【大模型科普】AIGC技术发展与应用实践（一文读懂AIGC）

【作者主页】Francek Chen
【专栏介绍】 ⌈ ⌈ ⌈人工智能与大模型应用 ⌋ ⌋ ⌋ 人工智能（AI）通过算法模拟人类智能，利用机器学习、深度学习等技术驱动医疗、金融等领域的智能化。大模型是千亿参数的深度神经网络（如ChatGPT），经海量数据训练后能完成文本生成、图像创作等复杂任务，显著提升效率，但面临算力消耗、数据偏见等挑战。当前正加速与教育、科研融合，未来需平衡技术创新与伦理风险，推动可持续发展。

文章目录

• 一、AIGC概述
  • （一）什么是AIGC
  • （二）AIGC与大模型的关系
  • （三）常见的AIGC应用场景
  • （四）AIGC技术对行业发展的影响
  • （五）AIGC技术对职业发展的影响
  • （六）常见的AIGC大模型工具
  • （七）AIGC大模型的提示词
• 二、文本类AIGC应用实践
  • （一）案例1：与DeepSeek进行对话
  • （二）案例2：与百度文心一言进行对话
  • （三）案例3：使用讯飞智文生成PPT
• 三、图片类AIGC应用实践
  • （一）图片类AIGC应用场景
  • （二）图片类AIGC案例实践
• 四、语音类AIGC应用实践
  • （一）语音类AIGC应用场景
  • （二）语音类AIGC案例实践
• 五、视频类AIGC应用实践
  • （一）视频类AIGC应用场景
  • （二）代表性视频类AIGC大模型
  • （三）视频类AIGC案例实践
• 六、AIGC在辅助编程中的应用
• 七、AI搜索
• 八、AI智能办公
• 小结

一、AIGC概述

（一）什么是AIGC

AIGC，即“Artificial Intelligence Generated Content”，中文译为“人工智能生成内容”，是一种极具创新性的创作方式。它借助人工智能技术，能够生成文字、音乐、图像、视频等丰富多样的内容形式，标志着人工智能步入了全新的发展阶段。

AIGC的核心技术涵盖生成对抗网络（GAN，Generative Adversarial Networks）、大型预训练模型以及多模态技术等。其核心思想在于运用人工智能算法，生成兼具创意与质量的内容。通过对模型进行训练，并让其学习海量数据，AIGC能够依据输入的条件或指导，生成与之紧密相关的内容。比如，只需输入关键词、描述或样本，它就能创作出与之匹配的文章、图像、音频等。

AIGC技术的优势显著，它不仅能大幅提升内容生产的效率与质量，还能为创作者提供源源不断的灵感与有力支持。在文学创作、艺术设计、游戏开发等领域，AIGC可以自动创作出高质量的文本、图像和音频等内容，减轻创作者的负担。此外，它还能广泛应用于媒体、教育、娱乐、营销、科研等多个领域，为用户提供高质量、高效率且极具个性化的内容服务，推动各行业的创新与发展。

（二）AIGC与大模型的关系

大模型与AIGC之间的关系可以说是相辅相成、相互促进的。大模型为AIGC提供了强大的技术基础和支撑，而AIGC则进一步推动了大模型的发展和应用，具体如下：

1. 大模型为AIGC提供了丰富的数据资源和强大的计算能力
2. AIGC的需求也推动了大模型的发展
3. 大模型和AIGC的结合，也带来了广泛的应用前景

（三）常见的AIGC应用场景

AIGC可以应用于各行各业，主要包括但不限于生成文字、图像、音频、视频等，具体如下：

表1 常见的AIGC应用场景

（四）AIGC技术对行业发展的影响

AIGC技术对行业发展的影响广泛而深远，在多个维度上重塑着产业格局。主要体现在以下几个方面：

• 内容创作领域的革新：AIGC带来了颠覆性革新。它能够自动生成高质量的文本、图像、音频和视频等内容，极大提升了创作效率。在新闻、广告、自媒体等行业，AIGC已得到广泛应用，助力创作者快速产出多样化、个性化的内容，精准契合市场需求。这一技术革新不仅降低了内容创作成本，更激发了创作者的创新灵感，为内容产业的蓬勃发展注入强大动力。
• 生产力提升与成本降低：AIGC技术在多行业展现出巨大潜力。在游戏开发领域，它可用于场景构建、角色互动等环节，减少人工制作工作量，显著提高开发效率；在制造业中，AIGC技术能辅助设计、优化生产流程，有效降低生产成本。这些应用使企业能更迅速地响应市场变化，在激烈竞争中脱颖而出。
• 用户体验的升级：AIGC技术实现了显著升级。在智能客服、在线教育等领域，它能依据用户需求和偏好提供精准服务，满足个性化需求。这种以用户为中心的服务模式，增强了用户的满意度和忠诚度，为企业创造了更多商业机会。
• 推动行业创新与转型：AIGC为传统行业带来了转型升级的契机，通过与AIGC技术深度融合，传统行业可探索新的商业模式和服务模式。在零售业，AIGC技术可用于智能推荐、虚拟试衣等场景，提升购物体验，促进销售增长；在金融领域，它能应用于投资策略优化、风险管理等方面，提高金融机构的决策效率和准确性。

