生成式 AI 是人工智能（AI）的一个分支，专注于能够生成新内容的系统，如图像、文本和音频，以模拟人类的创造力。与其他形式的 AI（例如专注于基于现有数据进行分析和预测的机器学习）不同，生成式 AI 可从零开始创造新内容。
生成式 AI 使用的关键工具之一是神经网络，这是一种旨在模拟人脑功能的机器学习算法。神经网络由众多相互连接的节点组成，能够处理信息，并在艺术、音乐与文学等创意领域拥有许多令人兴奋的应用。
生成式 AI 的一些例子包括深度伪造视频（让一段录音看起来像某人做了或说了原本没有发生的事情）以及 AI 生成音乐（能够突破传统结构）。
社会仍在探索如何整合这项技术。在此之前，生成式 AI 依然是一个令人振奋且快速发展的领域，具有改变我们创作与消费内容方式的潜力。本文将探讨这些工具如何提升您的创造力。
生成式 AI 的创意用法
生成式 AI 使用多种方法来生产不同类型的内容——涵盖艺术、音乐与文本。
了解这些不同技术，能帮助您编写更好的提示词并获得更好的结果。如果您完全是 AI 应用的新手，不妨先学习我们的ChatGPT 入门课程。
AI 与创意写作
诗歌与文学
自然语言生成（NLG）是生成式 AI 中的一项技术，旨在生成模仿人类语言结构的文本。该技术已被用于创作新的文学与诗歌作品。
其基本思路是训练神经网络学习规则与结构，从而生成语法正确且在风格上与人类语言一致的新文本。
作家和诗人已使用 NLG 创作新的文学与诗歌作品。与其他媒介类似，作者可以利用 NLG 生成一部融合现有作品元素、但拥有独特情节和人物的小说。诗人也可以用 NLG 生成探索不同主题与风格的新诗。
Aum Golly 系列诗集是对人类的 AI 评述，由芬兰出版方于 2021 年和 2023 年生成。该系列配有全套插图并在亚马逊上出售，创作者对创作所需的成本与时间完全透明：第一辑为“24 小时与 2.64 美元”。
尽管对于仍在提升英语语法模仿能力的机器来说，诗歌可能更易上手，但小说和更长篇的写作对 NLG 仍是挑战。2017 年，作家 Ross Goodwin 尝试用 AI 创作杰克·凯鲁亚克的《在路上》的一个版本。尽管结果支离破碎、难以理解，Goodwin 仍将其以研究目的发布为《1 the Road》。
除文学与诗歌外，NLG 也用于其他创意应用。例如，它被用于为网站和电商平台生成产品描述与营销文案。
聊天机器人与虚拟助手
聊天机器人和虚拟助手利用自然语言处理与机器学习算法来模拟与人类的对话，并在各类任务中提供帮助。
在艺术领域，聊天机器人被用作画廊与博物馆中的互动展品。访客可以向聊天机器人询问有关展览或艺术家的问题，从而获得更具参与感与互动性的体验。
另一方面，虚拟助手已被用于广告与营销等创意行业。这些助手可以帮助企业创建与管理社交媒体账号、生成内容灵感并与客户互动。
例如，使用虚拟助手在社交媒体上回复客户咨询，既能在高强度工作量下进行管理，又能与客户建立更具参与感的关系。
除艺术与创意行业外，聊天机器人和虚拟助手也被用于许多其他应用。例如，Woebot 是一款使用认知行为疗法帮助用户管理心理健康的聊天机器人。
情感分析与文本分类
情感分析与文本分类技术用于理解文本的情感倾向或类别。这些技术已被用于多种创意应用，包括生成新的文学作品以及判断文本的情感基调。
您可以训练神经网络识别一段文本的情感基调是积极、消极还是中性。作家可以据此创作能够引发特定情感反应的新作品。
文本分类则是将文本归入不同类别。例如，您可以训练神经网络将文章划分为政治、体育或娱乐等不同主题，随后据此生成探讨相似主题与母题的新文章。
艺术家与作家已利用情感分析和文本分类来生成探索不同情感基调与主题的新文学作品。
AI 与创意写作的技巧
如果您想用 AI 辅助文字创作，请务必熟悉针对 ChatGPT 与 Google Bard 等工具的提示工程。要生成高质量结果，您可以通过提供详细指令来引导生成式 AI 模型。例如，就 GPT-3.5 而言，您可以让它写一首关于春天的十四行诗，或用特定提示以某位作者的风格续写一个故事。
更多关于使用合适提示词的细节，请查看我们的ChatGPT 速查表。
AI 与艺术：静态图像与视频
生成式模型既可接收静态数据，也可接收实时数据，如艺术家Rafael Lozano-Hemmer 的装置《Pulse Room》，它利用生成式 AI 基于参与者的心跳创建独一无二的灯光展示。
该装置使用传感器检测参与者的心跳，生成式算法据此创造独特的灯光模式。我们将介绍这些以及您可以在各类开放的生成式 AI 数字媒体工具中使用的许多技术。
风格迁移
风格迁移是一种允许艺术家将一个视觉作品的风格应用到另一个作品上的技术。
风格迁移的基本思路是通过向神经网络输入大量具备目标风格的图像数据集，训练其识别特定艺术家的独特风格。随后，网络学习到这些特征并将其应用于其他图像。
网络会接收两张图像作为输入：一张“内容”图像和一张“风格”图像。通过将已学得的风格应用到内容图像上，生成一张同时包含原始图像内容与“风格”图像风格的新图像。
艺术家已使用风格迁移创作融合多位艺术家典型风格的新作品。例如，艺术家可以使用风格迁移将毕加索画作的风格与一张照片的内容相结合，得到一幅同时具有毕加索画作特征与照片内容的新图像。
