日日操夜夜添-日日操影院-日日草夜夜操-日日干干-精品一区二区三区波多野结衣-精品一区二区三区高清免费不卡

作者 | 崔皓
審校 | 重樓

摘要

本文探討了如何利用大語言模型和AI視頻生成模型來創(chuàng)建高度個(gè)性化和創(chuàng)意豐富的視頻內(nèi)容。文章詳細(xì)介紹了從構(gòu)思到實(shí)現(xiàn)的全過程，包括問題分析、目標(biāo)設(shè)定、工具和模型選擇，以及實(shí)際操作步驟。使用的技術(shù)和工具包括OpenAI的GPT-3.5-turbo、Hugging Face的zerscope_v2_576w模型，以及Langchain、PyTorch等輔助工具。

開篇

在科技日新月異的今天，人工智能不僅僅局限于數(shù)據(jù)分析或自動(dòng)駕駛等領(lǐng)域，其在創(chuàng)意產(chǎn)業(yè)中的應(yīng)用也越來越廣泛。那么，能不能讓大語言模型與AI視頻生成模型聯(lián)手，為我們帶來高度個(gè)性化且極富創(chuàng)意的視頻內(nèi)容呢？本文將介紹如果通過輸入幾個(gè)關(guān)鍵詞讓大模型幫助我們生成創(chuàng)意視頻。其中用到了OpenAI，Hugging face開源庫，LangChain等技術(shù)或框架，通過手把手編寫代碼，查找資料的方式呈現(xiàn)完整的開發(fā)過程。

突發(fā)奇想

在瀏覽社交媒體時(shí)，我經(jīng)常看到各種精彩絕倫的創(chuàng)意視頻。每次看到這些，我都忍不住想：如果我也能制作出這樣的作品，該有多好！但問題是，我作為一個(gè)碼農(nóng)對(duì)創(chuàng)意這件事一直不太自信。那么如何能夠創(chuàng)建屬于自己的創(chuàng)意視頻呢？
突然，我想到了大語言模型和AI視頻生成技術(shù)。大語言模型擅長生成文本，而AI視頻生成模型則能從文本生成視頻。那么，它們能否聯(lián)手，幫助我填補(bǔ)這一創(chuàng)意缺口呢？

思路整理：明確目標(biāo)，分解任務(wù)

在有了初步的想法后，下一步就是具體地整理思路，明確我們需要解決哪些問題。這樣不僅能讓我們有目標(biāo)可行，還能為后續(xù)的行動(dòng)計(jì)劃提供明確的方向。以終為始，我們的目標(biāo)就是讓計(jì)算機(jī)幫我們自動(dòng)生成創(chuàng)意視頻，那么就可以分割為產(chǎn)生創(chuàng)意和生成視頻兩個(gè)環(huán)節(jié)。

問題一：創(chuàng)意缺乏，如何解決？

對(duì)于大多數(shù)碼農(nóng)來說，創(chuàng)意并不是我們的強(qiáng)項(xiàng)。但是好消息是，現(xiàn)在有大語言模型能夠在這方面幫助我們。通過合理地設(shè)置提示（prompt）或者利用現(xiàn)有的模板，我們甚至能生成具體的創(chuàng)意腳本。
我的初步想法如下：
1. 查找合適的大語言模型，例如GPT-3.5-turbo。
2. 設(shè)計(jì)或找到有效的文本提示模板。
3. 進(jìn)行多輪的文本生成實(shí)驗(yàn)，直到滿意為止。

問題二：如何生成視頻？

生成創(chuàng)意文本后，下一步就是將這些文本轉(zhuǎn)化為視頻。由于我們并不是專業(yè)的視頻制作人員，因此找到一個(gè)現(xiàn)成的、用戶友好的AI視頻生成模型將會(huì)非常有幫助。
這也難不倒我，通過下面幾步或許能夠如愿以償：
1. 搜尋開源的AI視頻生成模型，到最大的模型庫Hugging face上去找找一定會(huì)有收獲。
2. 了解模型的輸入要求和使用方式。
3. 實(shí)施初步的視頻生成測(cè)試，如果需要，進(jìn)行必要的調(diào)整。
首先，利用大語言模型解決創(chuàng)意問題；其次，利用AI視頻生成模型將創(chuàng)意實(shí)現(xiàn)為具體的視頻內(nèi)容。這樣一來，即便我們不是“創(chuàng)意大師”，也完全有能力制作出令人印象深刻的創(chuàng)意視頻。

