信息技术基础wps人工智能 第3版 课件 单元8 人工智能技术应用实践-3：多模态大模型与AIGC应用

多模态大模型与AIGC应用从沟通到创作：AI时代的“全能创作力”养成计划山西职业技术学院

蔡息技术基础和人工智能通识教育系列讲座（三）目录CONTENTS0102多模态大模型从“单通道”到“全能AI”的进化03AIGC到底是什么定义、全品类内容与核心价值04核心应用场景图文、音视频、综合创作与专业落地05实战演练10分钟做出你的第一个AIGC作品06风险与伦理理性、安全地使用AI总结与展望系列课闭环与未来趋势课程开场：回顾与衔接第一场回顾：认知AI模型AI模型=数据+学规律+解问题我们知道了AI有四大模型，而其中最火、最能激发我们想象力的，就是生成模型。它就像一个不知疲倦的创意大师。第二场回顾：掌握提示词工程提示词工程=角色+任务+要求+输出格式我们学会了如何用这门“通用语言”和AI高效沟通，让它成为我们的得力助手，精准地理解并执行指令。从“单文本生成”到“跨模态创作”的全面升级如果我们的指令只有文字，AI的世界是不是有点单调？如果我们想让AI看懂一张照片，听懂一首歌，甚至把一段文字变成一部电影，该怎么办？今天，我们将解锁AI更多的可能。本场定位与目标本场定位能力升级从单文本生成→跨模态理解与创作认知升级从理论认知→实战落地，拒绝纸上谈兵讲座目标01理解·Understand多模态大模型是什么？为什么它如此强大？02掌握·MasterAIGC在学习、生活、专业中的实用玩法与技巧。03创作·Create学会用“提示词+多模态工具”完成一个完整的作品。什么是多模态大模型？核心概念：模态(Modality)即信息的存在与呈现形式，包含但不限于：文字、图片、音频、视频、3D模型、各类传感器数据等。它是AI理解和交互世界的“语言”。单模态(Single-modal)只能处理和理解一种类型信息的AI，能力相对单一。

•典型例子：纯文本对话大模型、早期只能生成单一图片的文生图模型。多模态(Multi-modal)具备看懂、听懂、读懂多种信息，并能在不同形式间自由转换和生成内容的AI。

