第1章　我們?yōu)槭裁匆�關(guān)注AIGC
1.1　從人工智能到人工智能生成內(nèi)容
1.2　巨頭如是說
1.2.1　國外“大廠”在AIGC領(lǐng)域的布局
1.2.2　國內(nèi)“大廠”在AIGC領(lǐng)域的布局
1.3　資本狂潮
1.4　異軍突起的獨(dú)角獸企業(yè)
1.4.1　OpenAI
1.4.2　Stability AI
1.4.3　Scale AI
1.5　行業(yè)“大牛”：誰是下一個“喬布斯”
第2章　AIGC相關(guān)技術(shù)介紹
2.1　規(guī)則系統(tǒng)
2.2　變分自編碼器
2.3　生成對抗網(wǎng)絡(luò)
2.3.1　GAN模型訓(xùn)練原理
2.3.2　CGAN模型
2.3.3　基于模型架構(gòu)的衍生
2.3.4　基于損失函數(shù)的衍生
2.3.5　圖像生成領(lǐng)域的衍生
2.4　Transformer模型架構(gòu)
2.5　基于Transformer模型架構(gòu)的LLM
2.5.1　基于編碼器的LLM
2.5.2　基于解碼器的LLM
2.5.3　基于編碼器和解碼器的LLM
2.5.4　BERT模型與GPT模型對比
2.6　擴(kuò)散模型
2.6.1　擴(kuò)散模型原理
2.6.2　DALL?E 2模型
2.6.3　Stable Diffusion模型
2.7　其他模型
2.8　LLM的前景光明
第3章　下筆如有神：文本類AIGC
3.1　何為“智能”
3.2　拆解文本生成技術(shù)原理
3.2.1　1950—1970年，NLP初露鋒芒
3.2.2　1980—2010年，NLP的寒冬與機(jī)遇并存
3.2.3　2010—2019年，技術(shù)迸發(fā)與沉淀
3.2.4　2019年至今，AIGC進(jìn)入尋常百姓家
3.3　文本類AIGC在傳媒場景中的應(yīng)用
3.3.1　社交媒體文案：Jasper
3.3.2　新聞寫作：Quakebot、CNET
3.3.3　劇本撰寫：海馬輕帆
3.4　文本類AIGC在教育場景中的應(yīng)用
3.4.1　文章撰寫：EssayGenuis
3.4.2　出題和做題：高校聯(lián)合團(tuán)隊(duì)開發(fā)的AI程序
3.4.3　青少年教育：Cognii
3.5　文本類AIGC在辦公場景中的應(yīng)用
3.5.1　搜索引擎優(yōu)化：Kafkai
3.5.2　營銷文案：Copysmith
3.5.3　電子郵件：Compose.ai
3.5.4　代碼撰寫：GitHub Copilot
3.6　文本類AIGC的其他熱門場景
3.6.1　AI聊天機(jī)器人
3.6.2　AIGC搜索引擎：Perplexity AI
3.7　萬眾矚目的ChatGPT
3.7.1　ChatGPT是什么
3.7.2　ChatGPT的海量應(yīng)用場景
3.7.3　GPT-4模型：截至2023年3月最強(qiáng)的AI模型
3.7.4　ChatGPT對普通人意味著什么
3.8　文本類AIGC的未來
第4章　“聲臨其境”：聲音類AIGC
4.1　從讓機(jī)器開口說話開始
4.1.1　18至19世紀(jì)的嘗試
4.1.2　20世紀(jì)30年代，語音合成技術(shù)的萌芽
4.1.3　20世紀(jì)50年代，計(jì)算機(jī)語音合成系統(tǒng)的起源
4.1.4　20世紀(jì)末，傳統(tǒng)的語音合成方法
4.1.5　2016年，AIGC打破語音合成技術(shù)的發(fā)展瓶頸
4.1.6　2017年，語音合成技術(shù)迎來研究熱
4.2　音樂類AIGC
4.2.1　從留聲機(jī)到個人計(jì)算機(jī)制作的電子音樂
4.2.2　早期的音樂類AIGC
4.2.3　端到端模型大展身手
4.2.4　歌聲合成
4.2.5　音頻延續(xù)
4.3　人聲類AIGC
4.3.1　變聲器
4.3.2　語音助手
4.3.3　有聲內(nèi)容創(chuàng)作
4.3.4　智能電話機(jī)器人
4.3.5　教育
4.3.6　無障礙溝通
