当前位置:
AIGC文章详情

张大妈

90%的人用错提示词,真正能做出个人风格的AI绘画方法只有这三种

源自37位全网作者

05-15 11:51

内容由AI生成

精选参考来源

1. 在这个算法比你更懂你自己的时代,保持清醒认知比什么都重要。 #大咖观察 #红衣聊AI #chatgpt #大数据 #算法

2. 当算法开始上拍:AI时代的艺术家何处安放?

3. 腾讯用170K风格提示词和1.4M图像,重塑AI风格迁移数据基座

4. 创意多样性,决定了AI科研的天花板。 #大咖观察 #红衣聊AI #科研 #创意

5. AI 绘画/视频/音乐的创作能力是否已经超过人类?

6. AI搞科研,算得准不如想法多。 #大咖观察 #红衣聊AI #科研 #Meta #创新创业

7. 鉴于Nano Banana Pro可以复现「几乎一切风格」,那么问题就来了,你脑袋里得有这个风格,你才能用相应的「提示词」告诉AI来做,所以大家平时可以多多积累一些喜欢的风格关键词,比如:🔸图1:常规的 infographic 风格,提示词用「Create an infographic explaining...」开头即可🔸图2:粘土风格、3D渲染风 / Clay风(柔性3D)🔸图3:写实科学插画🔸图4:手绘头脑风暴🔸图5:扁平插画风🔸图6:复古海报风🔸图7:等距插画风🔸图8:极简黑白线条🔸图9:企业商务风🔸图10:科技矩阵HUD风🔸图11:数据可视化风🔸图12:扁平卡通风🔸图13:Flat3.0渐变风🔸图14:黏土风🔸图15:拼贴画风格🔸图16:少女粉彩风🔸图17:孟菲斯风格🔸图18:波普艺术风其实还有很多很多,几乎是一个无限的探索过程,以后做PPT会变得多么简单,顺便说一句,我目前已经把Nano Banana Pro接入了我的新产品用于设计PPT辅助~ #AI创造营#

8. AI 编程时代,最稀缺的不是提示词,而是软件工程

9. #谷歌DeepMind联手动画大师推出AI辅助短片《Dear Upstairs Neighbors》在圣丹斯电影节亮相#当地时间2026年1月26日,谷歌DeepMind官方博客发布文章,宣布其与资深动画团队合作打造的动画短片《Dear Upstairs Neighbors》(中文可译为《楼上的邻居》)已在圣丹斯电影节(Sundance Film Festival)的Story Forum单元进行首映预览。这部短片不仅是一则关于噪音扰民的幽默又略带荒诞的故事,更是一次生成式AI深度融入专业动画创作流程的标志性实验。故事源于生活痛点:噪音如何把夜晚变成战场影片主角Ada是一位年轻女性,她只想好好睡一觉,却不断被楼上传来的各种夸张噪音折磨:跺脚声、狗叫、喇叭、小提琴……这些声音逐渐在她脑海中具象化为一场荒诞的幻想大战——她拿起武器,与想象中的噪音源头展开史诗级对抗。故事由导演Connie He(前皮克斯动画师)根据自身真实噪音邻居经历开发,她希望通过这部短片表达普通人面对不可控干扰时的无奈与奇思妙想。视觉风格上,现实场景采用冷静的冷色调卧室,象征渴望的平静;而一旦进入Ada的幻想,画面立刻切换为粗粝霓虹色调与抽象表现主义笔触,情绪越激烈,风格越极端、越抽象。这种现实与幻觉的强烈对比成为影片最鲜明的视觉语言。AI不是取代,而是“被艺术家驯服”的工具与过往许多“AI生成影片”不同,《Dear Upstairs Neighbors》强调“艺术家优先”(artist-first)的创作理念。整个项目由45人团队共同完成,包括多位皮克斯校友、一位奥斯卡得主、传统动画师,以及Google DeepMind的AI研究人员(如Andy Coenen、Forrester Cole、Ellen Jiang等)。核心技术路径如下:对Veo(谷歌视频生成模型)和Imagen(图像生成模型)进行针对性微调,仅用概念艺术师Yingzong Xin绘制的少量参考图像,就让模型学会了Ada独特的比例、蓬松不遮脸的头发、两点透视等深层艺术规则;采用“视频到视频”(video-to-video)工作流:动画师先用Maya、TV Paint等传统工具绘制粗糙动作或3D低模,AI再将其转化为最终风格化视频,既保留艺术家对动作节奏的精确控制,又让AI完成繁重的纹理、特效填充;开发局部精修工具,允许艺术家蒙版指定区域反复迭代修改,而无需每次都重新生成整段镜头;利用Veo的4K放大功能,将较低分辨率素材提升至4K,同时尽量保留艺术细节。团队坦言,整个过程并非“一键生成”的童话,而是每日“dailies”审片、多轮反馈、不断试错的过程。AI偶尔会产生搞笑的失误,但也带来了意料之外的美丽效果,这些意外最终都由艺术家决定是否保留。传递的信息:AI应该放大创作者的能力,而非剥夺控制权谷歌DeepMind在博客中明确表示,此次合作的目标不是展示AI能独立做出电影,而是探索如何让生成工具真正成为艺术家手中的画笔。研究人员在与动画师的深度协作中,亲身体验了“技术艺术家”的角色;而艺术家则通过这些新工具,获得了以往难以实现的视觉探索自由。据悉,项目中开发的部分新功能(如Veo 4K放大模型)已集成到Google Flow中,并将于近期陆续在Google AI Studio和Vertex AI平台向更多创作者开放。结语当Ada最终在幻想中击败所有噪音怪物,回到安静的卧室时,观众或许会心一笑——现实中的噪音邻居也许依然存在,但至少在银幕上,她用最天马行空的方式赢得了安宁。而对整个动画与AI行业而言,《Dear Upstairs Neighbors》更像一封写给未来创作者的信:亲爱的艺术家们,别害怕AI,请把它变成你们最强力的“楼上盟友”。(本文根据Google DeepMind官方博客及相关公开信息整理,2026年1月27日报道)

