chatgpt图片识别、生成图片、语音对话多模态深度试玩

  1. 大模型替代人的工作的能力,越来越明显了。最近chatgpt支持多模态了,看这大佬们玩的不易乐乎,手痒也想试一试,因此有给openai上供了20刀。
  1. 另外我是gpt的拥护者,但是周围的同事有对此担忧,因为他们长期积累的技能可能一下子没了门槛。
  2. 在工作中我已经充分使用了这些工具,此时我仿佛拥有了一个小团队,我提出思路和方案,苦活累活、无意义的重复劳动交给gpt。这样我可以有更多的学习最新的研究、更重要的技能。

1 图生图

1.1 操作方式

打开new bing,切换创意模式,上传图片,输入提示词"根据图片内容生成图画",如果你想告诉他用什么风格,可以在提示词追加,用中国风或者皮克斯风格。

1.2 观看效果

我把娃娃的手绘上传到new bing(接入的是dalle-3模型),让它根据图片内容生成图片,下面看效果。
第一张美人鱼

第二张海底世界(美人鱼、章鱼、鱼)

第三张长城

由于我图片倒置了,生成了很有创意的机械龙

第四张画的葫芦,求子和平安

识别成鱼了,有点意外。

2 提示词生图

我们采用chatgpt4 DALLE-3

2.1 操作方式

前提是需要chatgpt4账号,选择dall-e3,然后输入提示词。

2.1 讲述一个程序员遇到bug,熬夜加班修bug的故事

输入标题中的提示词

2.2 根据古诗生成图片

2.3 设计软件图标

图标在我们UI设计中很常见,话不多说,贴图

2.4 设计logo和衬衫

这个难度有点大,我始终没提示好

3 识别图片并提问

3.1 操作方式

苹果手机安装了chatgpt客户端,打开客户端拍照上传,并提问。

3.2 识别地图地图并提问超哪个方向

3.3 分析图片公式

拍了一个泰勒展开式让它分析

4 语音对话

4.1 设置开启语音

在设置speech中选择语音风格

4.2 体验

语音提问,语音回复,这里没法播放录音,贴出回复的内容。

5 总结

上述的技能,总结一下叫"提示工程"(promote engineering),掌握这些很重要。所以下次在抱怨gpt不行之前,需要反问一下自己提出的问题是否清晰。

如果你想学习请按下面操作搜错资料

题外话:这里不是卖课,吴恩达是AI界的顶级科学家,免费教学推广人工智能的。

相关推荐
枫叶林FYL13 小时前
【强化学习】3 双系统持续强化学习:快速迁移与元知识整合架构手册
人工智能·机器学习·架构
1892280486113 小时前
NY382固态MT29F32T08GSLBHL8-24QM:B
大数据·服务器·人工智能·科技·缓存
AI科技星13 小时前
哥德巴赫猜想1+1基于平行素数对等腰梯形网格拓扑与素数渐近密度的大偶数满填充完备性证明
人工智能·线性代数·架构·概率论·学习方法
GIS数据转换器13 小时前
农村生活污水治理智慧管控平台
大数据·人工智能·分布式·数据分析·生活·智慧城市
常威正在打来福13 小时前
frontend-design 入门指南:OpenClaw / Claude Code / Codex 三平台安装教程
人工智能·ai·ai编程
MediaTea14 小时前
AI 术语通俗词典:Dropout 层
人工智能
武子康14 小时前
调查研究-140 全球机器人产业深度调研报告【02篇】:全球机器人产业格局分析:五个阶段并存与商业化路径 2026
人工智能·ai·机器人·具身智能·智能化
木心术114 小时前
Windows系统下MySQL与AI工具集成方案:数据存储与调用实践
人工智能·windows·mysql
a7520662814 小时前
OpenClaw企业微信渠道配置教程|API模式+长连接+全部授权
人工智能·机器人·企业微信·openclaw部署·小龙虾一键安装
AI语宙漫游指南14 小时前
AI Agent Skill 系统架构全解析:SKILL 规范与框架实现
人工智能·agent