《AI新媒体艺术设计》课件

DeepSeek的起源与特点Deepseek是什么？——国产AI的佼佼者日常应用场景：学习（写作业、论文）、生活、文字处理、框架搭建。关键优势：天马行空的创造力、强大的分析能力与写代码能力。核心定位：国产、AI工具、开源免费的大语言模型Deepseek基础介绍深层意义：不仅是技术突破，更是中国文化与软实力走向世界的体现。关键原因：开源免费，区别于OpenAI的收费模式。市场成绩：2025年登顶中美应用市场第一。历史性突破——市场表现与文化意义Deepseek的市场地位与意义强推理性：沟通中展现思考过程，提供学习思路，帮助整理推理路径。01懂人类、懂汉语:经语言学专家优化，提示词模板简洁强悍，简单语句即可理解需求。02深度思考与文风转化：支持职业场景（信件、政策文章、上下级报告）的多风格文本衍生。03Deepseek的三大核心优点下载安装&通用使用思考下载说明：无需过多赘述，电脑端、手机端均可安装使用。核心问题：不仅限于Deepseek，如何更好地使用每一款大语言模型？（引出下文核心概念）下载与使用前提大模型开发核心——知识图谱概念定义：模型开发中的核心概念，以“圈向外衍发”的脑图式扩散（知识图谱、能力图谱等）。核心概念——知识图谱应用场景：视觉分析中的自然语言处理（NLP）、语言理解。关系抽取、情感分析。知识的推理与演绎。AIGC数据应用的核心环节AIGC数据应用流程数据采集通过爬虫软件访问数据。访问权限部分网站允许直接爬取受限网站需申请API（访问密钥），部分需提供证明材料（如调用高德导航后台数据）。AI新媒体艺术的发展历程与关键节点早期萌芽阶段（20世纪50-90年代）：技术探索与艺术尝试01技术驱动发展阶段（21世纪初-2010年代）：算法成熟与场景拓展02融合成熟阶段（2020年代至今）：跨领域整合与价值深化03三个核心阶段意义：最早用程序生成视觉艺术，打破传统手绘局限，是AI新媒体艺术“雏形尝试”作品：《计算机图形》系列艺术家：格奥尔格・内斯（GeorgNees）核心信息1：1963年关键作品阶段一：早期萌芽（20世纪50-90年代）——技术驱动下的艺术实验核心信息2：1973年关键突破开发者：哈罗德・科恩（HaroldCohen）成果：绘画程序“AARON”（可自主生成具象元素、调整构图）阶段一：早期萌芽（20世纪50-90年代）——技术驱动下的艺术实验意义：首次实现“机器协作创作”，引发“AI能否成创作主体”的思考核心信息1：2014年技术转折应用案例：斯科特・伊顿（ScottEaton）《GAN雕塑系列》意义：AI深度融合艺术风格与技术逻辑，生成3D虚拟古典雕塑技术：生成对抗网络（GAN）（伊恩・古德费洛团队研发）阶段二：技术驱动（21世纪初-2010年代）——算法成熟与多元表达项目：谷歌“DeepDream”01特点:无需专业编程，在线工具生成“梦境风格”图像02意义：降低创作门槛，推动AI艺术从“小众实验”走向“大众创作”03阶段一：早期萌芽（20世纪50-90年代）——技术驱动下的艺术实验核心信息2：2016年大众化推动核心信息1：2021年跨领域代表阶段三：融合成熟（2020年代至今）——技术-艺术-社会价值联动团队：RefikAnadol新媒体艺术团队作品：《机器幻觉：自然数据雕塑》意义：用AI将自然数据转化为沉浸式光影装置，结合技术、艺术与“人与自然关系”的社会议题核心信息2：2023年产业化与规范化阶段三：融合成熟（2020年代至今）——技术-艺术-社会价值联动关键事件MidJourney、StableDiffusion普及，艺术机构纳入展览、高校开设相关课程生态形成“创作-展览-教育”完整生态行业进展讨论“AI艺术版权”“创作伦理”，推动领域规范发展核心结论：始终围绕“技术突破”与“艺术表达”双向互动关键节点共性：每一个节点都是技术进步的直接体现每一个节点都是艺术家对“创作边界”的突破核心总结：AI新媒体艺术的发展逻辑视觉辅助：可添加“技术发展线”与“艺术表达线”并行的时间轴简图掌握行业脉络，明确技术与艺术的融合逻辑了解历程的价值核心内容思考如何将AI技术与个人艺术理念结合未来创作方向创作出具有独特价值的AI新媒体艺术作品最终目标启示：从历程到未来创作THANKS感谢观看工具选型依据：创作需求、操作难度与输出效果创作需求01操作难度02输出效果03能力匹配01上手可行02结果达标03表1：2025年主流AI图像工具核心参数对比（数据来源：AI喵导航/CSDN实测）工具名称核心定位操作难度商用授权适合场景MidjourneyV6艺术质感与创意表达中等部分商用艺术设计、封面创作、IP角色DALL·E3语义精准与便捷生成简单完全商用教学演示、简报配图、日常创作StableDiffusionXL开源定制与技术拓展进阶视部署场景而定游戏素材、动漫创作、本地开发AdobeFirefly商业设计与软件集成简单完全商用广告设计、企业宣传、PS联动文心一格国风创作与中文适配简单部分商用传统文化主题、中式视觉设计第一维度：锚定创作需求——工具选型的起点场景属性功能诉求版权要求01艺术创意类场景：优先选择艺术表现力强的工具。MidjourneyV6在光影处理、色彩层次、构图创意上表现突出，其Discord社区的海量案例的可直接作为灵感参考，特别适合需要打造独特视觉风格的新媒体艺术作品。02商业实用类场景:重点关注版权合规与软件兼容性。