AIGC会如何革新内容创作能否替代创作者

AIGC行业资讯11个月前发布 编辑员
2.2K 0

AIGCAIGeneratedContent)不仅在写作,绘画,作曲多项领域达到“类人”表现,更展示出在大数据学习基础上的非凡创意潜能。

AIGC会如何革新内容创作能否替代创作者

  AIGC正在越来越多地参与数字内容的创意性生成工作,以人机协同的方式释放价值,成为未来互联网的内容生产基础设施。

从范围上看,AIGC逐步深度融入到文字,代码,音乐,图片视频,3D多种媒介形态的生产中,可以担任新闻,论文,小说写手,音乐作曲和编曲者,多样化风格的画手,长短视频的剪辑者和后期处理工程师,3D建模师等多样化的助手角色,在人类的指导下完成指定主题内容的创作,编辑和风格迁移工作。

从效果上看,AIGC在基于自然语言的文本,语音和图片生成领域初步令人满意,特别是知识类中短文,插画等高度风格化的图片创作,创作效果可以与有中级经验的创作者相匹敌,在视频和3D等媒介复杂度高的领域处于探索阶段,尽管AIGC对极端案例的处理,细节把控,成品准确率等方面仍有许多进步空间,但蕴含的潜力令人期待。

AIGC近期成了热点,不少小玩法开始出现在小红书,比较流行的是头像二次元化,效果较好。

输入用户资料-提取性别并判断-输出。

现实情况更加复杂,可能男性也会买,往往是在逢年过节的时候送礼用,那么性别(男)购买日期(临近节日),也能成为重要的特征,我们就要引入新的特征向量,即购买日期。

输入用户资料-提取性别&购买日期并判断-输出。

根据新的用户资料和购买行为,我们持续会发现新的特征有利于我们的判断,于是就引入更多新的特征,比如除了公共节假日,可能还要看用户女朋友/家人的生日,比如女性里面,购买口红概率更大的,可能会出现在某个年龄段,等等,这样“特征”就越来越多。

输入用户资料-提取性别&购买日期&年龄&…….并判断-输出。

我们输出的结论肯定就越来越准确,这就是机器学习运作的基本逻辑。

即然要提取这么多特征做判断,就要看不同的特征影响输出的程度有多大,性别和年龄可能权重大一些,其它的可能权重小一些,怎么判断呢,肯定不能人为,那就要训练一个模型。

    © 版权声明

    相关文章

    暂无评论

    暂无评论...