chatgpt图片识别、生成图片、语音对话多模态深度试玩-CSDN博客

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。

2. 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。
3. 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

• b站搜索“吴恩达 chatgpt 提示工程”
• 去https://www.deeplearning.ai/ 吴恩达的在线网站学习课程。

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。