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
大鱼>2 分钟前
AI+货物追踪:全链路货物可视化追踪系统
人工智能·深度学习·算法·机器学习
HIT_Weston7 分钟前
144、【Agent】【OpenCode】启动分析(ANSI 颜色能力)
人工智能·agent·opencode
LingYi_011 分钟前
变化检测—BIT
人工智能·深度学习
workbuddy小能手1 小时前
用 WorkBuddy 部署 Node.js 项目实战:基金导航站与 Markdown 编辑器同机上线
人工智能·ai·node.js·编辑器·workbuddy
予枫的编程笔记3 小时前
Agent 到底是什么?从架构演进看 AI Agent 的工程定义
人工智能·agent·harness·agent的演进
成都渲染101云渲染66666 小时前
如何在3ds Max中实现更快、更高质量的渲染
前端·javascript·人工智能
十铭忘8 小时前
MOTIONGPT3:人类运动作为第二模态
人工智能
weigangwin9 小时前
采用 mem0 之前,先决定 Agent 到底允许记住什么
人工智能·opencv·ai·llm·memory·ai agent·mem0
木木学AI9 小时前
AI客服系统技术选型:Agentic架构与传统规则引擎的能力差异评估
人工智能·架构
hhzz9 小时前
Python大数据实战(十六):音乐推荐系统——基于协同过滤算法构建个性化歌单引擎
大数据·人工智能·python·数据挖掘·数据分析