 5. Gemini Advanced 现在可以有似代码解释器的东西来运行 Python 代码。 6. 𝕏正在与 Midjourney 就潜在的合作伙伴关系进行谈判。 7. AnimateLCMSVDxt 利用了 LCM 技术蒸馏的 SVD 模型，只需要四步就能生成不错的视频:https://huggingface.co/wangfuyun/AnimateLCMSVDxt 8. 谷歌确认与 Reddit 合作，谷歌可以访问 Reddit 的数据 API（用于人工智能和搜索），Reddit 将使用谷歌的人工智能来改进其搜索功能。

以下是关于语音转文字的相关信息： 推荐工具： OpenAI 的 wishper 相关链接： https://huggingface.co/openai/whisperlargev2 https://huggingface.co/spaces/sanchitgandhi/whisperjax （此项目在 JAX 上运行，后端支持 TPU v48，与 A100 GPU 上的 PyTorch 相比，快 70 多倍，是目前最快的 Whisper API） 语音转文本（Speech to text） 介绍： 语音转文本 API 提供转录和翻译两个端点，基于开源大型v2 Whisper 模型。可用于将音频转录为任何语言，将音频翻译并转录成英语。 文件上传限制为 25MB，支持 mp3、mp4、mpeg、mpga、m4a、wav 和 webm 等输入文件类型。 快速入门： 转录：输入音频文件及所需输出格式的音频文字稿，默认响应类型为包含原始文本的 JSON，可添加更多带有相关选项的form 行设置其他参数。 翻译：输入音频文件，输出为被翻译成英文的文本，目前仅支持英语翻译。 更长输入： 默认 Whisper API 仅支持小于 25MB 的文件，更长的音频文件需分成小于 25MB 的块或使用压缩后格式，可使用 PyDub 开源 Python 软件包来拆分声频文件，但 OpenAI 对其可用性或安全性不作保证。 提示： 可使用提示提高转录质量，模型会尝试匹配提示风格，但提示系统受限，仅提供有限控制。 示例：改善特定单词或缩略语的识别；利用先前片段的转录保留分段文件的上下文；避免标点符号被跳过；保留填充词汇；处理不同书写风格。

将文字故事生成影片通常需要以下步骤、工具和可能达成的效果： 步骤： 1. 小说内容分析：使用 AI 工具（如 ChatGPT）分析文字故事内容，提取关键场景、角色和情节。 2. 生成角色与场景描述：根据故事内容，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）将文字故事转换为语音，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。 工具与网址： 1. Stable Diffusion：一种 AI 图像生成模型，可以基于文本描述生成图像。网址：https://github.com/StabilityAI 2. Midjourney：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：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：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：https://pika.art/waitlist 5. Clipfly：一站式 AI 视频生成和剪辑平台。网址：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：https://www.veed.io/zhCN/tools/aivideo 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：https://tiger.easyartx.com/landing 8. 故事 AI 绘图：小说转视频的 AI 工具。网址：https://www.aihub.cn/tools/video/gushiai/ 效果：通过合理运用上述步骤和工具，可以生成具有一定创意和质量的影片，但具体效果可能会受到原始文字故事质量、工具使用熟练程度以及个人创意等因素的影响。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。

国内主流的大语言模型公司主要有以下几家： 1. 百度：其文心一言大语言模型可用以文学创作、商业文案创作、数理逻辑推算、中文理解、多模态生成等。 2. 阿里巴巴：拥有通义大模型。 3. 北京智源人工智能研究院：推出了“悟道・天鹰”，是首个具备中英文双语知识、支持商用许可协议、国内数据合规需求的开源语言大模型。

以下是一些国内的大语言模型： 1. 文心一言：可用于文学创作、商业文案创作、数理逻辑推算、中文理解、多模态生成等。 2. 讯飞星火：通用模型，处理自然语言。 3. “悟道・天鹰”（北京智源人工智能研究院）：首个具备中英文双语知识、支持商用许可协议、国内数据合规需求的开源语言大模型。 此外，如果想了解国内大模型的效果，可以参考第三方基准评测报告：

目前飞书中可能没有直接将一段话批量翻译成不同国家语言的内置功能。但您可以借助一些第三方的翻译工具或软件来实现，比如谷歌翻译、百度翻译等。您将需要翻译的段落复制到这些工具中，然后选择您想要翻译的目标语言进行批量翻译。