4.4　聲音類AIGC的未來
4.4.1　業(yè)內(nèi)觀點(diǎn)
4.4.2　聲音類AIGC的局限性和未來展望
第5章　如你所見：圖片類AIGC
5.1　從計(jì)算機(jī)藝術(shù)到算法模型藝術(shù)
5.1.1　20世紀(jì)70年代，藝術(shù)家的午夜花園
5.1.2　2012年，一次有突破意義的嘗試：貓臉的識別與生成
5.1.3　2014年，GAN模型問世
5.1.4　2017年，夢始于Transformer模型
5.1.5　2021年，文本與圖片進(jìn)行匹配：CLIP模型和文字提示詞
5.1.6　2020—2022年，圖片生成技術(shù)開啟AI繪畫元年：擴(kuò)散模型
5.2　AI繪畫
5.2.1　主流的AI繪畫工具介紹
5.2.2　生成圖片類AIGC的方式
5.2.3　Prompt詞組
5.3　圖片處理
5.3.1　AI修圖
5.3.2　圖片增強(qiáng)
5.3.3　分割摳圖
5.4　圖片類AIGC的衍生應(yīng)用：AI識圖和AI鑒圖
5.4.1　人臉和人體識別
5.4.2　通用圖片識別
5.4.3　是否由AI繪畫工具創(chuàng)作
5.5　實(shí)用、有趣的圖片世界
5.5.1　頭像生成
5.5.2　模擬場景
5.5.3　PPT生成
5.5.4　設(shè)計(jì)
5.5.5　稿件配圖
5.5.6　更多場景
5.6　圖片類AIGC的未來
5.6.1　局限性和發(fā)展預(yù)測
5.6.2　怎么看AI藝術(shù)
5.6.3　筆者的一些淺見
第6章　眾所周知，視頻是不能PS的：視頻類AIGC
6.1　視頻生成技術(shù)的發(fā)展歷程
6.1.1　早期探索
6.1.2　2014—2016年，視頻生成起步：無條件視頻生成
6.1.3　2017年，潘多拉的魔盒：人像視頻生成
6.1.4　2018—2019年，視頻生成視頻技術(shù)的突破
6.1.5　2021年，文本生成視頻技術(shù)的發(fā)展
6.1.6　2022年，擴(kuò)散模型進(jìn)軍視頻生成領(lǐng)域
6.2　視頻生成工具
6.2.1　數(shù)字人視頻生成工具
6.2.2　視頻編輯工具
6.2.3　文本生成視頻工具
6.3　視頻生成應(yīng)用
6.3.1　高清內(nèi)容生成
6.3.2　快速拆條和視頻摘要生成
6.3.3　場景植入
6.3.4　視頻卡通化
6.3.5　文本生成視頻
6.3.6　數(shù)字人視頻生成
6.3.7　人臉視頻生成
6.4　數(shù)字人：仿生人與電子羊
6.5　視頻類AIGC的未來
6.5.1　局限性
6.5.2　未來預(yù)測
第7章　AIGC的相關(guān)產(chǎn)業(yè)和生態(tài)發(fā)展
7.1　芯片：算力決定智力
7.1.1　在AIGC領(lǐng)域中，現(xiàn)在用什么芯片
7.1.2　隨著AIGC的發(fā)展，對芯片會有什么新的需求
7.2　AIGC展示端口：AR/VR/MR/XR設(shè)備
7.2.1　AR設(shè)備
7.2.2　VR設(shè)備
7.3　模型類AIGC應(yīng)用在元宇宙里自動化建模
7.3.1　拍視頻就可以得到模型？基于視頻自動化生成模型
7.3.2　元宇宙版的神筆馬良，基于文本自動化生成三維模型
7.3.3　穿越空間，虛擬直播空間建設(shè)
7.3.4　元宇宙的化身——數(shù)字人生成技術(shù)
7.3.5　把實(shí)物帶到元宇宙中，基于三維激光掃描設(shè)備的文物逆向建模
7.4　AIGC應(yīng)用的未來
第8章　AI文明的降臨已開啟倒計(jì)時
8.1　何謂內(nèi)容
8.2　AIGC的版權(quán)爭議
8.3　普通人的AIGC時代生存建議
8.3.1　生產(chǎn)力工具：“人工”+“智能”=最強(qiáng)“打工人”
8.3.2　做AIGC應(yīng)用的老師，為人類的“群體智慧”做貢獻(xiàn)
8.3.3　向AIGC應(yīng)用學(xué)習(xí)邏輯，同時關(guān)注創(chuàng)新
后記