人工智能通识与AIGC应用（微课版）课件 项目7、8 音动未来：AIGC音频创作工坊；影创纪元：AIGC视频生成之旅

项目7音动未来：AIGC音频创作工坊任务1：为五四青年节活动演讲稿配音任务2：使用AIGC创作歌曲任务1为五四青年节活动演讲稿配音任务1：为五四青年节活动演讲稿配音1认识声音和音频 2音频格式的选择 3音频的应用场景 4认识讯飞智作 5认识魔音工坊 1.

认识声音和音频声音是一种物理现象，它是产生于发声物或发声器官，通过空气、水或物体中分子的振动传播的一种声波。声音的三要素包括音调、响度和音色。（1）音调：

是指声音的高低，是由发声体振动的频率所决定的。频率越高，音调越高；频率越低，音调越低。例如，用长笛和箫演奏同一首乐曲时，由于它们的振动频率不同，听到的音调也会有所不同。（2）响度：

是指声音的强弱或大小，是由发声体的振幅以及距离发声体的远近共同决定的。振幅越大，响度越大；距离发声体越近，响度也越大。例如，当距离一个正在发声的音响设备越来越近时，会感觉到声音的响度在逐渐增大。（3）音色：

是指声音的特色或品质，是由发声体的材料和结构等因素所决定的。不同的发声体在振动时会产生不同的泛音，这些泛音与基音一起构成了声音的音色。例如，小提琴和钢琴的声音不同主要是因为它们的音色不同。2.

音频格式的选择音频格式的选择需平衡音质、便携性、兼容性三大核心要素。（1）音质优先场景

专业音频制作：WAV、AIFF等无损格式保留原始音频数据，确保后期处理精度。高保真音响系统：FLAC、ALAC等无损压缩格式，兼顾音质与存储空间。（2）便携性优先场景移动设备：MP3、AAC等有损格式会显著减小文件体积，适合音乐播放和离线存储。此外，还有M4V格式，它是由苹果公司开发的一种视频封装格式，属于MP4格式的特殊变体，其文件扩展名通常为.m4v或.mp4。网络流媒体：AAC（Apple设备）、OGG（Spotify平台）等格式可以平衡音质与传输带宽。（3）兼容性优先场景跨平台使用：验证设备支持，例如FLAC格式不兼容AppleMusic，ALAC格式不支持部分安卓设备。3.音频应用场景音频生成（AudioGeneration）指的是利用机器学习和人工智能技术，通过文本、语音或其他源自动生成音频的过程。（1）按照输入数据类型区分基于文字信息的音频生成、基于音频信息的音频生成、基于音频信息的音频生成。（2）按照应用领域区分音频技术作为智能时代的关键交互媒介，应用场景已深度渗透到社会生产和生活的各个维度。下面从六大领域展开分析，展现音频技术的多元化应用场景。智能交互领域、智能交互领域、医疗健康领域、医疗健康领域、工业创新领域、艺术创作领域。4.

认识讯飞智作（1）合成配音音频输入文本可快速生成语音，支持汉语、英语、日语、韩语等多种语言，以及方言、童声等特色音。同时可以通过调整音量、语速、语调，插入换气、停顿等标记，优化音频效果。其主要用于短视频配音、广告促销、课件配音、有声内容制作等。讯飞智作是典型的一站式AIGC创作平台，深度融合语音合成、虚拟数字人、自然语言处理等前沿技术，旨在提升音视频内容的生产效率与质量，覆盖媒体、教育、金融等多个领域。（2）AI虚拟主播提供多场景视频模板，用户可替换文字、图像，快速生成定制视频。结合讯飞智作的虚拟人形象，实现AI驱动的视频配音，支持多情感、多动作表达。（3）真人配音由资深配音专家组成团队，提供高质量真人配音服务；支持专题宣传、纪录片、影视解说等多种风格。4.