（五）AIGC技术对职业发展的影响

AIGC技术对职业发展产生了深远的影响，主要体现在以下几个方面：

• 新兴职业的出现：随着AIGC技术迅猛发展，与之紧密相关的AI训练师、机器学习工程师、数据标注员等职业需求呈爆发式增长。这些新兴职业不仅要求从业者拥有坚实的技术功底，还需持续学习、紧跟AIGC技术的最新动态，方能在行业中立足。
• 传统职业的转型升级：AIGC技术也为传统职业的转型升级提供了契机。在AIGC技术的助力下，编辑、设计师、教师等传统职业的工作效率和创作质量大幅提升。不过，这也促使从业者必须积极适应技术变革，掌握新的技能和工具，以契合市场需求的动态变化。
• 工作方式的变革：工作方式发生显著变革。AIGC技术让远程工作、灵活办公成为现实，众多企业借助该技术优化工作流程，降低人力成本，提升工作效率。这一变革既为员工提供了更灵活的工作模式，也为企业创造了更大的经济效益。
• 职业发展路径的多样化：职业发展路径更加多元化。AIGC技术的发展为从业者提供了更多选择，他们可依据自身兴趣和特长，规划适合自己的职业方向。比如，对AI技术感兴趣的从业者可投身AI训练师或机器学习工程师岗位，而具备创意和设计才能的从业者则能借助AIGC技术提升创作能力。
• 持续学习与技能提升：面对AIGC技术的快速迭代，从业者需不断学习、提升技能。通过参加培训、阅读专业书籍、参与技术论坛等途径，他们才能紧跟技术前沿，在激烈的竞争中保持优势。

（六）常见的AIGC大模型工具

常见的AIGC大模型工具琳琅满目，如OpenAI的ChatGPT、DeepSeek、科大讯飞的讯飞星火、阿里的通义千问、百度文心一言、字节跳动豆包以及Kimi等。它们皆以大规模语言模型技术为基石，拥有文本生成、语言理解、知识问答、逻辑推理等多元能力。无论是写作辅助、内容创作，还是智能客服等领域，这些工具都能大显身手。而且，它们持续迭代优化，紧跟时代步伐，不断打磨自身性能，致力于为用户提供更为智能、高效的内容生成解决方案，助力各行业实现高效创新发展。

（七）AIGC大模型的提示词

AIGC大模型的提示词（Prompt）是指用户向大模型输入的文本内容，用于触发大模型的响应并指导其如何生成或回应。这些提示词可以是一个问题、一段描述、一个指令，甚至是一个带有详细参数的文字描述。它们为大模型提供了生成对应文本、图片、音频、视频等内容的基础信息和指导方向。

提示词的重要作用如下：引导生成、提高准确性、增强交互性。

使用提示词需要注意一些技巧，这样可以从大模型获得更加符合我们预期要求的结果，主要技巧如下：简洁明确、考虑受众、分解复杂任务、使用肯定性指令、示例驱动、明确角色、遵守规则、自然语言回答。

二、文本类AIGC应用实践

（一）案例1：与DeepSeek进行对话

1. 快速体验DeepSeek

访问DeepSeek官网（https://chat.deepseek.com/），会出现如图1所示对话界面，在提示词输入框的底部，有两个按钮，即“深度思考(R1)”和“联网搜索”，可以用鼠标点击来选中或取消，默认情况下，“深度思考(R1)”按钮是处于选中状态，“联网搜索”则处于未选中状态。两个按钮的功能如下：

• 深度思考(R1)：表示触发更复杂的多步推理能力，适合需要逻辑链分析的场景，典型使用场景包括数学题/物理题推导、文学作品的隐喻分析、编程问题的架构设计、需要分步骤解释的操作指南等。
• 联网搜索：表示实时获取最新网络信息，适合时效性强的查询，典型使用场景包括查询实时股价/汇率、验证最新科研成果、获取突发事件进展、检索特定网页内容等。