以下是关于 AI 广告视频运镜和镜头语言的相关内容： 脚本和分镜创作： 对于一个 30 秒时长的奔驰 GLE300L 广告脚本，要突出豪华感和车辆特点。脚本应包括时长、内容（开场白、汽车基本介绍、亮点展示、客户证言或推荐、呼吁行动）、音乐、台词、道具、景别和运镜等方面的规划。 可借助 Claude 生成脚本，若不满意可要求修改。 海螺超级创作者的经验： Jason Lee 用 DeepSeek+海螺 AI 组合，通过复杂的运镜，如电影级和游戏级的运镜，挑战视频模型的能力边界，并得到了意想不到的反馈。 这类大片级运镜涉及大量非常规的镜头语言，其复杂性在于“有限技术资源与无限创意需求”的博弈，需要在经费、技术、艺术表达之间不断折衷。 运镜宝典： 推镜头：在电影《教父》、广告的产品细节展示、AI 视频的人物情感变化强调等场景中有应用。 拉镜头：在电影《肖申克的救赎》、广告从产品细节到品牌标识的过渡、AI 视频的故事结束时的情感释放等场景中有应用。 摇镜头：在电影《指环王》、广告展示产品系列或空间连续性、AI 视频的虚拟环境空间介绍等场景中有应用。 移镜头：在电影《布达佩斯大饭店》、广告展示产品系列或连续摆放的物品、AI 视频展示虚拟展厅中的多个展品等场景中有应用。 跟镜头：在电影《鸟人》、广告跟随使用产品的人物展示使用过程、AI 视频跟随角色穿越不同场景保持叙事连贯性等场景中有应用。 升降镜头：在电影《泰坦尼克号》、广告从产品细节上升到品牌环境的转变、AI 视频从人物对话上升到展示整个场景的氛围等场景中有应用。

以下是关于 AI 广告视频运镜和镜头语言的相关内容： 脚本和分镜创作： 对于一个 30 秒时长的奔驰 GLE300L 广告脚本，要突出豪华感并展现车辆特点，包括动力配置、内饰配置等。脚本结构应包含时长、内容（开场白、汽车介绍、亮点展示、客户证言、呼吁行动）、音乐、台词、道具、景别和运镜等方面。 可利用 Claude 生成脚本，若不满意可要求修改。 海螺超级创作者的经验： Jason Lee 用 DeepSeek+海螺 AI 尝试复杂运镜，如电影级和游戏级运镜，挑战视频模型能力边界，并得到意想不到的反馈。 大片级运镜涉及大量非常规镜头语言，其复杂性在于“有限技术资源与无限创意需求”的博弈，需要平衡多方面因素，且对 AI 视频工具的空间理解能力要求较高。 运镜宝典中的应用场景示例： 推镜头：在电影《教父》、广告的产品细节展示、AI 视频的人物情感变化强调等场景中有应用。 拉镜头：在电影《肖申克的救赎》、广告从产品细节到品牌标识的过渡、AI 视频的故事结束时情感释放等场景中有应用。 摇镜头：在电影《指环王》、广告展示产品系列或空间连续性、AI 视频的虚拟环境空间介绍等场景中有应用。 移镜头：在电影《布达佩斯大饭店》、广告展示产品系列或连续摆放的物品、AI 视频展示虚拟展厅中的多个展品等场景中有应用。 跟镜头：在电影《鸟人》、广告跟随使用产品的人物展示使用过程、AI 视频跟随角色穿越不同场景保持叙事连贯性等场景中有应用。 升降镜头：在电影《泰坦尼克号》、广告从产品细节上升到品牌环境的转变、AI 视频从人物对话上升到展示整个场景的氛围等场景中有应用。

大语言模型的技术原理包括以下几个方面： 1. 相关概念与关系： AI 即人工智能。 机器学习是电脑找规律学习，包括监督学习（有标签的训练数据，算法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（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）。 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。 生成式 AI 可以生成文本、图片、音频、视频等内容形式。 LLM 即大语言模型，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。 2. 技术里程碑：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）。 3. 工作原理： 包括训练数据、算力、模型参数，在训练数据一致情况下，模型参数越大能力越强。 Transformer 是大语言模型训练架构，具备自我注意力机制能理解上下文和文本关联，其工作原理是单词预测，通过嵌入、位置编码、自注意力机制生成内容，模型调教中有控制输出的 temperature。 Transformer 模型通过不断检索和匹配来寻找依赖关系，处理词和词之间的位置组合，预测下一个词的概率，是一个偏向概率预测的统计模型。 4. 可能存在的问题：大模型可能因错误数据导致给出错误答案，即大模型幻觉，优质数据集对其很重要。 5. 相关应用： 国内大模型有通用模型如文心一言、讯飞星火等，处理自然语言；还有垂直模型，专注特定领域如小语种交流、临床医学、AI 蛋白质结构预测等。 Prompt 分为 system prompt、user prompt 和 assistant prompt，写好 prompt 的法则包括清晰说明、指定角色、使用分隔符、提供样本等，核心是与模型好好沟通。 Fine tuning 微调是基于通用大模型，针对特定领域任务提供数据进行学习和调整，以适应特定领域的需求。