以毕加索、梵高与莫奈风格呈现的蒙娜丽莎
图像到图像翻译
图像到图像翻译是生成式 AI 中的一项技术，允许艺术家将图像从一个域转换到另一个域。例如，艺术家可以训练一个网络将马的图像映射为斑马的图像。网络会提取各个域的特征，并据此在不同域之间翻译图像。
这项技术最流行的例子，也许是 2022 年底在社交媒体上掀起热潮的 Lensa AI 应用。该应用本质上会将您的自拍转换为复制多种艺术风格的数字头像。
类似的版本在互联网上层出不穷。例如，Media.io 通过允许您为任意自拍选择应用的图像风格（从芭比到漫画、再到动画漫画像），为您提供了更多可控性——这款应用清晰展示了图像到图像翻译的工作方式。
除了艺术之外，图像到图像翻译也被用于其他创意应用。例如，它被用来为网站与社交媒体生成新的视觉内容。通过将图像从一个域转换到另一个域，企业可以创作更丰富多样的视觉内容，以吸引更广泛的受众。
在这一过程中，生成器会学习如何创作愈发逼真的图像。艺术家可以使用GAN 来创作受现有艺术作品启发的新图像，或完全原创的图像。
数据增强
数据增强是一种对现有艺术素材应用变换的技术。该过程有助于创建新的输入，从而改进神经网络的输出。其基本目标是提升网络的准确性与鲁棒性，获得更好结果。
可对现有数据应用的变换类型很多：旋转、平移或镜像。更改图像亮度或对比度、应用滤镜等，都是可用于打造强健艺术输入集的变体。完成这些变换后，您可以使用生成的图像来训练神经网络。随后，艺术家便可创作出在保留现有作品元素的同时，融入独特变体与变换的新作品。
艺术家已经利用数据增强创作出探索风格和技法边界的新艺术作品。例如，艺术家可以使用数据增强生成一组围绕某种绘画风格的变体，探索不同的配色、笔触与构图。
其中一个例子是Mario Klingemann 的系列作品《Memories of Passerby I》，其训练数据集来自 17 至 19 世纪的人像，并对这些图像进行了变换增强。
AI 与艺术的技巧
在艺术创作中使用 AI 工具时，请记住它们是用来增强您创造力的工具。务必尝试并迭代不同的输入、参数与风格，以创作与您的创意愿景相契合的作品。归根结底，您创作的艺术应当是对您思想与想象的表达，而 AI 则是将这些愿景变为现实的有力工具。
AI 与音频：声音与音乐
音乐人也在使用生成式 AI 创作新音乐。例如，神经网络可以基于现有歌曲，识别音乐的模式与结构，从而生成新的旋律与和弦进行。这项技术让非音乐人也能够创作出在借鉴现有作品的同时仍具独创性的音乐。
算法作曲
生成式 AI 在音乐中的另一种用法是算法作曲。生成式音乐可以通过算法实时创建，并在每次播放时保持独特。例如，应用 Endel 会根据用户的偏好、位置与一天中的时间生成音乐。
其他示例包括生成一系列都遵循相同和弦走向或节奏的旋律。生成的音乐既可作为新作品的起点，也可与其他元素组合成完整乐曲。
用于作曲的算法有很多种，各有优缺点。例如，一些算法基于规则或模式生成音乐，而另一些则使用机器学习技术，从现有作品中学习并生成新作品。
此外，翻译模型允许算法从非音乐媒介（如图像）中获取信息并将其转化为音乐结果。您可以尝试的一个工具是CLIP Interrogator，它会根据您上传的一张图片生成一段简短的音轨或循环。
音乐风格迁移
与其他媒介相似，风格迁移允许将关键的艺术变量应用于不同的音乐作品。这项技术已被用于多种创意应用，包括开发新音乐作品以及对现有曲目进行混音。
例如，音乐人可以训练一个网络将古典音乐映射到电子音乐。网络会识别每种风格的特征，并据此将一种作品的风格迁移到另一首作品上。
除音乐外，风格迁移也用于其他音频应用，如语音与作曲。通过将一种内容的风格迁移到另一种内容，创作者可以探索新的表达方式，并挑战传统媒介形式的边界。
生成音效与氛围
近年来，使用 AI 进行声音生成的领域不断发展，在音乐、电影与游戏中均有应用。通过在大量音效数据集上训练网络，它可以学习生成在风格与质感上相似的新声音。这项技术在多种创意应用中都很有用，例如为视频游戏创建音效，或为电影添加环境声。
生成音效与氛围的另一种方法是使用程序化音频。程序化音频是一种根据一组规则与参数实时生成音效的技术。它能够在项目情境变化时，动态地提供高度可定制与自适应的音效。
音乐与 AI 的技巧
利用 AI 进行声音与音乐创作，可以释放广阔的创意潜能。从生成融合多种风格与情绪的原创作品，到音频风格迁移的可能性，再到打造沉浸式、个性化的环境声景，AI 提供了多种路径。
它还能将自动混音与母带处理延伸至高质量输出，并生成独特的音效以打造鲜明的声音识别。作为歌曲创作的数字缪斯，AI 可以为旋律与和声提供丰富灵感。请记住，这些工具是为了丰富您的创造力，而非取而代之。
结语与资源
创作过程有时会很艰难。但借助生成式 AI，任何人都能为自己的项目获得灵感。同样地，利用我们在此概述的工具与技术，即便是成熟的艺术家也能成规模地拓展其创作。
当社会持续探索这项技术将如何影响文化与我们的未来时，现在正是理解这些工具并形成您自身观点的好时机。
以下资源可帮助您进一步学习并及时了解生成式 AI 的最新进展：