图1 DeepSeek对话界面

在提示词输入框中输入“请模仿李白的《望庐山瀑布》做一首诗，题目是《望连云港花果山》”，然后回车，或者用鼠标点击提示词输入框右侧的箭头按钮，向DeepSeek发起提问。DeepSeek给出的回答如图2所示，需要注意的是，大模型属于概率模型，每次生成的回答内容可能不完全相同。

图2 DeepSeek生成《望连云港花果山》

2. DeepSeek的基本用法

（1）基本原则：简单直接，自然表达。
① 无需复杂结构。直接描述需求即可，无需添加“角色扮演”（如“假设你是专家”）或复杂指令（如“用学术语言分三点回答”）。比如，你可以直接向DeepSeek提问“什么是光合作用？”、“如何用Python写一个计算器程序？”，而不建议使用提示词“请以生物学教授的身份，用三个段落解释光合作用，每段不超过100字”。
② 多轮对话优化结果。如果首次回答不完整，可通过追问补充细节，无需一次性给出完美提示。比如，第一轮提问“写一首关于秋天的诗”，第二轮提问“加入一些悲伤的情绪”，第三轮提问“把‘落叶’换成比喻句”。

（2）不同场景的提问技巧（非必需，但可提升效率）。虽然简单提问即可满足大多数需求，但在复杂任务中，适当提供背景信息或明确需求会让结果更精准，具体技巧包括：
① 知识类问题。比如，基础提问是“量子力学的基本原理是什么？”，优化后的提问是“用通俗易懂的语言解释量子纠缠，适合高中生理解”。
② 创作类任务（写作、编程等）。比如，基础提问是“写一个关于人工智能的科幻短篇故事”，优化后的提问是“写一个反乌托邦主题的科幻故事，主角是女性工程师，结局有反转”。
③ 实用建议（学习、工作等）。比如，基础提问是“如何提高英语听力？”，优化后的提问是“我每天只有30分钟学习时间，有哪些高效的英语听力练习方法？”。
④ 复杂任务（数据分析、代码调试）。比如，基础提问是“这段Python代码报错了，帮我看看问题”，优化后的提问是“我的代码目标是爬取网页数据，但遇到SSL证书错误。报错信息如下：[粘贴代码]”。

作为初学者，DeepSeek的一些“魔法”指令也很有用，比如，你可以输入“/步骤 如何用手机拍摄旅游照片”，DeepSeek返回的回答结果就会按照步骤详细给出拍摄旅游照片的说明，再比如，你可以输入“请解释量子计算，然后/简化”，它就会返回比较简明扼要的回答。

表2 DeepSeek的"魔法"指令

3. 使用DeepSeek处理文档

点击DeepSeek界面中的「回形针」图标上传⽂件，支持的文件类型包括文本类（PDF、DOCX、TXT、Markdown）、数据类（CSV、XLSX）和图像类（JPG、PNG）。然后，就可以在对话框中输入提示词，比如，可以输入“总结这份年报的三个核⼼要点”、“提取合同中的责任条款制成表格”、“对⽐⽂档A和⽂档B的市场策略差异”、“从实验报告中整理所有温度数据”、“请识别图片中的文字”等。也可以使用一些指令来处理文档，如表3所示。

表3 用于文档处理的DeepSeek指令

还可以要求DeepSeek对回答结果进行结构化输出，比如，可以输入如下提示词：

/解析文件 年度报告.docx 输出要求： （1）按"营收/利润/成本"分类 （2）用Markdown表格对比近三年数据 （3）关键增长点用✅标注 

（二）案例2：与百度文心一言进行对话

1. 告诉文心一言你要的风格

访问文心一言官网（https://yiyan.baidu.com/），在输入提示词时，明确指定你希望生成的文本内容的风格。这样，文心一言在理解并处理你的请求时，会更有针对性地调整其生成内容的风格，以满足你的具体需求。比如，可以使用提示词：

请按照要求写一篇200字左右关于云计算的介绍。注意事项：文章的受众是中学生，需要通俗易懂，语言风格需要幽默、风趣一些 

想要生成不同语气风格的文字，可以在问题描述中加入你想要的语气风格作为限定条件，提示文心一言按照你的要求去输出。比如，如果你需要正式语气，可以在提示词中加入“请采用正式的词汇和语法结构，使内容显得庄重、严肃和专业”；如果你需要抒情语气，请在提示词中加入“请使用富有感情和表达感情的词汇，使内容产生共鸣和情绪共振”；如果你需要口语化语气，请在提示词中加入“请运用口语化的表达方式，例如俚语、俗语和口头禅，使内容更加轻松和亲切”。