AdobeFirefly与Photoshop、Illustrator无缝集成，生成的图像可直接导入进行图层级编辑，且提供完整的商业授权，避免后续版权纠纷，是商业设计的首选。03教学/日常类场景:追求操作便捷与语义精准。DALL・E3与ChatGPT的深度整合，支持中文自然语言对话生成，即使是“未来校园里的AI艺术展，暖色调，极简风格”这类复杂描述，也能精准还原，特别适合非专业设计背景的同学快速产出成果。1.场景属性决定工具方向04技术定制类场景:需选择开源可拓展的工具。StableDiffusionXL支持本地部署、模型训练和ControlNet插件扩展，能实现姿态控制、风格迁移等精细化操作，适合有技术基础、追求高度定制化的创作需求。2.功能诉求细化工具选择若需要批量生成（如游戏角色多角度视图、系列海报）：Leonardo.Ai的批量生产功能可大幅提升效率，支持一键输出多个版本的同类素材；若涉及传统文化元素（如水墨画、敦煌风格、中式纹样）：文心一格等国内工具对中文关键词的理解更精准，内置的国风模板能快速生成符合预期的作品；若需要本地离线创作（如涉密项目、无网络环境）：StableDiffusionXL的本地部署版本无需联网，且可通过训练专属模型保护创作隐私。商业用途必须选择明确提供商用授权的工具（如DALL・E3、AdobeFirefly）；01非商业用途可选择开源免费工具（如StableDiffusionXL网页版），但需注意部分模型的训练数据可能涉及版权争议；023.版权要求规避法律风险这是新媒体艺术创作中极易忽视但至关重要的一点：国内创作建议优先考虑中文工具（如文心一格、豆包AI），其版权条款更符合国内法律环境，且维权渠道更便捷。03第二维度：评估操作难度——匹配自身能力的关键我们将主流工具的操作难度分为三级，对应不同基础的学习者：门级（简单）：适合零基础或短期速成需求的同学。DALL・E3通过ChatGPT界面操作，只需输入文字描述即可生成图像，无需学习指令语法；AdobeFirefly采用可视化按钮操作，与常规设计软件逻辑一致，上手成本极低。进阶级（中等）：适合有一定设计基础、愿意投入少量学习时间的同学。Midjourney需熟悉Discord平台的指令系统（如/imagine生成、/vary变种、/zoom扩展），且提示词需以英文为主，但掌握基础指令后就能快速产出高质量作品，是艺术设计类同学的核心学习工具。专业级（进阶）：适合有技术背景、追求深度定制的同学。StableDiffusionXL需要了解模型选择、提示词权重调整、显卡配置等技术细节，本地部署需满足至少16GB显存的硬件要求，但学会后可实现“所想即所得”的精细化控制。1.操作难度分级与适配人群建议采用“先易后难”的策略：初期（1-2周）：从DALL・E3或AdobeFirefly入手，快速熟悉AI图像生成的基本逻辑，建立创作信心；中期（3-4周）：进阶学习Midjourney的指令技巧与风格优化，提升作品的艺术表现力；后期（可选）：若有技术兴趣，可尝试StableDiffusion的本地部署与插件应用，拓展技术边界。2.学习成本与效率的平衡建议第三维度：预判输出效果——验证工具价值的核心“量化指标+风格适配”DALL・E3基于GPT-4的多模态架构，对复杂指令的还原度最高，能精准呈现多元素的逻辑关系（如“宇航员在月球上创作新媒体艺术，背景是地球，前景有画笔和显示屏”）；语义还原度：MidjourneyV6和StableDiffusionXL支持最高4K分辨率输出，细节表现更细腻（如织物纹理、发丝质感）；DALL・E3默认1024×1024像素，满足多数日常场景需求；分辨率与细节：1.量化指标：客观评估输出质量AdobeFirefly和文心一格的风格模板一致性强，多次生成同一主题能保持风格统一，适合系列化创作；Midjourney的风格多样性更强，但稳定性略弱，需通过参数调整控制。风格稳定性：追求超写实风格：MidjourneyV6和DALL・E3的写实表现接近摄影级别，其生成的人物肖像、建筑场景甚至能骗过专业评委的眼睛；追求艺术化风格（如插画、抽象、赛博朋克）：Midjourney的风格化处理更具创意，StableDiffusion通过加载专属模型（如AnimeDiffusion）可实现精准的风格定位；2.风格适配：主观匹配创作意图追求本土化风格（如国风、乡土元素）：•国内工具的表现更优，能避免国外工具对中式元素的“文化偏差”（如将汉服画成和服、将灯笼设计变形）。明确“场景属性+功能诉求+版权要求”，写下核心需求关键词（如“国风插画、商用授权、中文操作”）；拆解需求：“三步走”根据自身技术基础，排除操作难度超出能力范围的工具；匹配难度：参考工具的风格案例与量化指标，选择输出效果最贴合创作意图的工具。预判效果：教学总结：工具选型的实操方法论THANKS感谢观看AI对新媒体艺术创作的变革意义创作流程01创作思维02作品形态03传播方式04核心维度维度一：技术门槛降低，创作流程反转传统痛点需同时掌握艺术审美与编程、传感器、数据分析等复杂技术。早期交互装置创作常耗时数周调试，创意因技术不足搁置。AI解决方案视觉素材：MidJourney、StableDiffusion通过文字描述（Prompt）快速生成素材，无需手动绘制。交互设计：TensorFlow.js自动识别用户数据、生成交互逻辑，艺术生简单学习即可操作。核心变革创作流程从“技术先行、创意后置”转变为“创意主导、技术辅助”。