課程簡(jiǎn)介
第一天重點(diǎn)介紹多模態(tài)技術(shù)的背景、應(yīng)用場(chǎng)景、技術(shù)原理以及在內(nèi)容型公司的應(yīng)用實(shí)踐。內(nèi)容包括生成式AI、基礎(chǔ)大模型技術(shù)、圖片和視頻生產(chǎn)技術(shù)、ASR技術(shù)、虛擬人技術(shù)等。第二天則深入探討多技術(shù)原理，多模態(tài)在影視漫游類(lèi)的應(yīng)用，以及高質(zhì)量視頻生產(chǎn)的多模態(tài)工具使用。課程旨在通過(guò)理論與實(shí)踐相結(jié)合的方式，幫助學(xué)員全面理解并掌握多模態(tài)技術(shù)。
目標(biāo)收益
1，掌握多模態(tài)大模型的基本原理和技術(shù)框架，理解多模態(tài)數(shù)據(jù)處理的核心技術(shù)和方法。
2，深入了解多模態(tài)大模型在文字、音頻、影視等多個(gè)內(nèi)容賽道的應(yīng)用場(chǎng)景和市場(chǎng)需求，為實(shí)際應(yīng)用提供有力支持。
3，學(xué)會(huì)運(yùn)用多模態(tài)大模型進(jìn)行內(nèi)容理解、內(nèi)容生成等關(guān)鍵技術(shù)操作，提升在相關(guān)領(lǐng)域的工作效率和創(chuàng)新能力。
培訓(xùn)對(duì)象
課程大綱
|
模塊一：多模態(tài)基礎(chǔ)（第一天） 理論向（上午）：多模態(tài)技術(shù)背景與應(yīng)用介紹 |
1.熱身暖場(chǎng)：自我介紹&引子（Sora/LumaAI/多模態(tài)效果展示） 2.生成式AI與多模態(tài)技術(shù)背景：探討生成模型類(lèi)型、工作原理及應(yīng)用場(chǎng)景，包括文本、圖像、視頻生成等。 a.基礎(chǔ)大模型技術(shù)（性能、價(jià)格、速度） b.圖片可控生產(chǎn)技術(shù)（填充、涂抹、增強(qiáng)） c.Sora類(lèi)視頻化技術(shù)（運(yùn)動(dòng)、實(shí)體一致性、3D化） d.ASR、有聲、音樂(lè)技術(shù)（情感、旋律、音質(zhì)） e.虛擬人、具身智能與基礎(chǔ)算力服務(wù) 3.多模態(tài)業(yè)界前沿產(chǎn)品介紹。 a.多模態(tài)應(yīng)用行業(yè)地圖（工具向 & 娛樂(lè)向） b.基礎(chǔ)類(lèi)視覺(jué)圖片應(yīng)用（美圖、稿定、MJ等） c.基礎(chǔ)類(lèi)視頻應(yīng)用（Runway、Pika、Pixelverse & 快手可靈、LumaAI） d.辦公泛工具類(lèi)（AI-PPT、效率、創(chuàng)意） e.垂直場(chǎng)景類(lèi)2B應(yīng)用（客服、營(yíng)銷(xiāo)、培訓(xùn)等） f.情感陪伴類(lèi)C端應(yīng)用（星野、talkie、筑夢(mèng)島等） 4.互動(dòng)：自由問(wèn)答 |
| 實(shí)踐向（下午）：多模態(tài)在內(nèi)容型公司的應(yīng)用路徑 |