2. 告诉文心一言你要的结构

在构建提示词时，应明确指定期望的输出结构。比如，如果是要求生成一篇文章，可以在提示词中明确指出“请按照引言-正文-结论的结构来撰写”。这样，文心一言在生成内容时，会遵循这一结构框架，使得输出更加条理清晰、逻辑严密。再比如，如果要撰写给上级领导的方案、报告、总结时，可以使用提示词：

请按照【现状/问题/解决方案，数据洞察/问题概览/调研方向，数据/亮点/问题/经验】这个结构撰写一份关于我国芯片行业的总结报告 

3. 告诉文心一言你要的角色

在提示词中可以设定具体的角色或视角。例如，在要求创作故事时，可以明确指定“以一位勇敢探险家的视角讲述这段经历”。这样的提示能引导文心一言在生成内容时，从特定角色的角度出发，赋予文本独特的情感色彩和叙事风格。此技巧有助于增强生成内容的代入感和故事性，使内容更加丰富和引人入胜。下面是一段提示词实例：

请你作为一个小红书文案撰写高手，为我生成一篇爆款小红书文案，要求：突出酒店的特色，包括海景房、豪华单间、最新装修、免费早餐、无线上网等 

下面是另一段提示词实例：

我希望你能扮演记者的角色，按照我的要求撰写一份新闻调查，要求：调查油罐车不清洗直接运送食用油的事情，不要出现具体企业名称，要给出政府部门的处理态度 

4. 告诉文心一言你的内容要求

可以通过详细具体的提示词明确表达内容要求。无论是希望生成的文章主题、关键词汇，还是期望涵盖的信息点、情感倾向，都应在提示词中清晰呈现。这样做能让文心一言更准确地理解用户需求，生成更符合期望的内容。比如，可以通过如下提示词表达自己的内容要求：

在6G专利申请方面，中国已经遥遥领先。2021年的数据显示，中国的6G专利申请量占比高达40.3%，稳坐世界第一的宝座。 请把上面的数据更新到目前最新的数据 

如果对输出的内容有比较多的要求或限制，不妨在输入框中将这些内容要求一条一条明确告诉文心一言，比如，可以采用类似如下的提示词：

请以小红书的风格，按照以下要求帮我为“海景美食餐厅”写一篇小红书种草文案； 内容要求： （1）要有标题、正文 （2）标题字数：不超过20个字；尽量简短精炼，要足够吸引眼球，用词浮夸 （3）正文分段，层次分明，每段最少100字 （4）要用“首先、其次、最后”这种模式 （5）整篇文案不要超过1000个字 

5. 告诉文心一言你想写的文体

明确指定文体，如散文、小说、诗歌、科技文等，让大模型理解并模拟该文体的语言特点、结构安排和表达习惯，从而输出更具针对性的文本。比如，可以采用提示词“请写一段[中秋赏月]的朋友圈文案，需要采用藏头诗的形式”。

图3 文心一言生成[中秋赏月]藏头诗

6. 指导文心一言分步解决问题

将复杂问题拆解成多个简单、具体的步骤，作为提示词输入给文心一言。这样不仅能降低问题的处理难度，使文心一言更容易理解和响应，还能确保解决问题的过程更加系统、有条理。通过逐步引导，可以逐步逼近问题的解决方案，提高答案的准确性和实用性。比如，如果想让文心一言帮你制定一份旅行规划，可以使用类似如下的提示词：

请为我规划一次为期一周的连云港自由行； （1）第1步：列出必去的景点，如江苏海洋大学、花果山、连岛景区、云台山、桃花涧风景区、海州古城； （2）第2步：根据景点位置安排每日行程，确保交通便利； （3）第3步：推荐几家当地的特色餐厅，包括早餐、午餐和晚餐； （4）第4步：提供一家性价比高的酒店住宿建议，并考虑其位置是否便于游览。 

7. 告诉文心一言你要的示例

明确沟通意图，通过具体示例引导大模型理解你的需求。这有助于文心一言更准确地捕捉你的思维框架和期望结果，减少误解。比如，可以使用类似如下的提示词：

我是一位高校学生，请帮我写一份实习周报，内容尽量简洁精炼，下面是我本周的实习内容： （1）完成了3个项目书的修改 （2）撰写了一篇博客“AIGC应用与实践” 输出要求示例： 【本周实习周报】 【本周实习进展】本周做了哪些事，产生了哪些结果 【下周实习安排】基于本周的结果下周要推进哪些事 【思考总结】简要说说本周的收获和反思 