10. 提示词工程、上下文工程都过时了,现在是 Harness Engineering 的时代

11. 提示词工程的终点,是人的认知工程表面上是在训练 AI,实际上是在训练人如何思考。一个人提示词水平越高,说明他越能清楚表达目标、限定问题、定义概念、组织流程、验证结果。所以,提示词工程的本质不是机器技巧,而是人的认知修炼。#新媒沈阳聊ai#

12. 在费那奇做评审,看见动画的作者性与未来

13. 【当AI越来越强大,它们是否正在逼近同一个“真实”?】最近被一个叫“柏拉图表征假说”的概念触动了。核心观点:随着AI模型变得越来越大、越来越强,它们的内部表征正在趋同。视觉模型、语言模型、不同架构——它们似乎都在逐渐逼近同一个底层的现实模型。如果这个假说成立,意义深远:我们可以在模型之间进行“翻译”,而不是把每个模型当作封闭的黑箱;可解释性的研究成果可以跨系统复用;甚至可以在表征层面实现对齐,而不仅仅是在输出端打补丁。更让人细思极恐的是哲学层面的含义:也许“意义”并非人类的主观约定,而是现实本身存在某种“自然坐标”,足够强大的学习者终将重新发现它们。有人指出,上个月他发现OpenAI和Gemini的嵌入向量在同一组文本锚点上存在等距映射——用Procrustes分析得到了一个干净的旋转变换。几何结构就是底层现实,所有形式不过是表象。AI并非在发明新东西,而是在揭示一直存在的东西。也有人提出不同看法:这种“趋同”并非客观真理的投影,而是人类集体意识的投射——通过人类滤镜编码的现实。不是绝对真理,而是“真理对人类而言的样子”。还有人从动力系统角度解释:语言本质上是对声音的压缩表征,映射到相空间后,轨迹模式相似是因为它们反映了词语所捕捉的测量和模式。这不是柏拉图式的幽灵,而是有限符号的非线性动力学。无论哪种解释,一个问题值得深思:是什么在驱动这种趋同?是数据、目标函数,还是某种深层的简洁性偏好?它又会在哪里失效?也许牛顿没有发现万有引力,迟早也会有人发现。模型可能已经推导出了人类尚未明确表达的模式。这让我想起康德的“知性范畴”:任何理性主体的世界模型都会有某些特定的共同组件。我们无法感知物自体,只能与我们的世界模型互动。x.com/marouane5status/2008089151489425624

14. 你们用AI做过哪些有意义的视频呢?

15. ai产品性能还是太傻了,内容同质化的地方太多了?

16. 千问app开脑洞玩法:艺术家手稿hhh艺术家手稿的特点就是除了自己谁也看不懂~区别在于AI出的艺术家手稿连艺术家自己也看不懂~提示词:请解读这幅摄影作品,从构图到人文精神到色彩、风格、叙事、及用隐藏在背后的风土人情和文化内涵,用在图上标注,手写的文字加辅助线示意,要像艺术家手稿的那种纪实风格。#千问一下##爱智岛##ai创造营#

17. AI正在杀死创意?当生成式AI陷入同质化陷阱,设计师该如何破局

18. 随着AI绘画的到来,各层次的画师该如何提升

19. AI绘画神级咒语-混合与实验性风格

20. AI绘画(三十一):童话风格木刻

21. AI与绘画风格识别

22. 算法赋能艺术创作:AI 时代个性化艺术风格的生成与应用研究

23. 3分钟上手!AI绘画新手避坑指南:从“废图”到“爆款”的实操技巧

24. 精致的平庸

25. 站群内容同质化严重不同站点用不同AI模型和风格。 - 哔哩哔哩

26. 告别同质化!这几款 AI 绘画工具推荐,支持风格混合 + 全细节修改

27. 为什么提示词工程解决不了“独特性”问题

28. 为什么你用AI做人物图,越改越不像?

29. 省奖观摩|智绘创艺——国内AI风格绘画创作先行者(浙江省金奖2024)

30. 在扩散模型中控制风格和内容的六种方法

31. 最常见的15种AI绘画风格

32. 阿里Z-Image开源:6B参数打破AI绘画同质化困局

33. 头条|当算法学会“画皮”,AIGC风格模仿的版权困局和边界

34. 如何用提示词精准控制AI绘画的随机性

35. 张涵玥:算法偏见对媒介内容多样性的影响研究——基于生成式AI图像的社会表征分析

36. 玩转Stable Diffusion:用ControlNet精准控制人物姿态,告别“抽卡式”出图

37. 科技赋能艺术:中国青年用AIGC重构创作边界

0
扫一下,分享更方便,购买更轻松
0评论

当前文章无评论,是时候发表评论了
提示信息

取消
确认
评论举报

最新文章 热门文章