01传统局限依赖创作者个人经验，多聚焦单一领域（如视觉艺术家侧重画面，忽略声音、数据联动）。02AI核心能力强大的数据分析与跨领域整合能力，可将不同领域元素转化为艺术素材。03案例支撑艺术家RefikAnadol作品《MachineHallucinations》。核心逻辑：AI分析数百万张城市建筑图、自然数据、人类行为轨迹，转化为动态沉浸式视觉装置。维度二：突破思维定式，实现跨领域创意融合04思维变革从“单一艺术形式”转向“数据+艺术+科技”的跨领域融合。传统作品特点：形态固定，交互逻辑、视觉效果不变，观众被动接受。AI带来的新形态：动态生成：作品可根据实时数据（天气、用户行为）调整形态。个性化交互：实现“千人千面”体验。维度三：重塑作品形态，兼具动态生成与个性化交互案例举例：展览场景：AI通过摄像头捕捉观众表情、动作，实时生成匹配的视觉与声音。公共艺术：AI依据天气数据（温度、湿度、风力）调整灯光颜色与闪烁频率，与自然互动。核心价值：打破作品固定性，赋予新媒体艺术更强的生命力与互动性。传统传播局限依赖线下展览，传播范围有限，观众需到特定场馆体验。AI+新技术的突破结合VR、AR、元宇宙技术，实现线上传播，观众可通过手机、VR设备随时随地体验。案例支撑艺术家MarioKlingemann的AI艺术作品。传播方式：线下美术馆展出+区块链生成数字藏品+元宇宙平台展示交易，观众可在元宇宙互动、二次创作。维度四：革新传播路径，打通线上线下壁垒传播变革从“线下单一渠道”拓展为“线上线下融合”，扩大受众范围，提升传播效率。待解问题：AI生成内容的版权归属界定。创作者与AI的协作关系平衡。01核心结论:AI是新媒体艺术创作的重要工具，而非替代者。其价值在于降低门槛、拓展思维、丰富形态、革新传播。02未来启示：主动运用AI工具，结合个人艺术理念，让AI成为激发创意的助手。03思考与启示：在变革中探索未来创作THANKS感谢观看AI新媒体艺术的典型应用场景数字展览——沉浸式交互的升级01互动装置——即时响应的趣味体验02数字娱乐——动态化与个性化的突破03公共艺术——艺术与生活的连接04核心场景01传统局限以静态影像、固定装置为主，观众参与感弱，内容缺乏个性化02AI核心能力数据处理：分析海量主题数据（历史图像、文献），生成动态视觉内容​实时反馈：通过摄像头、传感器捕捉观众行为，调整展览内容03案例分析技术应用：StableDiffusion分析近百年上海老照片，生成“城市变迁”数字影像墙​交互设计：AI捕捉观众驻足位置与观看时长，停留越久，呈现越多区域历史细节数字展览——从“单向展示”到“沉浸式交互”04场景价值让观众从“旁观者”变为“参与者”，丰富内容且实现个性化观展互动装置——AI驱动的即时交互体验传统局限依赖固定触发逻辑（触摸、声音），交互形式单一，无法“理解”用户需求AI技术支撑计算机视觉、自然语言处理，实现“理解行为+回应需求”装置分类与案例视觉交互装置：AI识别肢体动作、表情，生成视觉反馈案例：商场/展馆“AI绘画互动装置”——用户摆姿势，AI实时转化为卡通/印象派作品语音交互装置：AI识别语音内容，生成动态视觉/声音反馈案例：北京798艺术区“AI诗歌装置”——用户说一句话，AI转化为押韵诗歌并匹配动态光影技术关键基于TensorFlow、PyTorch训练模型，控制交互延迟≤0.5秒，保证流畅体验AI在各领域的应用：游戏领域：打破预设，动态调整场景与NPC行为逻辑：根据玩家操作习惯调整（爱探索则增加隐藏元素，爱战斗则提升NPC难度）数字娱乐——提升内容的动态性与个性化覆盖领域游戏、虚拟偶像、沉浸式戏剧虚拟偶像领域：实现“自主互动”与自然表演案例：虚拟歌手“洛天依”——AI自然语言处理实时回应弹幕，动作捕捉转化真人动作沉浸式戏剧领域：实时调整剧情走向案例：上海“AI沉浸式戏剧《迷雾》”——观众关键选择触发AI生成专属后续剧情场景价值让娱乐内容从“固定化”变为“动态化”，从“统一化”变为“个性化”公共艺术——让艺术融入大众生活应用场景城市广场、公园、地铁站点等公共空间AI核心价值连接“艺术审美”与“公共需求”，既美化环境，又解决实际问题深圳某地铁站“AI光影公共座椅”数据应用：分析人流数据——早高峰（蓝色灯光+舒缓音乐，提示冷静）、晚高峰（暖黄色灯光+餐厅排队信息，提示放松）、非高峰（按天气调灯光：雨天绿、晴天橙）功能升级：从“休息设施”变为“信息交互平台”01杭州西湖“AI荷花池公共装置”数据应用：摄像头识别游客数量，调整灯光与喷雾交互设计：游客少（单点闪烁灯光+轻柔喷雾）、游客多（联动灯光+音乐喷雾），避免拥挤且营造景观02案例分析视觉辅助可添加“场景—技术”匹配关系图创作建议：明确场景→匹配技术数字展览：侧重数据生成与实时反馈技术互动装置：侧重计算机视觉、自然语言处理技术​数字娱乐：侧重动态内容生成、动作捕捉技术​公共艺术：侧重人流/天气等数据分析技术四大场景共性AI不再是单纯工具，而是与艺术深度融合场景共性与AI新媒体艺术创作建议核心目标：激发创意、优化体验、服务大众THANKS感谢观看机器学习基础原理监督学习01无监督学习02监督学习——有“老师”引领的学习核心逻辑：老师带着学生做题核心要素“有标签的训练数据+明确的学习目标”举例：AI识别“向日葵”输入数据：大量“向日葵图片+‘向日葵’标签”的训练数据AI学习：分析图片特征（黄色花瓣、圆形花盘、绿色花茎），总结“特征-标签”对应规律先给答案