8. 告诉文心一言你要的场景

在输入提示词时，应明确描述所需的上下文或环境背景，如“在科幻电影中描述一个未来城市的景象”或“请撰写一封给朋友的生日祝福信，场景设定在海边日落时”。这样做有助于文心一言更好地理解你的需求，生成更符合场景氛围和情境的内容，从而提升输出内容的贴切性和情感共鸣。

图4 文心一言描述未来城市

（三）案例3：使用讯飞智文生成PPT

讯飞智文是科大讯飞公司旗下的AI一键生成PPT/WORD的网站平台，是基于科大讯飞星火认知大模型技术基础上开发的一个具体应用，主要功能有文档一键生成、AI 撰写助手、多语种文档生成、AI自动配图、模板图示切换功能。这里介绍如何使用讯飞智文快速生成PPT。

请首先准备一个包含文本内容的PDF文件，比如，可以从网络新闻报道中复制一段关于2024年7月19日微软蓝屏事件的内容保存到一个WORD文档中，命名为“微软蓝屏.docx”，然后，使用WPS软件打开“微软蓝屏.docx”，把该WORD文档保存成PDF格式，生成“微软蓝屏.pdf”。

访问讯飞智文官网（https://zhiwen.xfyun.cn/），在首页（如图5所示）中点击“免费使用”，然后按照网页提示完成注册（推荐使用手机号注册）。

图5 讯飞智文官网

在页面中（如图6所示）选择AI PPT的“文档创建”。然后，在出现的页面中（如图7所示），点击“点击上传”，把本地文件“微软蓝屏.pdf”文件上传上去（当然，也可以上传“微软蓝屏.docx”）。

然后，在出现的页面中（如图8所示），点击“开始解析文档”。之后，页面会显示提示文字“好的，已收到您的要求，让我先为您生成PPT标题和大纲”。过一会儿，就会显示自动生成的PPT标题和大纲，如果你不满意，可以点击页面底部的“重新生成”，如果满意，可以直接点击“下一步”。

图6 选择AI PPT中的“文档创建”

图7 上传文件

图8 开始解析文档

在出现的页面中（如图9所示），选择你想要的模板配色，然后点击页面顶部的“开始生成”。经过一段时间以后，页面就会显示自动生成的PPT（如图10所示），点击页面右上角的“下载”，就可以把PPT保存到本地电脑中，然后，可以根据自己的需求，自己对PPT继续进行修改和完善。在本地电脑中打开自动生成的PPT，可以看出，AI制作PPT的水平非常专业，逻辑清晰，配图精美，超过了很多PPT初级者的制作水平，可以大大提高普通用户制作PPT的效率和水平。

图9 选择模板配色

图10 下载生成的PPT

三、图片类AIGC应用实践

（一）图片类AIGC应用场景

图片类AIGC是一种基于人工智能技术生成图片的方法，它利用深度学习、生成对抗网络（GAN）等先进算法，通过学习和模仿大量图像数据，能够自动创作出高度真实和艺术化的图片。AIGC在图像生成、修复、风格转换、艺术创作等领域展现出强大能力，为数字艺术、设计、游戏、电影等多个行业带来创新解决方案。其优势包括高效性、多样性和自动化，能够快速生成大量高质量的图像内容，满足各种复杂需求。

图11 AIGC作品图

图片类AIGC的应用场景非常广泛，‌主要包括图像生成、‌图像修复、‌图像增强和图像识别等方面：

• 图像生成：AIGC‌能够生成高度逼真的图像，‌如人脸、‌动物、‌建筑物等。‌例如，‌OpenAI发布的DALL-E可以根据文本提示词创作出全新的、‌原创的图像，‌展示了AI在图像创作方面的强大能力。‌
• 图像修复：AIGC还可以修复损坏的图像，‌如去除噪声、‌填充缺失的部分等。‌这项技术对于保护和恢复古老的艺术作品、‌修复损坏的照片等具有重要意义。
• 图像增强：通过对图像进行增强处理，‌AIGC可以增加图像的饱满感和增强细节，‌使图像质量得到提升。‌这在提升照片的视觉效果、‌改善图像的清晰度和细节方面非常有用。
• 图像识别：AIGC在图像识别方面也有广泛应用，‌可以识别图像中的对象、‌场景和特征，‌如人脸识别、‌车牌识别等。‌这项技术对于安防监控、‌智能搜索、‌自动驾驶等领域的发展至关重要。

