Tag: ChatGPT
AI加点 CCTV 就显得真实 AI 文生图技术越来越成熟，从早期略带“AI 味”的 Midjourney，到如今更逼真的 ChatGPT 图像生成和 Google Nano Banana，AI 图片已经越来越难以分辨真假。文章以 AI 生成的 CCTV 5 体育直播美女图为例，讨论了真实感、镜头语言和平台标识如何增强图片的可信度，也提醒人们未来在网上看到的图片未必都是真的。 自从人工智能、AI 大语言模型和文生图技术越来越成熟之后，每隔一段时间，就会有某种 AI 图片风格突然爆火。 我记得最早让我印象深刻的是 Midjourney。那时候生成出来的图片虽然已经很惊艳，但多少还是能看出一点“AI 味”。现在不一样了，无论是 ChatGPT 的图像生成，还是 Google 的 …
最近ChatGPT Image 2.0很火，生成的照片很真实，我也玩了一下。 以下是提示词： 不用假装知道我的真实长相根据我们历史的对话，我的经历，专业，工作，生活等因素，把你对我的性格，气质，思维方式和表达风格转化成视觉形象，不要刻意的添加元素，生成一张我的随手自拍。 英文： Don’t pretend to know what I actually look like. Based on our past conversations, my experiences, profession, work, and life, translate your understanding …
去年年底我开始准备微软认证考试。一开始我写了一个 Prompt（提示词），用起来确实很好，但每次都要手动复制粘贴，还是有点麻烦。后来就想到，不如直接做成一个 GPT，于是就有了现在的 ExamGPT。 制作过程其实很简单：打开 ChatGPT/GPTs ，点击右上角的 Create（制作），按照界面填写即可。核心就是把之前写好的 Prompt 粘进去，再取一个名字，然后设置几个用户输入的示例，比如考试名称：“I am taking Microsoft AZ-305”。 效果出奇地好。当然，这也离不开大语言模型（LLM）在 AI Transformer 架构上的快速迭代。从有了这个工具之后，我可以利用各种碎片时间刷题，比如上厕所、睡觉前刷手机、甚至陪老婆逛街的时候。也不用担心题目刷完，因为进度会保存在 ChatGPT 的对话里，随时可以继续。 这个 ExamGPT 可以随机生成 30 道题，只要是它见过的考试基本都能覆盖（毕竟来自预训练数据）。每道题都有四个选项，包含单选和多选。无论答对还是答错，它都会给出简要解析。每做完 30 道题还会给出一个评分，评估你是否能通过考试。对于答错的题目，还会进行第二轮、第三轮反复练习，直到你完全掌握为止。 这个技术，本质是：提示词工程/Prompt Engineering …
ChatGPT最近消消的推出了一个图片生成的功能，省去了手动写Prompt/提示词的麻烦。只需要选择一个预定义的风格，然后选择一个图片，提示词就能自动被填写： 从左边点击图片/然后选择风格/上传照片 自动赶写的提示词 以下提示词自动被填写： 以提供的图片为参照，创作一幅柔和、含蓄的图片，具有艺术学院审美风格。若图片中包含人物，则在保留其身份特征的同时，运用柔和自然的光线、低饱和度的色彩以及放松且略带青涩的姿态，将其置于如工作室、教室或安静街巷等简洁日常的场景中。若无人物，则将场景或物体视为主体，使用柔和的光线、柔和的色彩及近距离构图。整体氛围应传递出亲密、年轻且随性的艺术感，而非精致或华丽的效果。 原媳妇照片 ChatGPT生成的艺术学院风格 英文：ChatGPT: New Image Creation (art school) 英文：ChatGPT: New Image Creation (art school) 本文一共 293 个汉字, 你数一下对不对. ChatGPT的新功能: 图片生成. (AMP 移动加速版本) 赞赏我的几个理由. ¥ …