→

再学规律

→

最后做判断应用判断：遇到新图片，依据规律判断是否为向日葵AI图像风格迁移-案例训练阶段：输入大量“普通照片+对应艺术风格标签”（如梵高风格、莫奈风格）​AI学习：掌握不同艺术风格的笔触、色彩规律​创作应用：用户上传照片，AI按选定风格生成艺术化图像01AI物体识别交互-案例训练阶段：通过监督学习让AI提前“认识”猫、狗、鸟等动物特征​交互过程：观众持动物玩偶出现在装置前，AI实时识别玩偶类型​艺术效果：投影出该动物对应的动态艺术影像，实现“识别即交互”02监督学习的新媒体艺术应用与监督学习的关键区别：不给AI“答案”，仅提供无标签原始数据，让AI自主分析。核心能力:分析数据间的相似性、关联性​对相同特征数据归类，或发现数据隐藏模式无监督学习——自主探索的学习学生自己观察总结规律举例：AI分类1000张无标签杂乱图片输入数据：1000张无任何标签的杂乱图片​AI观察：自主识别特征（天空：蓝色+白云；树木：绿色+枝干；建筑：直线+几何形状）​分类结果：自动分成“天空”“树木”“建筑”三类“无标签的训练数据+自主发现隐藏规律”01数据可视化艺术-案例：城市数据艺术装置数据输入：某城市一天的交通流量原始数据（无标签，含时间、地点、车辆数量）​AI分析：自主发现规律（早7-9点、晚5-7点某路段数据值高→早晚高峰；中午12-2点数据值低→午休时段）​视觉转化：高峰时段用红色、快速闪烁光点表示；低峰时段用绿色、缓慢流动光点表示，直观呈现交通规律02动态生成艺术-案例：AI抽象艺术生成器数据输入：大量无标签的色彩、线条数据​AI创作：自主组合元素规律，生成不同风格抽象艺术作品​独特性：每次生成作品不同，因AI持续发现新的数据关联模式无监督学习的新媒体艺术应用监督学习与无监督学习对比维度监督学习无监督学习核心逻辑有答案学规律没答案找规律数据特点有标签训练数据无标签训练数据类比场景老师教认水果：“红色、圆形、甜的是苹果”自己分水果：“圆的、带皮的是一类，长的、带壳的是另一类”艺术创作适用场景有明确需求（生成特定风格图像、识别特定物体）自主探索数据规律，创造随机性、创新性作品思考想制作“校园风景AI分类相册”，让AI自动将同学们拍摄的校园照片分成“教学楼”“操场”“花园”三类，该用监督学习还是无监督学习？应选用无监督学习​原因：未提前给照片贴“教学楼”“操场”“花园”标签，需AI自主根据照片特征分类。关键区分​若提前给部分照片贴好标签，让AI学会后再给其他照片分类，则为监督学习。THANKS感谢观看深度学习核心概念神经网络01卷积神经网络02神经网络——类“大脑神经元”的AI结构设计灵感源于人类大脑工作方式：大脑神经元通过突触连接处理信息，神经网络通过“人工神经元”与“权重”模拟这一过程基本结构​包含输入层、隐藏层、输出层三部分，每一层有多个“人工神经元”，神经元间通过“权重”（信号传递强度）连接隐藏层：“核心思考区”（可设一层或多层）第一层：识别“颜色特征”（鲜艳色彩、渐变效果）AI判断图片是否为“新媒体艺术作品”输入层：类似“眼睛”，接收原始数据（如100×100像素图片的30000个红、绿、蓝颜色值），直接传递给隐藏层第二层：识别“形状特征”（抽象几何图形、动态线条）第三层：识别“风格特征”（交互元素、数字合成效果）处理结果通过权重传递给下一层输出层：给出最终判断（“是/不是新媒体艺术作品”），并附带概率（如90%是、10%不是）输入训练数据：大量标注数据（如1000张图片，500张标“是”、500张标“不是”）01反复调整权重：判断错误（如把“不是”判为“是”）：降低错误路径权重判断正确：提高正确路径权重02神经网络的训练过程与艺术应用神经网络“学会”判断的关键形成稳定逻辑：经成千上万次训练，建立可靠的“判断规则”03接收音乐的音调、节奏、音量数据，经多层处理转化为动态视觉效果（如节奏快→画面闪烁频繁，音调高→画面颜色变亮）AI音乐可视化：分析大量人脸照片的五官比例、肤色、表情特征，生成艺术风格人脸图像AI人脸艺术生成：新媒体艺术应用场景定位：神经网络的重要分支普通神经网络：“通用思考者”，处理数据时易忽略空间关系，计算量大卷积神经网络（CNN）：“专门看图片的专家”，通过“卷积操作”高效提取图像空间特征，适合图像类任务卷积神经网络——擅“看图片”的AI专家卷积：提取局部特征AI识别“交互装置艺术”图片设多个“卷积核”（类似“放大镜”），各擅长识别一种特征（线条、边缘、纹理）​卷积核在图片上“滑动”，分析局部像素（如识别装置的金属支架线条、轮廓边缘、表面纹理）​输出“特征图”，记录特征位置与强度，多层卷积后逐步提取“装置结构”“交互部件”等复杂特征池化：简化特征、降计算量常用“最大池化”：将特征图分2×2小区域，保留每个区域最大像素值（最明显特征）​效果：特征图尺寸缩小一半，保留关键特征（如简化装置支架线条、部件轮廓特征图）全连接：综合特征、做判断将简化后的特征图转化为“特征向量”（一串关键特征数字），传递给全连接层​全连接层综合计算，给出结果（如“是交互装置艺术的概率95%”）01AI艺术风格迁移升级优势：比普通风格迁移更精细，能准确识别图片元素并赋予对应风格细节​案例：将普通校园照片迁移成“交互装置艺术风格”，AI精准识别建筑、树木等元素，让最终效果更自然、有层次感02AI实时图像交互装置核心能力：高效提取图像特征，实现流畅实时交互​案例：展览中，CNN实时识别观众动作（挥手→播放动态影像、握拳→切换交互效果），保障交互的流畅性卷积神经网络的新媒体艺术应用神经网络与卷积神经网络的区别与应用场景对比维度普通神经网络卷积神经网络（CNN）核心优势处理结构化数据，应用范围广擅长处理图像数据，高效提取空间特征处理数据类型结构化数据、音频数据、文本数据主要处理图像数据（照片、视频帧）新媒体艺术应用AI音乐生成、基础文本生成图像AI精细风格迁移、实时图像交互、图像修复涉及“图像”（生成艺术图片、图像交互装置）：优先选卷积神经网络涉及“音频”“文本”等非图像数据（生成艺术音乐、基础文本生图）：普通神经网络即可思考问题：做“AI校园涂鸦艺术生成器”，根据手绘线条生成涂鸦风格校园场景，用哪种网络？答案:​卷积神经网络。因需处理图像（识别手绘线条走向、粗细，结合校园场景图像特征），CNN擅长提取图像空间特征，能更好完成任务专科阶段学习重点无需深入研究数学公式（如卷积具体计算），核心理解“作用是什么”“创作中怎么用”01后续实操方向使用现成AI工具（TensorFlowHub、PyTorchHub）调用模型，完成创作（如给照片加“赛博朋克”“印象派”风格，用CNN识别画面控制LED显示）02课后准备任务学习Python基础语法：多数AI工具需简单Python代码编写​关注AI艺术平台：Artbreeder、Runway等，观察CNN创作的作品，感受应用效果03学习建议与实操准备基本结构（输入层、隐藏层、输出层）、训练过程与艺术应用神经网络：知识重点核心操作（卷积、池化、全连接）、艺术应用场景卷积神经网络：适用数据类型与创作需求的匹配逻辑两者区别：总结THANKS感谢观看图像生成技术与视觉艺术的结合点MidJourney01StableDiffusion02DALL・E03创作流程重构艺术表达02效果呈现拓展艺术维度03技术原理适配艺术需求01原理1：文本驱动生成——创意描述→视觉画面传统创作痛点​艺术家需手动绘制脑海创意，耗时久且易“创意与成品脱节”​例：创作“赛博朋克校园图书馆”需数天设计构图、调整色彩01艺术结合价值：降低创意表达门槛，提升落地效率：学生创作“超现实主义城市云海”，只需文字描述（城市建筑半浸云海，云朵有发光鱼群，天空渐变粉紫）​技术快速生成视觉初稿，艺术家后续调整优化02结合点一——技术原理适配艺术需求核心逻辑：​解决传统视觉艺术痛点：“创意落地难”“风格复制繁”“细节刻画累”技术原理​基于Transformer架构的模型，学习海量“文本-图像”配对数据，掌握“文字语义-视觉元素”对应关系结合点一——技术原理适配艺术需求传统创作痛点:掌握一种风格需长期临摹，融合多种风格难度极高​例：结合“蒙德里安几何构图”与“莫奈色彩光影”需反复调整，耗时数月原理2：风格迁移学习——多元风格复用与融合技术原理：​借助卷积神经网络，提取特定风格的“风格特征”（笔触、色彩、比例），迁移到目标画面艺术结合价值风格快速复用：想让“校园风景”有“浮世绘风格”，Prompt加入“浮世绘，葛饰北斋海浪纹理”即可风格跨界融合：Prompt标注“文艺复兴油画质感+未来主义机械元素”，几秒生成融合初稿传统创作痛点细节刻画耗时耗力，易出现“不真实”“缺乏美感”问题​例：画“未来城市街道”需逐一设计招牌、服饰、纹理技术原理模型学习场景“细节逻辑”（古风庭院有青石板、苔藓；科幻飞船有控制面板、灯带），自动生成合理细节原理3：细节自动补全——细节符合艺术逻辑与美学艺术结合价值：艺术家聚焦“整体构图与核心创意”，无需陷入细节繁琐：​创作“AI互动装置背景”，只需确定“流动粒子、蓝紫色调、科技网格”，技术自动补全粒子分布、线条粗细、色彩渐变结合点二——创作流程重构艺术表达传统流程vs人机协同流程传统创作（单向输出）人机协同创作（迭代优化）构思