1.多模態(tài)應(yīng)用開(kāi)發(fā)實(shí)踐范式（整體開(kāi)發(fā)流程介紹） 2.落地技術(shù)選型（提示詞工程、開(kāi)源模型微調(diào)與私有化部署） 3.開(kāi)發(fā)資源與團(tuán)隊(duì)構(gòu)成（人員配置、開(kāi)發(fā)工具、創(chuàng)作者生態(tài)） 4.當(dāng)前內(nèi)部應(yīng)用示例（垂類(lèi)模型、可控生圖、規(guī)模化成本） 5.圖像實(shí)踐展開(kāi)： a.文生圖：Lora概念與常用推薦、提示詞書(shū)寫(xiě)規(guī)則 等； b.圖生圖：關(guān)鍵詞反推、局部重繪、畫(huà)風(fēng)轉(zhuǎn)化 等； c.ControlNet：插件原理、字體設(shè)計(jì)、AI模特服裝 等； 6.SD-WebUI與ComfyUI實(shí)踐展示 |
|
模塊二：多模態(tài)生產(chǎn)環(huán)境落地（第二天） 理論（上午）：多技術(shù)原理概覽 |
1.世界模型的起源？ a.AI視頻模型技術(shù)演進(jìn)（VDM/MAV/AnimateDiff/SVD/DIT/Sora） b.大模型發(fā)展：多模態(tài)輸入、多模態(tài)輸出 2.生產(chǎn)環(huán)境下多模態(tài)落地 a.圖片：IP衍生品/社區(qū)配圖/多格漫 b.有聲：多播、音樂(lè)、情感、模仿 c.虛擬人：數(shù)字分身、互動(dòng)唱歌、直播 3.成本與收益（GPU選型、推理加速框架、極限成本、市場(chǎng)價(jià)格） 4.互動(dòng)：自由問(wèn)答 |
| 實(shí)踐（下午）：多模態(tài)在影視漫游類(lèi)的應(yīng)用 |
1.拆解高質(zhì)量“AI我中華”視頻生產(chǎn)用到了哪些多模態(tài)工具 a.創(chuàng)意文案部分：劇本與創(chuàng)意模板提示詞； b.圖片部分：可控重繪、高質(zhì)超分、插幀渲染 等； c.視頻部分：SVD、Dreamina、Runway等； d.音樂(lè)部分：Suno、韻律模型、聲音克隆 等； e.整體合成：市場(chǎng)成本、實(shí)際成本； 2.實(shí)踐Dify/Coze 類(lèi)Agent平臺(tái)： a.簡(jiǎn)介：Workflow工作流與調(diào)試 介紹； b.驗(yàn)證：打造帶Function Call能力的Agent（創(chuàng)建Bot與使用插件）； c.多模態(tài)：Coze 圖像流 操作手冊(cè)； d.場(chǎng)景實(shí)踐（知識(shí)庫(kù)問(wèn)答、毛胚房裝修、電商廣告圖像流 等）； 3.互動(dòng)： a.自由問(wèn)答 分組練習(xí)：結(jié)合自己工作的業(yè)務(wù)特點(diǎn)進(jìn)行智能體建模。 |
|
模塊一：多模態(tài)基礎(chǔ)（第一天） 理論向（上午）：多模態(tài)技術(shù)背景與應(yīng)用介紹 1.熱身暖場(chǎng)：自我介紹&引子（Sora/LumaAI/多模態(tài)效果展示） 2.生成式AI與多模態(tài)技術(shù)背景：探討生成模型類(lèi)型、工作原理及應(yīng)用場(chǎng)景，包括文本、圖像、視頻生成等。 a.基礎(chǔ)大模型技術(shù)（性能、價(jià)格、速度） b.圖片可控生產(chǎn)技術(shù)（填充、涂抹、增強(qiáng)） c.Sora類(lèi)視頻化技術(shù)（運(yùn)動(dòng)、實(shí)體一致性、3D化） d.ASR、有聲、音樂(lè)技術(shù)（情感、旋律、音質(zhì)） e.虛擬人、具身智能與基礎(chǔ)算力服務(wù) 3.多模態(tài)業(yè)界前沿產(chǎn)品介紹。 a.多模態(tài)應(yīng)用行業(yè)地圖（工具向 & 娛樂(lè)向） b.基礎(chǔ)類(lèi)視覺(jué)圖片應(yīng)用（美圖、稿定、MJ等） c.