人工智能应用与实践教学课件-第4章-AIGC与多媒体.pptxVIP

ArtificialIntelligenceApplicationsandPractices芦碧波等人工智能应用与实践第四章AIGC与多媒体

目录行业PPT模板/hangye/01AIGC概述02多媒体创作03AIGC在其他领域的应用

01AIGC概述

AIGC：ArtificialIntelligenceGeneratedContent，人工智能生成内容/生成式人工智能AIGC技术的成熟标志着从文字到图像的跨越式创新，开启了内容创作的新纪元。AIGC的崛起，不仅改变了图像创作的面貌，更对整个多媒体内容生态产生了深远影响，促进了跨媒介内容的无缝融合，使得文字、图像、音频、视频等不同形式的内容能够相互转化，创造出更加丰富、立体、沉浸式的体验。AIGC也是人工智能领域发展最快的技术之一AIGC定义

AIGC发展专业生成内容用户生成内容人工智能生成内容UserGeneratedContent，UGCProfessionalGeneratedContent，PGCArtificialIntelligenceGeneratedContent，AIGC

AIGC的技术基础：基于生成对抗网络、大型预训练模型等人工智能技术狭义AIGC：通过已有数据的学习和识别，以适当的泛化能力生成相关内容的技术AIGC能够利用人工智能技术自动生成文本、图片、音频、视频等内容广义的AIGC也包括生成代码等其他方面的内容。AIGC定义

AIGC的发展历程大致可以分为3个阶段：早期萌芽阶段、沉淀积累阶段和快速发展阶段。1.早期萌芽阶段：1950，莱杰伦·希勒(LejarenHiller)和伦纳德·艾萨克森（LeonardIsaacson）通过将计算机程序中的控制变量改为音符，完成了历史上第一部由计算机创作的音乐作品——弦乐四重奏《依利亚克组曲（IlliacSuite）》。1966年，约瑟夫·韦岑鲍姆(JosephWeizenbaum)和肯尼斯·科尔比(KennethColbv)共同开发了世界上第一个机器人“伊莉莎(Eliza)”，其通过关键字扫描和重组来完成交互式任务。80年代中期，IBM基于隐马尔可夫链模型创造了语音控制打字机“坦戈拉（Tangora）”，能够处理两万个单词。AIGC的发展历程

2.沉积积累阶段：1990-2010AIGC从实验性向实用性逐渐转变，深度学习算法、图形处理单元(GPU)、张量处理器(TPU)和训练数据规模等都取得了重大突破，受到算法瓶颈的限制，效果有待提升。2007年，纽约大学人工智能研究员罗斯·古德温（RossGoodwin）装配的人工智能系统通过对公路旅行中的所见所闻进行记录和感知，撰写出世界上第一部完全由人工智能创作的小说《1TheRoad》。2012年，微软公开展示了一个全自动同声传译系统，通过深度神经网络（DNN）可以自动将英文演讲者的内容通过语音识别、语言翻译、语音合成等技术生成中文语音。AIGC的发展历程

3.快速发展阶段：2010-至今深度学习模型不断迭代，AIGC取得突破性进展，尤其在2022年，算法获得井喷式发展，底层技术的突破也使得AIGC商业落地成为可能。其中主要集中在AI绘画领域：2014年6月，生成式对抗网络（GenerativeAdversarialNetwork，GAN）被提出。2021年2月，OpenAI推出了CLIP（ContrastiveLanguage-ImagePre-Training）多模态预训练模型。2022年，扩散模型DiffusionModel逐渐替代GAN，在图像生成和编辑以及视频相关研究领域表现出色，成为大模型应用场景中的主流技术。Suno自成立起就在音乐生成领域独树一帜，其光环加持的创业团队、不断惊艳用户的模型效果、现象级的产品传播方式，反映了用户以及市场对AI音乐方向的关注。AIGC的发展历程

1.多模态大模型的定义多模态大模型是指在一个统一的框架下，集成了多种不同类型数据处理能力的大型神经网络模型，这些模型能够处理图像、文本、音频甚至音频等不同的数据模态，并在这些模态之间进行有效的交互和信息整合。与传统的单模态大模型相比，多模态大模型更加灵活和全面，能够更好地模拟人类对于不同感知模态信息的整合和理解能力。多模态技术的意义在于它能使人工智能系统更接近人类的处理方式，例如，同一信息可以通过文字、语音或图像等多种形式表达，AI系统通过多模态学习就能够理解并关联这些不同的表达形式，提高信息处理的准确性和效率。多模态大模型

2.多模态大模型的优势多模态大模型能够同时处理多种数据模态，