→

草图

→

上色

→

细节

→

成品创意输入

→AI生成初稿

→

艺术家调整

→AI二次优化

→

成品耗时久、易受限高效、多元、灵活01阶段1：创意启发——AI生成“灵感素材库”传统痛点：浏览参考资料耗时，易受思维定式限制​技术价值：输入多维度Prompt（如“树木+机械齿轮缠绕”“花朵+电路板”），生成数十张初稿，提供新创意方向​案例：校园AI艺术展海报，从“校园建筑+AI图标”拓展到“像素林荫道+发光符号”“湖水倒影+AI图案”02阶段2：初稿生成——AI承担“基础视觉构建”传统痛点：绘制初稿耗时（如科幻插画构图+上色需1-2天）​技术价值：几分钟完成基础框架，艺术家专注调整​案例：AI互动装置界面设计，输入“极简科技风、白浅蓝、3个按钮、网格背景”，AI生成完整初稿，设计师仅需微调位置与动态流程重构的三大核心阶段结合点二——创作流程重构艺术表达（优化迭代）阶段3：优化迭代——人机协同“打磨细节质感”修改需“推翻重来”（如调整色彩需重新上色，修改构图需重绘元素）传统痛点：支持“精准优化”，保留核心元素，局部调整：文字标注修改：如“保持星云构图，改为粉橙色星云，增加发光星点”​画笔标注修改：如在星球区域标注“增加岩石纹理和陨石坑”技术优势：AI初稿：太空场景星云偏暗​艺术家需求：提亮星云，增加星点​技术操作：补充Prompt“星云颜色改为明亮粉橙色，星点数量翻倍”​效果：仅优化星云与星点，保留星球位置、构图，无需重新生成案例：数字展览沉浸式背景优化从“艺术家独自攻坚”变为“人机分工协作”，让创作更高效、更灵活，聚焦艺术表达本质流程重构核心价值：维度1：动态化呈现——静态→动态影像结合点三——效果呈现拓展艺术维度技术结合：图像生成技术+动态生成工具（RunwayGen-2、PikaLabs）​案例：将“赛博朋克校园静态图”转化为动态短片（霓虹闪烁、屏幕滚动、无人机移动）​艺术价值：适配新媒体展览，吸引观众关注，增强感染力维度2：交互化呈现——单向表达→双向互动技术结合：图像生成技术+传感器+交互程序​案例：AI互动绘画装置，观众手势控制画面（挥手→流动线条，握拳→粒子爆炸，滑动→渐变色块）​艺术价值：观众参与画面生成，让作品成为“人机交互的载体”维度3：个性化呈现——统一作品→专属体验技术结合：图像生成技术+观众个性化数据​案例：校园AI艺术体验活动，输入“姓名+喜欢颜色+校园记忆场景”，生成专属作品（如“李明+蓝色+操场，含名字艺术字与篮球元素”）​艺术价值：满足观众情感需求，让艺术更贴近个体多以“静态画面”呈现（绘画、海报、插画），缺乏动态与交互体验传统视觉艺术局限：拓展的三大新维度：Prompt设计技巧核心原则：精准描述“核心元素+风格特征+细节要求”反面示例：仅写“古风科技”（模糊，生成效果不可控）​正面示例：“古风宫殿屋顶，房梁是发光电路板，屋檐挂科技灯笼，地面青石板+数字网格，细腻插画风，色彩明亮，细节丰富”（精准，效果符合预期）工具类型代表工具特点与适用场景入门级MidJourney操作简单，适合生成创意初稿开源免费级StableDiffusionWebUI支持本地部署，适合细节优化与自定义专业级DALL・E3与ChatGPT联动，支持长文本，适合复杂场景新媒体展览级Runway支持图像+动态生成，适合展览动态作品不使用受版权保护的IP元素（动漫角色、知名品牌Logo）作为Prompt关键词，避免侵权避免直接使用AI生成作品作为最终成品，需进行至少30%人工修改（调整构图、优化色彩、添加原创元素），确保独创性版权注意事项通过文本驱动、风格迁移、细节补全，解决传统艺术痛点技术原理适配：知识重点从单向输出到人机协同，实现创意启发、初稿生成、优化迭代的高效化创作流程重构：让视觉艺术具备动态化、交互化、个性化新维度效果呈现拓展：总结THANKS感谢观看自然语言处理与文字类新媒体艺术的关联NLP核心能力适配文字艺术需求01NLP驱动文字艺术创作形态创新02NLP赋能文字艺术交互体验升级0301NLP核心能力适配逻辑:通过三大能力推动文字艺术从“静态单向表达”转向“动态多元交互”02关联点一——NLP核心能力适配文字艺术需求（1）传统文字类艺术创作痛点：“文本生成效率低”“语义理解与艺术表达脱节”“文字与多媒介联动难”能力1：文本生成能力——快速产出艺术风格文字传统痛点:文本产出依赖文学功底与灵感，耗时久、易同质化​例：创作“互动诗歌装置”需数周设计数十句诗歌；“动态文字海报”需反复斟酌文案技术原理：​以GPT、BERT等预训练模型为核心，学习海量文本数据，掌握不同风格语言规律（诗歌韵律、散文意境、广告语简洁性）​艺术应用价值降低创作门槛，提升效率：​学生创作“校园黄昏”抒情散文式诗歌，输入需求（主题：校园黄昏；风格：抒情散文式诗歌；每句≤15字，共8句；含“晚霞”“林荫道”“教学楼”）​模型1分钟生成：“晚霞漫过教学楼的窗/林荫道把影子拉得很长/风裹着书本的香/落在未关的教室门上”​风格调整：补充“改为活泼短句，加‘篮球’‘笑声’”，模型快速生成新内容传统痛点：作品多为“固定文本”，无法根据语境/观众情感调整，互动仅触发固定回复，缺乏深层语义理解技术构成：情感分析（识别积极/消极/中性情绪）、意图识别（判断观众需求：获取信息/表达感受/寻求互动）、语义相似度计算（匹配相关艺术文本）关联点一——NLP核心能力适配文字艺术需求（2）艺术应用案例：情感互动文字装置：观众输入“考试没发挥好，难过”：NLP识别“消极情绪+需安慰”，生成“晚霞会把错题的痕迹擦掉/明天的晨读会带新的答案来”，搭配暖色调动态字体​观众输入“篮球赛赢了，开心”：NLP识别“积极情绪”，生成“篮球撞击地面的声音/是青春最响亮的掌声”，搭配橙红色动态字体能力2：语义分析能力——精准响应语境与情感传统痛点：多为“纯文字”或简单视觉结合，难以实现“文字-视觉-听觉”深度联动，缺乏多感官体验技术原理：借助CLIP、Flava等多模态模型，打通“文字-视觉-听觉”壁垒，将文字语义转化为对应视觉/听觉元素关联点一——NLP核心能力适配文字艺术需求（2）艺术应用案例：文字可视化互动装置：观众输入“校园雨后的清晨”：NLP分析语义（宁静、清新，含“雨”“绿叶”“阳光”）​视觉联动：生成淡绿色背景+雨滴动态+阳光光影​听觉联动：播放雨滴沙沙声+轻柔鸟鸣能力3：跨模态联动能力——文字-视觉-听觉深度融合关联点二——NLP驱动文字艺术创作形态创新（1）打破传统文字艺术边界，催生全新表现形式创新形态1：AI生成式文字艺术——文字动态生长与演变传统局限​:文字内容固定不变，缺乏“生命力”初始状态：仅一句核心诗句“校园的风”数据驱动生成：温度升高→“风裹着夏的热，掠过操场的角落”​光照减弱（傍晚）→“风把夕阳的光，织进教学楼的窗”​观众触摸→“指尖碰醒的风，带着书页的懵懂”案例：AI生成式诗歌墙技术逻辑​:NLP模型结合实时数据（环境、互动行为）动态生成文字，实现内容“生长”创新形态2：动态语义文字装置——文字随语义变形态文字视觉形态（字体、颜色、排列）固定或机械运动，与语义无关传统局限：NLP解析文字语义，驱动视觉形态（字体、颜色、排列、动态）同步变化，实现“语义-形态统一”技术逻辑：案例方向语义“宁静”→