基礎(chǔ)類(lèi)視頻應(yīng)用（Runway、Pika、Pixelverse & 快手可靈、LumaAI） d.辦公泛工具類(lèi)（AI-PPT、效率、創(chuàng)意） e.垂直場(chǎng)景類(lèi)2B應(yīng)用（客服、營(yíng)銷(xiāo)、培訓(xùn)等） f.情感陪伴類(lèi)C端應(yīng)用（星野、talkie、筑夢(mèng)島等） 4.互動(dòng)：自由問(wèn)答 |
|
實(shí)踐向（下午）：多模態(tài)在內(nèi)容型公司的應(yīng)用路徑 1.多模態(tài)應(yīng)用開(kāi)發(fā)實(shí)踐范式（整體開(kāi)發(fā)流程介紹） 2.落地技術(shù)選型（提示詞工程、開(kāi)源模型微調(diào)與私有化部署） 3.開(kāi)發(fā)資源與團(tuán)隊(duì)構(gòu)成（人員配置、開(kāi)發(fā)工具、創(chuàng)作者生態(tài)） 4.當(dāng)前內(nèi)部應(yīng)用示例（垂類(lèi)模型、可控生圖、規(guī)?；杀荆?br/>5.圖像實(shí)踐展開(kāi)： a.文生圖：Lora概念與常用推薦、提示詞書(shū)寫(xiě)規(guī)則 等； b.圖生圖：關(guān)鍵詞反推、局部重繪、畫(huà)風(fēng)轉(zhuǎn)化 等； c.ControlNet：插件原理、字體設(shè)計(jì)、AI模特服裝 等； 6.SD-WebUI與ComfyUI實(shí)踐展示 |
|
模塊二：多模態(tài)生產(chǎn)環(huán)境落地（第二天） 理論（上午）：多技術(shù)原理概覽 1.世界模型的起源？ a.AI視頻模型技術(shù)演進(jìn)（VDM/MAV/AnimateDiff/SVD/DIT/Sora） b.大模型發(fā)展：多模態(tài)輸入、多模態(tài)輸出 2.生產(chǎn)環(huán)境下多模態(tài)落地 a.圖片：IP衍生品/社區(qū)配圖/多格漫 b.有聲：多播、音樂(lè)、情感、模仿 c.虛擬人：數(shù)字分身、互動(dòng)唱歌、直播 3.成本與收益（GPU選型、推理加速框架、極限成本、市場(chǎng)價(jià)格） 4.互動(dòng)：自由問(wèn)答 |
|
實(shí)踐（下午）：多模態(tài)在影視漫游類(lèi)的應(yīng)用 1.拆解高質(zhì)量“AI我中華”視頻生產(chǎn)用到了哪些多模態(tài)工具 a.創(chuàng)意文案部分：劇本與創(chuàng)意模板提示詞； b.圖片部分：可控重繪、高質(zhì)超分、插幀渲染 等； c.視頻部分：SVD、Dreamina、Runway等； d.音樂(lè)部分：Suno、韻律模型、聲音克隆 等； e.整體合成：市場(chǎng)成本、實(shí)際成本； 2.實(shí)踐Dify/Coze 類(lèi)Agent平臺(tái)： a.簡(jiǎn)介：Workflow工作流與調(diào)試 介紹； b.驗(yàn)證：打造帶Function Call能力的Agent（創(chuàng)建Bot與使用插件）； c.多模態(tài)：Coze 圖像流 操作手冊(cè)； d.場(chǎng)景實(shí)踐（知識(shí)庫(kù)問(wèn)答、毛胚房裝修、電商廣告圖像流 等）； 3.互動(dòng)： a.自由問(wèn)答 分組練習(xí)：結(jié)合自己工作的業(yè)務(wù)特點(diǎn)進(jìn)行智能體建模。 |
近期公開(kāi)課推薦