认识讯飞智作讯飞智作是典型的一站式AIGC创作平台，深度融合语音合成、虚拟数字人、自然语言处理等前沿技术，旨在提升音视频内容的生产效率与质量，覆盖媒体、教育、金融等多个领域。演示5.认识魔音工坊魔音工坊是一款专业的配音工具和高效的多人音频协同创作工具，可以智能地将文字转换成语音，支持多种语言和语音风格，包括汉语、英语、日语、韩语等。演示任务实施使用AIGC制作“创智AI”人工智能社团Logo演示任务实施为五四青年节活动演讲稿配音演示任务2：使用AIGC创作歌曲任务2：使用AIGC创作歌曲1音乐创作的基本理论2AIGC在音乐创作中的应用3音乐创作的流程 4常用AIGC音乐生成工具1.音乐创作的基本理论音乐作为人类社会发展中重要的艺术形式，具有源远流长的历史，之所以能够不断地被传承和发扬，主要源于它自身的巨大魅力。音乐并非单一性的创作技巧表达，而是一种表达情感的艺术。音乐能够给观众带来自由想象的空间。旋律：音乐的核心，它由音符的高低、长短和节奏组成。旋律可以表达情感，影响音乐的整体氛围。节奏：指音乐中音符的时值和强弱变化。不同的节奏可以创造出不同的音乐风格，如轻快、缓慢或动感。和声：多个音符同时发声形成的和弦。和声可以增强音乐的层次感和情感表达。调式：指音乐的音阶结构，如大调、小调、五声音阶等。不同的调式可以传达不同的情感和氛围。音乐结构：音乐通常有特定的结构，如主歌、副歌、桥段等。这些结构可以帮助组织音乐内容，使其更加连贯和有吸引力。1.音乐创作的基本理论音乐本质是一种信号，需要将其转化为计算机可以识别和处理的数字信号。从数字信号中提取出有意义的音乐特征，包括频率、音调、节奏、和弦、旋律等。通过对这些特征进行分析和提取，可以得到音乐的本质信息，从而支持AI音乐创作。AI音乐创作的方法主要分为两种：基于规则的生成和基于深度学习的生成。基于规则的生成是指通过预设的规则和算法来生成音乐作品。这种方法简单易用，但生成的音乐存在一定的局限性。基于深度学习的生成是指通过神经网络训练生成模型，从而生成更符合人类审美的音乐作品。这种方法需要大量数据和强大算力支撑，但生成的音乐作品更具有创新性和艺术性。2.

AIGC在音乐创作中的应用AIGC以前所未有的态势深度融入音乐创作领域，从多个维度重塑音乐创作的格局与方式。下面详细阐述AIGC在音乐创作的5个关键环节中的应用。歌词生成：AIGC利用自然语言处理技术，精准捕捉主题与情感，生成押韵流畅、节奏感强的歌词。AIGC通过分析海量文本数据，自动优化词句搭配，为创作者提供灵感。自动作曲：AIGC深度解析音乐库，学习旋律与和声规律，生成涵盖古典、流行等多元风格的音乐作品。该技术突破传统创作限制，快速产出高质量音乐片段，为作曲家拓宽灵感边界。2.

AIGC在音乐创作中的应用和弦生成：AI算法基于音乐理论，自动生成和谐且逻辑严谨的和弦序列。AIGC支持个性化风格定制，既能辅助即兴创作，也能生成完整伴奏，显著提升音乐生产效率。曲风风格模仿：AIGC通过深度学习作曲家的独特风格，精准复刻其创作特征，生成具有辨识度的音乐作品。该技术助力探索新风格，甚至让经典艺术家“重生”，实现跨时空音乐对话。情绪分析：AIGC解析音乐情感走向，通过声纹识别与数据建模，量化音乐情绪强度。AIGC可依据分析结果，动态调整音色、节奏等元素，助力创作出更具感染力的音乐作品。3.

音乐创作的流程AIGC为音乐创作开辟了全新路径。它借助先进算法与数据处理能力，革新了传统音乐创作模式。4.

常用的AIGC音乐生成工具工具名称优势局限性天工AI支持多样风格音乐创作，提供专业音乐制作辅助受时长限制，复杂细节的处理待提升天谱乐支持多模态输入生成音乐，如视频配乐使用场景受限海绵音乐支持生成个性化中文歌曲功能较单一，风格多样性受限TMEStudio支持专业音乐全流程创作、教学部分功能需联网实现，编曲混音有短板1.认识图生图与图生文--------------------------------------AI提示词------------------------------------生成一张新中式婚服图像。具体要求：令人惊叹的新中式婚服，佩戴凤冠，带有半透明水晶和闪闪发光的珍珠，水晶闪闪发光如钻石，美丽、高贵、奢华，蓝色，神奇，全身，超现实，深背景，丁达尔灯光效果，高清细致。--------------------------------------结束----------------------------------------举例任务实施使用AIGC创作歌曲演示项目8影创纪元：AIGC视频生成之旅任务1：使用AIGC创作数字人讲文物视频任务2：使用AIGC生成解说古诗《登鹳雀楼》的动态视频任务1使用AIGC创作数字人讲文物视频任务1：使用AIGC创作数字人讲文物视频1．认识视频制作与AI视频生成2．使用豆包生成视频的步骤3．使用即梦AI生成视频的方式4．认识剪映 5．认识数字人1.