柔和字体、冷色调、缓慢排列语义“激昂”→

粗体、暖色调、快速闪烁排列关联点二——NLP驱动文字艺术创作形态创新（2）创新形态3：跨媒介文字叙事作品——NLP串联多媒介文字叙事依赖“想象引导”，观众需通过阅读构建场景，缺乏沉浸式体验传统局限：案例框架：校园故事跨媒介叙事装置观众输入“校园第一次社团活动”NLP解析语义（场景：社团活动室；情感：期待、热闹；元素：伙伴、道具）NLP作为“叙事核心”，串联文字、图像、视频、声音，打造沉浸式叙事技术逻辑：多媒介联动：文字：生成“推开活动室的门/笑声撞响了风铃/彩纸在桌上叠成星星”​图像：生成社团活动室热闹场景（彩色气球、伙伴围坐）​视频：片段化呈现“折纸”“聊天”动态画面​声音：播放笑声、风铃音、轻快背景音乐关联点三——NLP赋能文字艺术交互体验升级（1）交互体验升级方向：从“简单触发”到“深度对话”，从“被动接收”到“主动参与、共创”交互为“单向触发”（按按钮播文字、输关键词显固定回复），无多轮对话能力传统局限：NLP对话系统（基于Seq2Seq、Transformer架构），实现多轮自然对话技术支撑：案例观众：“今天在图书馆借到一本喜欢的书”装置：“书页里藏着的星光/在你翻页时悄悄亮”观众：“想把这份开心分享给朋友”装置：“那就把书里的星光/折成信笺寄向远方”关联点三——NLP赋能文字艺术交互体验升级（1）个性化参与——观众成“定制者”作品统一，无法满足个性化需求传统局限：NLP结合用户画像技术（分析输入文本、互动行为，构建年龄、兴趣画像），生成专属内容与体验技术支撑：案例：校园专属文字海报生成器观众输入“喜欢摄影，常去校园湖边拍照”画像：兴趣（摄影）、场景（湖边）专属输出：文字“镜头里的湖/把云朵揉成涟漪/快门按下时/夏天就停在取景器里”，搭配湖边摄影元素视觉设计01多位观众分别输入：观众1：“早晨的教学楼，阳光从窗口照进来”​观众2：“课间的操场，有人在踢足球”​观众3：“傍晚的食堂，飘着饭菜的香”02NLP处理：聚合核心元素（教学楼/阳光、操场/足球、食堂/饭菜香）​生成统一风格诗歌：“晨光爬进教学楼的窗/操场的足球追着风跑向远方/傍晚的食堂里/饭菜香把一天的疲惫都藏”关联点三——NLP赋能文字艺术交互体验升级（2）群体共创——多位观众共创作创作是“个体行为”，多位观众难以同时参与传统局限：NLP文本聚合与生成技术，整合多位观众想法，融合成完整作品技术逻辑：通过文本生成、语义分析、跨模态联动，解决传统创作痛点NLP能力适配：知识重点催生AI生成式文字艺术、动态语义装置、跨媒介叙事等新形式创作形态创新：实现对话式交互、个性化参与、群体共创，提升互动深度交互体验升级：总结THANKS感谢观看主流AI图像生成工具定位与优势01操作与门槛02效果与风格03自定义与自由度04场景与适配性051.MidJourney：高效出效果，零门槛创作MidJourney由独立公司开发，定位为“面向大众的AI图像生成工具”，核心目标是降低艺术创作门槛，让用户“无需技术背景，快速生成高质量艺术图像”。其核心优势集中在便捷性与效果稳定性两大维度：使用便捷性无需本地安装软件，通过Discord社交平台（网页端或APP）即可发起生成请求，对设备配置无要求，低配电脑、手机等终端均能正常使用，彻底打破硬件限制；效果稳定性内置AI模型经过海量艺术数据训练，对各类艺术风格的还原度极高，从印象派、赛博朋克到古风、极简主义，仅需通过简单关键词描述风格特征，就能生成元素协调、细节细腻的图像；生成高效性普通分辨率（512×512）图像生成耗时仅1-2分钟，且生成失败率低，极少出现“画面元素错位、逻辑混乱”等问题，能稳定输出符合预期的结果。一、工具定位与核心优势：便捷化vs定制化2.StableDiffusion：开源高定制，自由度拉满StableDiffusion由StabilityAI开发，定位为“开源、可定制的AI图像生成工具”，核心目标是满足个性化创作需求，让用户“自主掌控生成逻辑，实现高度定制化创作”。其核心优势集中在开源性与自定义自由度两大维度：开源免费特性工具完全免费，支持两种使用模式——本地部署（下载安装包后在个人电脑运行）与在线使用（如通过DreamStudio平台），无使用次数、分辨率或风格类型限制，降低经济成本；高度自定义能力开源特性允许用户自主训练“模型（Model）”与“插件（Extension）”，例如针对“古风人物”“机械结构”等特定创作场景训练专属模型，或安装“ControlNet”等插件实现“按线稿生成图像”“按姿势约束人物形态”等精准控制；参数可调性支持调整采样器、生成步数、CFGScale（关键词影响力）等核心参数，可精细控制图像的细节密度、风格强度与生成逻辑，实现从“宏观风格”到“微观细节”的全维度调控。一、工具定位与核心优势：便捷化vs定制化加入MidJourneyDiscord服务器01在指定频道输入“/imagine+关键词”发起生成请求02维度二——操作流程与使用门槛（零门槛vs基础学习）MidJourney：流程简化，零技术门槛选择生成结果（或发起变体、高清化操作）03StableDiffusion：流程稍复杂，需基础理论认知1.准备运行环境（本地安装软件/登录在线平台如DreamStudio）维度二——操作流程与使用门槛（零门槛vs基础学习）2.配置生成参数（选择模型、采样器、步数、分辨率等）3.上传参考素材（可选，如图生图、ControlNet控制）4.生成图像并根据效果优化参数THANKS感谢观看主流AI图像生成工具StableDiffusion：细分风格精准，擅长定制化呈现适配风格类型特定主题细分风格：通过专项模型实现精准适配（如AnyLoRA古风模型还原汉服纹理，MeinaMix动漫模型还原日系线条）“写实+艺术”融合风格：兼顾结构写实与艺术感（如超写实赛博朋克校园，建筑比例精准+光影艺术化）参考素材风格迁移：通过Img2Img功能保留核心构图（如校园实景照片转油画风格，保留教学楼、树木位置）维度三——生成效果与艺术风格适配（广谱适配vs精准定制）01MidJourney：功能有限，仅支持基础调整维度四——自定义功能与创作自由度（基础调整vs全流程控制）0203生成后变体（V1-V4，调整画面细节变体）高清化（U1-U4，提升图像分辨率）关键词优化（通过补充细节描述调整效果）核心控制功能生成逻辑控制：ControlNet插件实现精准约束（如按姿势生成人物、按深度图控制透视）细节与风格控制：采样器选择（DPM++2MKarras提