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
IT_陈寒几秒前
Vue的响应式什么时候会失灵?这个坑我踩了
前端·人工智能·后端
Mark-Wang24 分钟前
2026大厂AI Agent高频面试题Top50:题目+参考答案+追问陷阱
人工智能
五度易链-区域产业数字化管理平台42 分钟前
WorkBuddy 实战:将带 MD5 签名的第三方 API 封装为 MCP 服务(企业模糊搜索接口案例)
大数据·人工智能·mcp
怪奇云呼军1 小时前
知识库也会注入指令?闪电智能VoiceAgent 如何防住 Prompt Injection
人工智能·python·算法·云计算·音视频
xushichang123_1 小时前
企业降本刚需下,云上模型蒸馏与轻量化部署怎么选?AWS“大模型教研+小模型推理” 路径
大数据·人工智能
EasyDSS1 小时前
开会不用装App:私有化音视频系统EasyDSS即时视频会议,浏览器点开就能聊,AI帮你写纪要
人工智能·音视频
阿里云大数据AI技术1 小时前
基于 EMR Serverless Ray 实现 Qwen 模型批量推理实践
人工智能·算法·agent
ZJU_统一阿萨姆1 小时前
【算子开发】环境搭建与第一个CUDA程序
开发语言·人工智能·系统架构
老登为啥喜欢吹AI1 小时前
继DSH之后!Codex Harness 也开源了!Rust 核心、三层架构、人机协作
人工智能