•关键能力：跨模态转换(Cross-modalTransformation)🗣️单模态AI≈“只会说中文的人”当你用英文跟他说“Drawacat”，他无法理解你的意图，更无法行动。🎨多模态AI≈“精通多国语言的艺术家”你用中文描述“一只在樱花树下打盹的猫”，他能立刻将文字转化为一幅栩栩如生的画作。多模态vs传统单模态单模态大模型📝输入/输出：仅支持纯文字形式进行交互🚀核心能力：聚焦文本处理，擅长文案撰写、知识问答、代码编写等纯文本任务，能力边界受限于单一的文字信息维度。多模态大模型🖼️输入/输出：支持文字、图片、音频、视频等多种格式混合交互✨核心能力：实现跨媒体理解与生成，如图文深度理解、文生视频、看图说话及长视频智能总结，打破单一维度限制，构建全方位的复杂信息交互平台。从“单向问答”进化到“多模态交互”，大模型不再局限于单一文本工具，而是成为能够处理和生成复杂信息的综合创作平台，释放了无限的生产力潜力。核心技术逻辑（简化版）01统一编码UnifiedEncoding把文字、图片、声音等所有信息，都转换成AI能理解的统一“数字语言”（向量）。就像把所有语言都翻译成世界语。02跨模态对齐Cross-modalAlignment让不同模态的信息“对应”起来。比如，让AI明白“猫”这个词，和一张猫的图片，以及猫的叫声，都指向同一个概念。03生成解码GenerativeDecoding根据你的指令，从AI的“世界语”知识库中，生成你想要的任何模态内容。比如，把“猫”的概念，解码成一段视频。主流多模态大模型视频生成王者：字节跳动Seedance2.0能力：支持文/图/音/视频多模态输入，可直接生成高清电影级视频，表现力行业领先。案例：2026年央视春晚视觉特效制作、知名导演贾樟柯实验性短片《贾科长Dance》。通用多模态巨头GPT-4V·豆包多模态·Claude3拥有极其强大的跨模态理解与生成能力，能够无缝处理和关联文本、图像、音频等信息。不仅是科研与创作的利器，更是日常学习、工作与生活中高效的“全能型”助手。垂直领域专家医学影像诊断·工业智能检测结合CT、MRI、病理切片等辅助医生快速识别病灶；整合机器视觉、声音分析与传感器数据，实现产线产品缺陷的毫秒级自动检测，大幅提升专业领域的生产与服务效率。主流多模态大模型案例展示2026年央视春晚·视觉特效基于Seedance2.0技术支持，实现了令人惊叹的视觉特效与虚拟场景构建，为全球观众呈现了一场融合了AI技术的科技盛宴。贾樟柯短片《贾科长Dance》短片中出现的两个“贾樟柯”角色，均由多模态AI生成，形象逼真、动作自然，真假难辨，展现了AI在影视创作中的无限潜力。医学影像·AI辅助诊断结合CT、MRI、病理报告等多模态数据，AI辅助医生快速识别病灶，分析复杂的医学影像，大幅提升诊断效率与准确率。AIGC到底是什么？01/全称定义AIGeneratedContent即“人工智能生成内容”，指利用人工智能技术自动生成文本、图像、音频、视频等各类信息内容的技术与方式。02/核心本质多模态生成模型的商业化落地它是底层AI大模型能力与人类生产生活需求的结合点，通过将复杂的AI能力转化为具体可用的工具和产品，来解决真实场景中的效率与创造问题。03/模型与应用的关系如果说“多模态大模型”是提供动力的核心引擎，那么“AIGC”就是由这个引擎驱动的、在不同赛道奔跑的各类“汽车”（应用）。AIGC覆盖的全品类内容文本Text论文、代码、演讲稿、营销文案、新闻稿件、小说故事图像Image海报、插画、表情包、产品设计图、建筑效果图、艺术创作音频Audio配音、背景音乐、AI翻唱、有声读物、播客脚本、环境音效视频Video短视频、宣传片、MG动画、虚拟人直播、影视特效、视频剪辑脚本3D建模游戏模型、产品原型、虚拟场景、数字人、3D打印模型、工业设计AIGC能做什么？几乎涵盖了我们能想到的所有内容形式。任何需要创造力的领域，AIGC都能插上一脚，甚至带来颠覆性的改变。AIGC的核心价值（对接学生场景）01降低创作门槛场景：不会PS？用文生图做课程作业海报。

不会PR？用文生视频做小组展示开场动画。让每个人都能成为“创作者”02提升效率场景：几小时才能画完的插画，AIGC几分钟搞定。

几天才能写完的文献综述，AIGC帮你快速生成初稿。把时间还给思考和创意03激发创意场景：灵感枯竭时，让AIGC生成几十个不同风格的方案供你选择。快速尝试不同的视觉和叙事风格，低成本试错。成为你的“灵感缪斯”核心应用场景1：图文多模态01/文生图📝核心任务：用简单的自然语言提示词，生成海报、PPT配图、课程作业插画等。“为一场关于‘人工智能伦理’的讲座设计一张海报，风格为赛博朋克，主色调为蓝色和紫色，画面中心是一个发光的大脑，周围环绕着代码流。”02/图生文✍️核心任务：上传任意图片，让AI分析画面内容，快速生成社交媒体文案、产品解说词、创意故事等。📸示例：上传一张秋天的校园银杏大道风景照，让AI为你写一段优美的朋友圈文案。03/图文互转🔄核心任务：将长篇课程笔记一键转化为结构化思维导图，快速梳理知识脉络；或根据论文中的文字描述，自动生成数据图表。📊价值：大幅降低整理信息的时间成本，提升学习与研究效率。核心应用场景2：音视频多模态01文生视频任务：输入一段文字描述，直接生成带有画面、配音、配乐的高清视频。案例：输入“一个宇航员在火星表面发现一朵蓝色的花...”，即可生成一段科幻短片。02图生视频任务：上传一张照片，让它“动起来”，赋予静态画面动态的生命力与叙事感。案例：上传一张家人的老照片，AI将其生成为一段温馨的动态纪念视频。03视频生文任务：上传一段视频，AI自动识别内容并生成精准的字幕、核心摘要，甚至营销文案。案例：看完一场精彩的行业讲座，上传录屏，AI快速为你整理出完整的文字笔记。核心应用场景3：跨模态综合创作01文字写脚本使用文本大模型生成视频脚本，定义叙事逻辑与核心台词。02图片生成分镜将脚本中的关键场景，通过文生图工具快速生成高保真概念分镜图。03视频生成成片将生成的脚本与分镜图结合，喂给文生视频工具，自动生成流畅的视频片段。04音频自动配音AI自动识别文本生成情感丰富的旁白，并智能匹配背景音乐与环境音效。适用场景