升细节密度）​CFGScale调整（数值越高越贴近关键词）​NegativePrompt排除低质量、逻辑混乱元素StableDiffusion：功能全面，支持全流程控制后期优化控制：Img2Img：优化现有图像细节（如模糊湖面→清晰带天鹅的湖面）​Inpaint：局部重绘（如仅修改教学楼窗户样式，不改变其他元素）01教学适配场景零基础启蒙教学：通过“生成理想校园艺术空间”等任务，帮助学生建立“关键词→视觉成果”的关联，消除对AI工具的陌生感​创意发散教学：小组brainstorm阶段快速生成多风格方案（如5-8种校园AI海报风格），筛选最优创意​普惠性教学：无设备配置要求，确保所有学生（低配电脑、手机用户）均可参与，避免硬件差异导致的学习不均02教学适配场景精准控制教学：通过“线稿转水彩校园插画”“按姿势生成动漫人物”等任务，学习ControlNet使用，理解“参数→效果”逻辑​个性化项目教学：毕业创作、课程设计中，满足“互动装置素材定制”“特定风格系列作品”等需求，提升作品独特性​技术原理认知教学：通过“调整采样器观察细节变化”“修改CFGScale分析关键词权重”等实验，初步理解AI生成底层逻辑维度五——适用场景与教学适配性（入门实践vs进阶创作）MidJourney：适配入门阶段，建立工具认知StableDiffusion：适配进阶阶段，深化技术应用课程总结工具核心优势核心局限适配人群MidJourney零门槛、效果稳定、高效自定义弱、细分风格差零基础入门者、创意快速验证StableDiffusion开源免费、高定制、全可控门槛高、默认效果泛进阶学习者、个性化创作者入门阶段：以MidJourney为工具，掌握“关键词描述→视觉成果”的基础逻辑，积累创意与风格认知进阶阶段：学习StableDiffusion，重点掌握“模型选择→插件使用→参数调控”的精准控制能力，实现个性化创作THANKS感谢观看文本Prompt撰写技巧关键词组合逻辑01风格描述方法02Prompt的本质：它是对目标图像的“结构化语言描述”，需要让AI理解图像的核心元素、元素关系、呈现风格、技术参数等关键信息。AI图像生成模型的工作原理，是通过分析海量图像与文本的对应关系，学习语言描述与视觉元素的映射规律。因此，我们的Prompt撰写，本质上是用AI能“读懂”的语言，还原创意的完整细节。一、关键词组合：构建图像的核心骨架关键词是Prompt的基础，如同建筑的钢筋骨架，决定了图像的核心构成。有效的关键词组合不是简单堆砌，而是遵循“核心主体+关联元素+环境场景+技术属性”的逻辑层次，确保信息传递的完整性与逻辑性。01核心主体关键词：这是图像的核心焦点，必须明确且具体。例如，不能只写“一棵树”，而应明确“一棵百年老橡树”“一棵开满粉色樱花的盆栽树”；如果是人物，需包含身份、特征、动作，如“穿赛博朋克服饰的年轻女性，双手托举发光晶体，眼神坚定”。核心主体的关键词越具体，AI生成的目标越清晰，避免出现模糊、偏离主题的结果。02关联元素关键词：围绕核心主体的辅助元素，用于丰富图像层次。例如，核心主体是“赛博朋克女性”，关联元素可包括“悬浮的机械零件”“流动的霓虹光带”“地面的全息投影”等。关联元素需注意“相关性”与“适度性”，过多无关元素会分散AI的注意力，导致画面杂乱无章。03环境场景关键词：定义图像的背景与氛围空间，分为宏观场景与微观环境。宏观场景如“未来都市的高空平台”“废弃工厂的核心控制室”；微观环境如“弥漫着蓝色烟雾”“光线从顶部天窗斜射”。环境场景的关键词直接影响画面的氛围基调，比如“雨夜的城市街头”会带来冷峻、潮湿的氛围，“阳光明媚的草原”则传递温暖、开阔的感觉。（一）关键词组合的四大核心维度04技术属性关键词：明确图像的呈现形式与技术参数，包括分辨率、构图、视角、质感等。例如“8K超高清分辨率”“电影级宽幅构图”“低角度仰拍”“金属拉丝质感”“柔光效果”。技术属性关键词能提升图像的专业度，尤其在新媒体艺术设计中，不同的技术参数会适配不同的应用场景，如海报设计需强调“高对比度、鲜明色彩”，而艺术插画可能更注重“笔触质感、肌理细节”。逻辑排序原则：0102（二）关键词组合的实操原则03关键词的排列顺序会影响AI的权重分配，核心信息前置，次要信息后置。例如，正确的组合是“穿赛博朋克服饰的年轻女性，双手托举发光晶体，未来都市高空平台，8K分辨率，电影级构图”，而非将技术参数放在最前面。AI会优先处理靠前的关键词，确保核心元素得到重点呈现。精准度优先原则：避免使用模糊、抽象的词汇，用具体、可感知的描述替代。比如，不说“好看的颜色”，而说“青紫色渐变”；不说“有趣的造型”，而说“几何拼接造型”。模糊词汇会让AI产生多种解读，导致生成结果与预期偏差。适度冗余原则：对核心信息可进行适度重复或补充，强化AI的认知。例如，为了突出“机械质感”，可同时使用“金属机械结构”“精密齿轮咬合”“冷硬机械肌理”等关键词，让AI明确画面的核心质感方向。但需注意避免无意义的重复，如连续写“8K分辨率，超高清，高清晰度”，反而会增加Prompt的冗余度。二、风格描述：赋予图像的艺术灵魂传统艺术风格：借鉴经典艺术流派的创作特点，适合打造具有艺术底蕴的作品。古典绘画风格：如“文艺复兴时期油画风格，达芬奇笔触，明暗对比强烈，色彩典雅”“中国工笔画风格，线条细腻，设色清丽，留白得当”；现代艺术风格：如“印象派风格，莫奈式光影，色彩斑斓，笔触松散”“抽象表现主义风格，大胆色块拼接，情感化笔触，强烈视觉冲击”。（一）风格描述的核心分类与典型案例适配新媒体传播场景的现代风格，是AI艺术设计的主流应用方向。数字媒体风格：0102“高饱和度霓虹色彩，机械与生物融合，雨雾弥漫，全息投影，故障艺术效果”；赛博朋克风格：03“简约扁平化，色块分明，无渐变无阴影，线条简洁，高对比度色彩”；扁平化设计风格：04“粉紫蓝渐变色调，复古电子元素，网格背景，古希腊雕塑与现代科技融合”；蒸汽波风格：05“低饱和度色调，哥特式建筑元素，神秘氛围，细腻的皮肤肌理与粗糙的金属质感对比”。暗黑奇幻风格：跨媒介融合风格：将不同媒介的艺术特点结合，打造创新风格。例如“水彩画质感与3D建模结合，透明笔触叠加立体光影”“水墨风格与赛博朋克融合，黑色墨韵与霓虹光带交织”。跨媒介风格的描述需明确两种核心风格的融合逻辑，避免出现风格冲突导致画面混乱。“视觉特征”与“氛围基调”（二）风格描述的实操技巧同一Prompt中避免出现相互矛盾的风格描述。例如，不能同时写“极简主义风格”与“繁复的巴洛克装饰元素”，两种风格的核心逻辑冲突，会让AI无所适从，生成杂乱无章的画面。