（二）图片类AIGC案例实践

图片类AIGC大模型主要包括Midjourney、Stable Diffusion SDXL、百度文心一格等。这里以百度文心一格为例介绍图片类AIGC的使用方法。文心一格是一款由百度公司研发的AI绘画工具，‌为用户提供了丰富的创意空间。‌使用文心一格进行AI绘画的步骤包括注册账户、‌选择创作模式、输入提示词、设置画面类型、设置比例、设置数量以及生成图片等，具体如下：

1. 注册账户：‌访问文心一格官网（https://yige.baidu.com/），‌点击“注册”按钮，‌完成注册过程。
2. 选择创作模式：进入文心一格首页以后，‌点击“立即创作”。在出现的界面中，在界面左上角位置选择“AI创作”，可供选择的模式包括推荐、自定义、商品图、艺术字、海报，可以满足不同的创作需求。这里可以选择默认的模式“推荐”。
3. 输入提示词：在提示词输入框中输入提示词，比如输入“请绘制一张图片，一个9岁的女孩子在海边沙滩上挖沙子”。
4. 设置画面类型：可以选择智能推荐、唯美二次元、中国风等各种类型。
5. 设置比例：可以选择竖图、方图、横图。
6. 设置数量：设置想要生成的图片的数量，比如设置为1。
7. 生成图片：点击“立即生成”，就可以生成相应的图片（如图所示）。图片生成以后，可以点击图片底部的“编辑本图片”，对图片进行编辑。

图12 文心一格操作界面

文心一格提供了丰富的AI编辑功能，可以对图片进行各种智能化处理，包括图片扩展、图片变高清、涂抹消除、智能抠图、涂抹编辑、图片叠加等。

图13 文心一格生成图片结果

四、语音类AIGC应用实践

语音类AIGC是一种利用人工智能技术（特别是语音识别、自然语言处理和语音合成技术），自动生成和处理语音内容的技术。它能够模拟人类语音，实现语音到文本的转换、文本到语音的合成，以及语音情感分析等功能，广泛应用于智能语音助手、智能客服、语音翻译等多个领域。

（一）语音类AIGC应用场景

语音类AIGC的应用场景非常丰富，涵盖了多个领域，从日常生活到专业应用，都展现出了其独特的价值和潜力，以下是一些主要的语音类AIGC应用场景：智能语音助手，智能客服，语音合成与转换，虚拟人物与数字人，语音翻译，语音分析与情感识别，智能驾驶舱与车载语音助手。

（二）语音类AIGC案例实践

豆包大模型的语音类功能用法

一般情况下，普通用户在手机上使用语音类AIGC大模型的场景比较多，因此，这里介绍手机版豆包的使用方法。

在智能手机上下载并安装“豆包APP”。启动进入豆包APP，会出现如图所示的对话界面，按住“语音按钮”（图中箭头指向的位置）不要松开，然后就可以对着手机说话，把自己的需求说出来，比如，可以说“请介绍一下苏州大学”，然后松开“语音按钮”，豆包就可以立即开始回答你提出的问题。豆包可以支持实时翻译，你可以语音输入“苏州大学的英文名称是什么”，豆包会马上给出翻译结果。

图14 豆包的对话界面

豆包不仅支持语音输入，也可以支持文字输入，只要在文字输入框内输入提示词，豆包就会给出回答。豆包也支持AI绘图功能，你可以用手指点击界面上的“图片生成”按钮，然后输入提示词，比如通过文字或者语音输入“请帮我绘制一张图片，一个9岁的小女孩在海边沙滩上玩沙子”，然后，豆包就会自动绘制生成满足你要求的图片。

图15 小女孩在海边沙滩上玩沙子

豆包还有一个很实用的功能，就是可以帮助你进行英语口语对话练习。在豆包的操作界面的底部，用手指点击“对话”，在出现的功能选择界面中，选择“英语口语聊天搭子”就可以进入英语口语聊天界面（如图16所示），按住界面右下角的“语音按钮”，就可以开始用英语语音聊天了，你说完一句英语，松开语音按钮，豆包就会自动用英语语音回答你，然后你可以继续输入语音进行后续对话。

图16 豆包的功能选择界面和英语口语聊天界面

五、视频类AIGC应用实践

视频类AIGC是指利用人工智能技术，特别是深度学习、机器学习等算法，自动创建或处理视频内容的技术。它能根据给定的文本、图像或其他数据，自动生成符合描述的视频内容，涵盖文生视频、图生视频、视频风格化、人物动态化等多个方向。这一技术在创意设计、影视制作等领域潜力巨大，极大地提升了视频内容的生产效率和质量。