USECASES全流程AI辅助，

提升内容生产效率课程汇报

开场视频毕业设计

成果展示自媒体

内容创作校园社团

创意宣传核心应用场景4：专业领域落地计算机/软件工程应用：多模态数据集标注、模型微调、AI产品原型设计。利用技术优势构建更智能的底层逻辑与交互。文科(中文/新闻/广告)应用：AI辅助内容创作、文献图文总结、新媒体运营。让创意写作与内容传播更高效、更具传播力。艺术设计(美术/动画/数媒)应用：AI绘画、AI生成动画短片、数字艺术创作。释放无限想象力，探索数字艺术创作的全新边界。工科(机械/建筑/电子)应用：生成工业设计图、产品效果图、建筑可视化、制作演示动画。加速设计与工程落地，实现所见即所得。实战演练：10分钟做出AIGC作品任务发布利用多模态AI技术，快速构思并完成一个“课程宣传短视频”的脚本与分镜设计。创作目标为今天的讲座量身打造，输出一条时长约15秒的短视频文案与画面描述，能直观吸引受众。推荐工具推荐使用免费且高效的多模态AI工具，例如“豆包多模态”或“即梦AI(Seedance体验版)”进行生成。实战演练：步骤拆解01写脚本💡公式：角色+任务+要求+输出格式“你是一个专业的短视频编剧，请为一场名为‘多模态大模型与AIGC应用’的大学讲座，创作一个15秒的宣传短视频脚本。要求内容吸引人，节奏明快，突出‘从沟通到创作’的核心亮点。输出格式为分镜脚本。”02生成封面🎨重点：明确画面主题与视觉风格“根据脚本，生成一张具有科技感的封面图，主题是‘AI与人类共创’，风格为现代简约，画面比例要求为横版16:9。”03生成视频📽️进阶提示词=文本指令+视觉+音频+风格“请根据以下脚本生成一段15秒的视频：[脚本内容]。视频风格要求：现代、简洁、科技感。背景音乐要求：轻快、富有未来感的电子音乐。旁白要求：使用清晰、有活力的女声。”风险与伦理版权问题现状：AIGC生成内容的版权归属目前仍在法律探讨中，缺乏明确界定。建议：用于个人学习和非商业用途通常无风险，商业使用需格外谨慎。真实性问题风险：深度伪造（Deepfake）技术可能被滥用，制造极具欺骗性的虚假信息。建议：保持独立思考和信息辨别能力，不轻信未经权威证实的音视频内容。数据安全问题风险：向AI平台上传个人隐私照片、视频或敏感文档，可能面临数据泄露风险。建议：不要上传身份证、人脸照片、机密文件等敏感隐私数据。理性使用AI是一个强大的工具，它可以辅助创作、提升效率，但它无法替代人类独特的原创思考、情感共鸣与价值判断。请记住，AI应该是你的能力“放大器”，而不是思维的“替代品”。总结与展望01认知AI模型·是什么从底层逻辑出发，建立对AI大模型的基础认知与科学理解。02提示词工程·