查找資料：武裝自己的工具箱

通過對(duì)目標(biāo)的分析，我們總結(jié)出兩大問題，并且針對(duì)每個(gè)問題都有了基本的解決思路。接下來需要了解對(duì)應(yīng)的工具，同時(shí)對(duì)工具，框架和庫進(jìn)行測(cè)試，從而驗(yàn)證我們的想法。
接著，我們對(duì)技術(shù)做了如下的選擇：

大語言模型：OpenAI的GPT-3.5-turbo

OpenAI是在AI界非常有影響力的組織，其推出的GPT模型家族幾乎成為了大語言模型的代名詞。同時(shí)，與其他版本相比，GPT-3.5-turbo的token費(fèi)用更加實(shí)惠，對(duì)于個(gè)人或小型項(xiàng)目來說非常適用。
這里，我計(jì)劃使用GPT-3.5-turbo來生成創(chuàng)意文本。通過設(shè)置特定的提示和參數(shù)，我能夠讓模型產(chǎn)生具有高創(chuàng)意價(jià)值的文本內(nèi)容。

AI視頻模型：cerspense/zeroscope_v2_576w

在Hugging Face的平臺(tái)上，這個(gè)模型因其高Star評(píng)級(jí)而受到了大量關(guān)注，這通常是社群對(duì)其有效性的一種認(rèn)可。那么在這個(gè)平臺(tái)上面如何找到我們需要的模型呢？
首先，登錄平臺(tái)，在首頁選擇“Tasks”。

在Tasks中列出所有Hugging face上模型能夠執(zhí)行的任務(wù)，并且Hugging face 已經(jīng)對(duì)所有的模型進(jìn)行了分類。我們找到“Text-to-Video”的分類，點(diǎn)擊進(jìn)入。

在進(jìn)去的頁面會(huì)對(duì)這類模型進(jìn)行簡(jiǎn)單地介紹。它會(huì)告訴你將文本輸入到模型，輸出的結(jié)果就是視頻。我們點(diǎn)擊右邊的“Browse Models”按鈕瀏覽所有的模型。

在展開的模型列表中，最上面的zeroscope_v2_576w 下載量有28.5K，看來用的人很多，而且星星數(shù)量也不少。

點(diǎn)擊進(jìn)入模型詳情頁，里面對(duì)模型進(jìn)行了簡(jiǎn)單描述，并且提供了模型的使用方式。由于所有Hugging face上面托管的模型都可以免費(fèi)使用，所以我們直接按照使用方法調(diào)用就好了。 具體的調(diào)用方法會(huì)在后面的代碼描述中說明。

我看了看模型基本沒有問題，于是敲定就是它了。將文本轉(zhuǎn)化為視頻內(nèi)容的重任就交給它了。

輔助工具：Langchain, PyTorch, Diffusers

解決兩個(gè)大模型工具的問題之后，我們還需要一些幫手。

• Langchain：作為一個(gè)大模型的腳手架，Langchain的Prompt Template可以幫助我更有效地設(shè)置和優(yōu)化模型的輸入提示。
• PyTorch：作為一個(gè)強(qiáng)大的機(jī)器學(xué)習(xí)庫，PyTorch可以用于定制一些特定功能，讓我更靈活地使用前兩者。
• Diffusers庫：提供了諸如`DiffusionPipeline`和`DPMSolverMultistepScheduler`等工具，這些可以用于進(jìn)一步優(yōu)化視頻生成過程。

Langchain主要用于優(yōu)化大語言模型的輸入和輸出，PyTorch用于更高級(jí)的自定義和優(yōu)化，而Diffusers庫則可以用于進(jìn)一步提升視頻生成的質(zhì)量。
通過選擇工具和模型，我為自己構(gòu)建了工具箱。每一項(xiàng)選擇都是出于特定的考慮和需求，旨在解決我在創(chuàng)意視頻生成過程中可能遇到的問題。這樣，即使我不是一個(gè)“創(chuàng)意大師”，也有信心能制作出令人印象深刻的創(chuàng)意視頻。

小心嘗試：遇到的問題與調(diào)整

剛開始，我嘗試用一些簡(jiǎn)單的關(guān)鍵字給到zeroscope_v2_576w模型，比如“小貓”，“科技感”，“奔跑”，來生成文本。然而，我很快發(fā)現(xiàn)這樣做產(chǎn)生的創(chuàng)意還是不夠豐富。語言的敏感性：英文輸入的效果更好。這和我之前預(yù)想的差不多，通過簡(jiǎn)單的關(guān)鍵詞生成視頻可能還是不夠。
通過如下代碼，我搞定了創(chuàng)意文字的輸出。