若需尝试冲突风格的融合，需明确“主次关系”，如“以极简主义为基础，点缀少量巴洛克装饰细节”。避免风格冲突：复杂风格可拆解为“色彩+笔触+构图+氛围”等具体元素进行描述。例如，“宫崎骏动画风格”可拆解为“柔和的暖色调，细腻的线条勾勒，开阔的自然场景，治愈系氛围，光影柔和无强烈对比”。拆解后的描述更具体，AI能更精准地还原风格细节。拆解风格元素：新手可通过“风格名称+代表艺术家/作品”的方式精准定位风格。例如，不说“复古插画风格”，而说“1950年代复古插画风格，参考诺曼・洛克威尔的作品，色彩明快，人物表情生动”。经典参考能让AI快速捕捉风格的核心特征，降低生成偏差。锚定经典参考：通过程度副词调节风格的呈现强度，如“轻微的印象派笔触”“强烈的赛博朋克氛围”“适度的水墨晕染效果”。不同的强度描述适合不同的创作需求，例如，商业海报可能需要“强烈的风格特征”吸引注意力，而品牌Logo设计可能需要“适度的风格化”保证识别性。风格强度控制：THANKS感谢观看基础参数-调整实操分辨率01生成步数02采样方法03核心认知：AI图像生成的参数设置没有“绝对最优解”，只有“场景适配解”。不同的设计需求（如海报设计、社交媒体配图、艺术插画），对图像的清晰度、细节丰富度、生成效率的要求不同，对应的参数组合也会有差异。因此，本节课的重点不仅是掌握参数的调整方法，更要理解“需求与参数的匹配逻辑”，学会根据具体场景灵活优化参数。一、分辨率：定义图像的“清晰度标准”分辨率通常以“像素尺寸”（如1024×1024）或“打印尺寸”（如A4、300DPI）为单位，在AI图像生成工具中，最常用的是“像素尺寸”，即图像横向与纵向的像素数量。像素数量越多，图像的分辨率越高，可呈现的细节越丰富，但同时生成所需的时间更长、占用的设备资源更多。需要注意的是，分辨率与“图像比例”是两个不同的概念。分辨率关注“像素总量”，而图像比例关注“横向与纵向的像素比例”（如16:9、4:3、1:1），两者需结合调整，才能满足不同的应用场景。例如，制作短视频封面需16:9的宽屏比例，而社交媒体头像则常用1:1的正方形比例。（一）分辨率的核心概念与单位快速预览场景：0102（二）分辨率的实操调整逻辑03适用于Prompt测试、创意草稿生成，优先追求“生成效率”，分辨率可设置为512×512或768×768。这类分辨率生成速度快，能帮助我们快速验证Prompt的有效性，避免在测试阶段浪费过多时间。常规设计场景：适用于社交媒体配图、普通海报、PPT插图等，需平衡“清晰度”与“生成效率”，分辨率建议设置为1024×1024（正方形）、1280×720（16:9宽屏）或1080×1920（竖屏，适配短视频/社交媒体）。以1024×1024为例，其像素总量适中，既能呈现丰富细节，又不会让生成时间过长（普通电脑通常10-20秒可完成）。高清输出场景：适用于印刷海报、大幅面展示图、高精度艺术作品等，需优先保证“清晰度与细节”，分辨率可设置为2048×2048、3072×3072，或通过工具的“高清修复功能”（如Midjourney的Upscale、StableDiffusion的Hires.fix）进一步提升分辨率。但需注意，高清分辨率对设备性能要求较高，生成时间可能长达1-5分钟，且部分低配电脑可能出现卡顿或崩溃。根据应用场景确定基础分辨率分辨率与Prompt的适配技巧高分辨率并非适用于所有Prompt，若Prompt描述的是“简约扁平化设计”（如图标、简单插画），使用1024×1024分辨率已足够；若Prompt描述的是“细节丰富的场景”（如“未来都市全景，包含数百栋建筑、穿梭的飞行器、街道上的行人”），则需提升至2048×2048及以上分辨率，才能让AI充分呈现场景中的细节，避免出现“建筑模糊、人物失真”的问题。实操注意事项:•避免“盲目追求高分辨率”：若设备性能不足（如笔记本电脑、低配台式机），强行设置3072×3072及以上分辨率，可能导致生成失败或设备过热。建议先通过低分辨率测试Prompt，确认效果后再逐步提升分辨率。•注意“分辨率与比例的匹配”：例如，生成16:9的宽屏海报时，分辨率应设置为1920×1080（而非1080×1920），避免出现图像拉伸或裁剪的问题。多数AI工具会提供预设比例（如1:1、4:3、16:9），新手可优先使用预设，熟悉后再自定义尺寸。（二）分辨率的实操调整逻辑二、生成步数：控制图像的“细节迭代次数”二、生成步数：控制图像的“细节迭代次数”（一）生成步数的核心原理AI生成图像的过程，是通过“逐步迭代”优化画面的过程：从模糊的初始图像开始，每一步都会根据Prompt的描述，对画面的细节（如线条、色彩、纹理）进行修正与补充，直到达到设定的步数。例如，10步生成的图像，AI仅进行了10次细节优化；而50步生成的图像，AI会在10步的基础上，进一步细化纹理、调整色彩过渡、补充微小细节（如人物的发丝、物体的阴影）。不同步数对应的效果差异（二）生成步数的实操调整逻辑低步数（10-20步）：生成速度快（3-10秒），但细节粗糙，可能出现“色彩断层”“边缘模糊”“纹理不清晰”的问题。适用于“Prompt快速测试”“创意草稿生成”，仅需确认画面构图与核心元素是否符合预期，无需关注细节。中步数（25-50步）：平衡“细节与效率”，多数常规设计场景（如社交媒体配图、普通插画）可使用此范围。以30步为例，AI能较好地呈现画面细节，色彩过渡自然，边缘清晰，且生成时间适中（10-25秒），是最常用的步数范围。高步数（50-100步）：细节极致优化，能呈现微小纹理（如布料的褶皱、金属的划痕、皮肤的毛孔），适用于“高精度艺术作品”“印刷级设计”。但需注意，步数超过50后，细节提升的“边际效益会递减”——例如，50步到100步，细节提升可能仅从“90分”到“95分”，但生成时间会从20秒增加到40秒以上，需根据需求判断是否有必要设置高步数。生成步数与Prompt的适配技巧（二）生成步数的实操调整逻辑若Prompt描述的是“简约风格”（如“极简主义图标，单色背景，线条简洁”），20-30步已足够，高步数不会显著提升效果，反而浪费时间；若Prompt描述的是“细节丰富风格”（如“超写实油画，描绘古典宫殿的内部，包含复杂的浮雕、华丽的吊灯、精致的地毯”），则需设置40-60步，确保AI能充分呈现宫殿的浮雕纹理、吊灯的金属光泽、地毯的图案细节。实操注意事项（二）生成步数的实操调整逻辑避免“步数越高越好”的误区：