（一）视频类AIGC应用场景

视频类AIGC在多个领域拥有广泛的应用场景，以下是一些主要的应用方向：

图17 视频类AIGC的应用场景

（二）代表性视频类AIGC大模型

视频类AIGC大模型发端于Sora。2024年2月，美国的Open AI发布了全球第一款文生视频大模型Sora（这里的“文生视频”是指由输入的文本内容生成相应的视频），迅速引起了业界的广泛关注和讨论，因其能够快速生成高质量的广告宣传视频及商品演示视频，从而大幅降低广告相关内容的制作成本及时间。我国的视频类AIGC大模型主要包括：

• 可灵：由快手推出，被誉为中国版Sora，视频生成时长可达120秒，支持文生视频、图生视频、视频续写、镜头控制等功能，表现出色。
• Vidu：生数科技联合清华大学发布，是中国首个长时长、高一致性、高动态性视频大模型，支持一键生成16秒高清视频，性能对标国际顶尖水平。
• 书生·筑梦：由上海人工智能实验室研发，可生成分钟级视频，已用于央视AI动画片《千秋诗颂》的制作，具备中国元素和高清画质。

由于视频类AIGC大模型在使用时，会消耗大量的算力资源，使用成本很高，所以，目前国内的视频类AIGC大模型大多数没有免费开放给大众使用，即使是免费使用，也只能生成很短时间长度的视频。

（三）视频类AIGC案例实践

下面，我们使用通义万相2.1大模型演示文生视频的过程。

图18 通义万相官网主页

在页面左侧输入提示词。点击“生成视频”按钮，几分钟后在页面右侧生成视频。提示词如下：

视频以低角度仰拍开始，展现一名身穿银白色太空服的宇航员在月球表面行走的壮丽景象，四周是荒凉但神秘的月球地形，布满坑洞与崎岖不平的地貌。随着镜头缓慢推进，可以看到宇航员的手轻轻触摸到一颗悬浮在空中的星星，背景中，深邃的宇宙星河缓缓流转，星星闪烁，构成一幅令人惊叹的星际画卷。整个视频通过慢镜头和精心设计的镜头运动，营造出一种梦幻般的科幻氛围，引领观众一同踏上这场月球探索之旅。

图19 通义万相2.1文生视频

这样，视频就生成好了，我们可以点击“下载”图标，将视频另存到本地。

图20 通义万相2.1文生视频结果

六、AIGC在辅助编程中的应用

AIGC技术在辅助编程中的应用日益广泛，它能够自动生成高质量的代码，从而显著提高开发效率，主要包括以下几种应用场景：代码自动生成，代码优化与重构，代码补全与提示，代码风格统一。

能够提供辅助编程服务的AIGC大模型包括Codex、GitHub Copilot、CodeGeeX、aiXcoder、豆包、通义灵码等。这里以我国的字节跳动公司研发的豆包大模型为例介绍使用方法。

编程工作一般是在电脑上进行，所以这里使用电脑端的豆包大模型（手机端的豆包APP也提供了编程辅助功能）。

访问豆包大模型官网（https://www.doubao.com/），注册用户以后，进入大模型操作首页，点击“我的智能体”，再点击“编程助理”，然后，在页面中输入提示词，比如输入“请编写一段Python代码，使用turtle库，绘制一个五角星”，然后，豆包就会自动生成一段Python代码（如图21所示）。在Python中运行这段代码，就可以成功绘制一个五角星。

图21 豆包自动生成的Python代码

七、AI搜索

AI搜索，即人工智能搜索引擎，是一种利用先进的人工智能技术，特别是深度学习和自然语言处理（NLP），来理解和响应用户的查询需求的新型搜索工具。它不仅仅是传统搜索引擎（比如百度）的简单升级，而是通过模拟人类的思维方式和行为模式，为用户提供更加精准、个性化且高效的信息检索服务。AI搜索通过收集和分析用户的历史搜索数据和行为模式，构建用户画像，从而实现更加精准的个性化搜索服务。这种数据驱动的智能决策机制，使得AI搜索能够不断自我优化，提升用户体验。