认识视频制作与AI视频生成视频制作是将图像、视频及背景音乐进行重新剪辑、整合、编排，从而生成一个新的视频文件的过程，不仅是对原素材的合成，也是对原素材的再加工。人工创作的短视频创意多来源于创作者个人的独特生活经历、文化素养、社会观察和情感世界等。创作者从零开始构建故事线、表现手法和视觉呈现方式，能够融入个性化的视角和细腻的情感体验，更有可能诞生极具开创性和创新性的短视频创意。所以，人工视频制作需要创作者逐帧调整和剪辑，耗时、耗力。AI视频生成的创意源自对海量数据的学习与分析。它通过算法挖掘已有数据中的各种模式、主题和风格特点，然后依据用户给定的关键词、目标受众和期望的风格类型，将这些学习到的元素进行重新组合，生成相应的创意内容。这种方式在既有框架内进行多样化的搭配，但较难突破已有的数据范畴，创造出前所未有的创意内容。所以，AI视频生成具有高效、快速的特点，能够在短时间内完成视频制作。2.

使用豆包生成视频的步骤使用豆包生成视频的3个步骤（1）选择“视频制作”功能打开豆包，并登录账号，在主界面或菜单中选择“视频制作”功能。（2）输入素材与描述根据需求选择“视频生成”，输入相应的素材，如图像或文本描述视频的基本内容。（3）生成并预览视频单击“生成视频”按钮，等待几秒，豆包会根据输入的素材和选择的模型生成视频。演示3.

使用即梦AI生成视频的方式即梦AI是一个生成式人工智能创作平台，基于“让灵感即刻成片”的使命，即梦AI为众多设计师及艺术爱好者提供得心应手的创作工具和源源不断的创作灵感。演示4.

认识剪映剪映是由抖音旗下深圳市脸萌科技有限公司开发的视频编辑工具，主要实现AI剪辑视频、语音转字幕、智能抠像、一键成片等功能。演示5.认识数字人数字人（DigitalHuman）是指通过计算机技术生成的虚拟人物，具备人类的外观、行为甚至智能，能够与人类进行交互或自主完成特定任务。它结合了人工智能、计算机图形学、语音识别等技术，可模拟真实人类的动作、表情和语言，甚至具备情感表达能力。根据“拟人化”和“自动化”两个维度，可以将数字人分成L1～L5这5个等级。任务实施使用AIGC创作数字人讲文物视频演示任务2：使用AIGC生成解说古诗《登鹳雀楼》的动态视频任务2：使用AIGC生成解说古诗《登鹳雀楼》的动态视频1AI生成视频的常见方式2AIGC视频生成的原理3AIGC视频生成的核心技术方法

4AIGC视频生成的应用场景1.AI生成视频的常见方式(1)文本生成视频AI生成视频的方式多样，根据输入源和生成逻辑的不同，主要分为文本生成视频、图像生成视频、视频生成视频、三维模型驱动、多模态生成、物理仿真生成等六大类，每种方式对应不同的技术方案和适用场景。下面主要介绍以下3种常见的生成视频方式。文本生成视频（Text-to-Video）是人工智能领域的一项重要技术，它通过自然语言描述直接生成动态视频内容，无须人工绘制或拍摄。该技术基于扩散模型（DiffusionModel）和时空注意力（Spatio-TemporalAttention）机制，能够将文本提示词转化为连贯的视觉序列，被广泛应用于影视制作、广告创意、游戏开发等领域。1.AI生成视频的常见方式(2)图像生成视频图像生成视频（Image-to-Video）是通过单张或多张静态图像生成动态视频序列的技术。该技术基于扩散模型和三维重建算法，能够为输入的图像添加合理的运动效果，被广泛应用于影视特效、电商展示、社交媒体内容创作等领域。(3)视频生成视频视频生成视频（Video-to-Video）是以现有视频为输入，通过人工智能技术对其进行风格迁移、内容编辑或质量增强，生成新视频的技术。该技术基于GAN、扩散模型和时序一致性算法，可实现对视频内容的智能重构与增强，被广泛应用于影视后期、广告制作、社交媒体二次创作等领域。2.AIGC视频生成的原理AIGC视频生成技术主要依赖机器学习与深度学习算法。视频生成是人工智能和计算机视觉领域的重要研究方向，旨在通过算法生成逼真或具有特定语义的视频内容。视频生成基于生成模型（GenerativeModel），核心目标是从数据分布中学习规律并生成新样本。GAN通过生成器（Generator）和判别器（Discriminator）的对抗训练，生成高质量视频帧。VAE通过“编码器-解码器”结构学习潜在空间分布，生成连续的视频帧。扩散模型通过逐步去噪过程生成视频，在图像生成领域取得突破后扩展至视频领域。时间维度建模中，视频生成的本质是时空联合建模，需同时处理空间（单帧图像）和时间（帧间动态关系）的连续性。保持时间一致性就是确保生成视频的帧间动态连贯（如物体运动、光照变化）。长期依赖建模则是捕捉长序列中的复杂动作（如人体舞蹈、自然场景演变）。3.

AIGC视频生成的核心技术方法AIGC视频生成的核心技术方法包括基于GAN的视频生成、基于扩散模型的视频生成、自回归模型、神经辐射场（Ne