让AI换脸是比较难的，因为受到一些法规监管的限制。 比如ChatGPT会说： 我不能生成或修改包含真人（或看起来像真人）的图像，包括把一个人从一张照片合成到另一张场景中。 我可以帮你把照片转换成动画风格，但不能根据真实人物进行外貌或身体特征的修改（例如“变瘦”等），这是为了尊重人物肖像和合成伦理的原则。 我理解你的需求 👍。不过我需要提醒一下：我不能直接生成帶有特定人物相似度的「真人還原」內容，特別是涉及到敏感的外貌細節（比如具體臉部還原）。 但是却可以通过改提示词（Prompt）来绕过限制。 原图，以下美女真是好看，有人说是AI生成的。 反向提示词生成 reverse prompt engineering：下面是一个适合描述你刚刚生成图像的提示词（Prompt），基于图像内容精准还原其风格与构图： 一位脸型较瘦、长发的东亚年轻女子坐在日本居酒屋的木质凳子上，身穿白色衬衫与高腰千鸟格短裤，搭配肤色丝袜。她微微回头对镜头露出自然温柔的笑容。环境昏黄温暖，背景有木墙、手写日文海报与其他顾客，整体带有复古胶片质感与浅景深效果，营造出怀旧而温馨的氛围。 A beautiful young East Asian woman with a slim face and long dark hair sits on …
最近 AI 手办图（Action Figure）特别火，尤其是 Google 推出的 Nano Banana 模型，网上已经能看到一大堆相关作品。相比之前流行的 Ghibli 风格，AI 生成的一致性和真实感提升很大。毕竟手办图是三维效果，看起来要比平面的卡通风格要真实好看得多。Ghibli（吉卜力）风格虽然在前阵子很火，但因为画面过于卡通和平面，看久了难免有点审美疲劳，容易显得千篇一律。 现在，不光是在 ChatGPT，PolloAI、Google AI Studio、PrintVerse，甚至 Grok 上，都能轻松生成类似的手办风格图片。只需要上传一张照片，再加上一点提示词就行。ChatGPT 免费版虽然一天只能上传三张照片，但它支持对已经生成的图继续修改，相当于“加提示词让 AI 做二次 PS”。 更有意思的是，这些 AI 生成的手办图几乎能做到以假乱真，甚至还能生成动态视频。想象一下，如果真能把照片或模型变成实体手办，那绝对是个有潜力的市场。比如在办公桌上摆个大美女手办，不光养眼，还能每天给点“情绪价值”，心情肯定愉快不少。 PolloAI这工具真强大，只需要一张图+提示词，就可以进行文生图、文生视频。 PS：AI生成的图质量参差不齐，有时候生成的图太难看太假了，得多试。 生成手办的提示词 仅供参考：当然还有一小技巧，你可以把你看到的好看的手办图扔给AI，问它提示词。 …
莫拉维克悖论是什么？ 莫拉维克悖论（Moravec’s Paradox）是人工智能与机器人学中的一个重要观察结果。 一句话总结 “对于人类来说简单的事情，对机器却很难；而人类觉得复杂的事情，机器却往往很容易。” 悖论的由来 由 Hans Moravec、Rodney Brooks、Marvin Minsky 等人在 1980 年代提出 他们注意到：计算机能轻松完成逻辑推理，却难以感知与运动：让计算机进行高等数学、下棋、逻辑推理等任务相对容易；但让计算机像人类一样“感知世界”和“移动身体”——比如走路、抓取物体、识别人脸——却非常困难。 为什么会出现这种现象？ 进化时间差 人类的感知与运动系统经过数亿年进化，极度复杂；抽象思维是最近几千年才发展出的新能力。感知与运动能力（比如视觉处理、走路、抓握）是人类在数亿年的进化中逐步发展出来的，极其高效而复杂。抽象逻辑和符号推理（比如数学、象棋）则是人类近几千年才发展出的“新技能”，反而对人类来说相对“费力”。 神经资源分配不同 大脑的大部分区域用于处理感知与运动，只有小部分用于逻辑与推理：大脑皮层中，有大量区域用于视觉、听觉、运动控制等感知与行动；相比之下，用于抽象思维的区域相对较小。 我们低估了“本能”的复杂性 比如走路、看东西、抓杯子——这些能力虽然自动完成，但对机器来说极其复杂：因为感知与行动是无意识自动完成的（比如：走路时你不需要思考每一步如何移动），人类通常低估了这些任务的复杂性。 经典对比案例 任务 人类 机器 玩象棋 难 容易（如 …