纳米AI搜索（https://so.n.cn/）是360公司在2024年12月推出的全新AI搜索应用，结合了自然语言处理、机器学习以及专家协同技术，致力于打破传统搜索引擎的局限，提供智能化、多样化的搜索体验。其核心特点包括：
（1）多模态搜索：支持文字、语音、拍照、视频等多种输入方式，满足不同场景下的需求，实现“一切皆可搜索”。
（2）智能工具集成：内置16款顶尖大模型，如豆包、文心一言等，为用户提供一站式AI智慧体验。
（3）慢思考模式：通过专家协同和多模型协作，深入分析复杂问题，提供更专业、更全面的答案。

图22 纳米AI搜索入口

八、AI智能办公

在人工智能时代，AI智能办公正以前所未有的态势重塑我们的工作模式与体验，成为推动办公效率提升和办公方式变革的核心力量。AI智能办公将人工智能技术深度融入办公场景的各个环节，例如文档处理、数据分析、演示制作等。

在文档处理领域，AI智能办公带来了前所未有的变革。以往需要人工手动输入文字、排版以及校对纠错等工作需要耗费大量时间和精力，如今AI文档处理技术极大地提升了这些任务的效率与质量。具体如下：
（1）生成式文本。通过对大量文本数据的学习，AI能够根据用户提供的提示词、主题或简单描述，快速生成内容完整、逻辑连贯的文档初稿。无论是新闻稿件、公告通知还是学术论文，都能借助这一功能节省撰写时间。例如，市场调研公司在需要撰写季度报告时，AI可以迅速整合数据和市场趋势信息，生成报告框架与初步内容，供使用者进一步完善。
（2）文档智能排版。AI能够自动识别文档内容的结构，如标题、段落、列表等，并根据用户预设的格式模板进行快速排版。这不仅提高了排版效率，还确保了文档格式的一致性和规范性。对于需要处理大量文档的办公人员来说，这一功能大大减轻了工作负担。

数据分析是办公场景中的重要环节。传统的数据分析需要人工进行数据收集、清洗、分析和可视化，过程烦琐且容易出错。而借助人工智能技术，这些工作可以更加高效、精准地完成。通过大模型算法，AI能够从海量数据中发现潜在的模式、趋势和关联关系。例如，电商企业可以利用AI分析用户的购买行为、浏览记录和搜索关键词，挖掘出用户的潜在需求和消费偏好，从而制定精准的营销策略。自动数据可视化功能让数据分析结果的呈现更加直观、清晰。AI能够根据数据分析结果自动生成各种类型的表格图表和图形，如柱状图、折线图、饼图等，并进行合理的布局和配色。办公人员无需花费大量时间手动制作图表，就能快速将数据转化为易于理解的可视化信息，为决策提供有力支持。

WPS提供以下AI助手功能：

• AI写作助手（帮我写、帮我改、AI伴写）
• AI设计助手（AI排版、AI格式）
• AI阅读助手（全文总结、文档问答、划词解释和翻译）
• AI数据助手（AI写公式、AI数据分析）

图23 WPS AI功能

小结

本文系统梳理了人工智能生成内容（AIGC）的技术框架与实践路径，构建了"理论认知-场景应用-行业影响"的三维知识体系。在理论层面，开篇明确定义了AIGC作为新型内容生产范式的技术内涵，揭示其依托大模型突破传统AI任务边界的技术特征，通过列举文本生成、图像创作等六大典型应用场景，展现技术落地的广度与深度。更从产业变革角度，深入剖析AIGC对传统行业运作模式的重构逻辑，以及由此催生的新型职业机遇与技能转型需求。

实践维度则以“模态融合”为轴线，分设文本、图像、语音、视频四大应用板块，构建从基础对话到复杂创作的阶梯式案例矩阵。通过DeepSeek对话系统、讯飞智文PPT自动生成等具体案例，演示不同技术工具在办公场景中的协同应用。特别在跨模态创作领域，系统解构了Stable Diffusion等代表性模型的运作机理，呈现从文字描述到视觉表达的转化逻辑。

最后篇章聚焦AI搜索与智能办公的前沿融合，预示下一代人机协作的新图景。全文贯穿"工具理性与人文思考"的双重视角，既提供Prompt工程等实用技巧，也辩证分析技术应用中的伦理边界。通过构建"认知-操作-反思"的完整学习路径，为不同层次的读者搭建理解AIGC技术生态的认知框架，为数字化转型中的组织与个人提供可操作的实践指南。这种结构化知识体系，既可作为AIGC应用的入门导航，也可作为深度开发的技术图谱，展现人工智能时代内容生产革命的完整图景。

欢迎 点赞👍 | 收藏⭐ | 评论✍ | 关注🤗