- 高等教育出版社
- 9787040674293
- 1版
- 16开
内容简介
本书以生成式人工智能应用为核心，围绕生成式人工智能的核心概念和应用技巧逐步展开，融入育人元素，内容涵盖人工智能生成内容（AIGC）的基础概念、主流平台、信息收集方法、提示词创作，以及AIGC从文本到图像、语音生成、视频生成等领域的应用。本书聚焦AIGC应用的基本知识与操作，引导读者掌握AIGC应用技能，还介绍了大模型、AIGC在编程中的辅助应用、Python编程语言和AIGC面临的挑战与机遇。本书响应国家对人工智能人才培养的战略号召，满足高等教育与职业发展的迫切需求，帮助读者理解和掌握AIGC技术。
本书结合当前教育及行业需求，紧跟AIGC技术的发展趋势，适合作为普通高等院校、高等职业院校人工智能课程的教材或参考书，也可以供新一代生成式人工智能领域的读者使用。
目录
目录
前辅文
第1章 探索人工智能的世界
1.1 人工智能的内涵与发展
1.1.1 人工智能的概念
1.1.2 人工智能的分类
1.1.3 人工智能的发展
1.2 人工智能的核心要素
1.2.1 数据—智能系统的知识来源
1.2.2 算法—智能决策的规则引擎
1.2.3 算力—技术落地的动力保障
1.3 人工智能的关键技术
1.3.1 机器学习—智能系统的认知基础
1.3.2 深度学习—复杂模式的解构大师
1.3.3 自然语言处理—人机交互的桥梁
1.3.4 计算机视觉—机器的“眼睛”革命
1.4 AIGC检索与传统网站检索的比较
1.4.1 AIGC检索与传统网站检索的区别
1.4.2 检索任务实践
知识检测
第2章 理解生成式人工智能
2.1 生成式人工智能简介
2.1.1 认识生成式人工智能
2.1.2 生成式人工智能的基本原理
2.2 生成式人工智能的发展
2.2.1 国外大模型发展
2.2.2 国内大模型发展
2.3 生成式人工智能的影响分析
2.3.1 生成式人工智能对教育的影响
2.3.2 生成式人工智能对就业的影响
2.3.3 生成式人工智能对其他行业的影响
2.4 AI编写调研报告
2.4.1 调研报告编写的方法论
2.4.2 调研报告的结构
2.4.3 调研报告初稿生成
知识检测
第3章 解锁大模型的智慧
3.1 认识大模型
3.1.1 大模型的定义
3.1.2 大模型的核心特点
3.1.3 大模型的分类
3.2 大模型是如何工作的
3.2.1 大模型的基本工作原理
3.2.2 Transformer架构及自注意力机制
3.2.3 预训练与微调过程
3.3 大模型的应用
3.3.1 大模型生成文本、图像、语音与视频
3.3.2 大模型编程与代码生成
3.3.3 虚拟人物、数字人、AR与VR的应用
3.4 大模型的简单实践
3.4.1 部署本地大模型
3.4.2 搭建可视化界面
3.4.3 生成小红书文案
知识检测
第4章 AIGC指南：从文本到图像
4.1 文本生成技术
4.1.1 文本生成的基本概念
4.1.2 主流大模型介绍
4.1.3 文本生成的挑战与前景
4.2 图像生成技术与应用
4.2.1 图像生成的原理
4.2.2 风格转换与图像增强技术
4.2.3 AI艺术创作的未来
4.3 AIGC实践—AI创作文本
4.3.1 认识DeepSeek
4.3.2 AI学术搜索
4.3.3 AI学习问答
4.3.4 AI辅助读、写文献
4.4 AIGC实践—AI生成艺术图像
4.4.1 认识豆包
4.4.2 界面功能介绍
4.4.3 风景图生成
4.4.4 动漫角色生成
知识检测
第5章 创造声音与影像：AI的语音与视频魔法
5.1 语音生成技术与应用
5.1.1 语音生成技术的工作原理
5.1.2 语音生成技术的创新路径
5.1.3 语音生成技术的应用场景
5.1.4 语音生成技术的未来趋势
5.2 视频生成技术与应用
5.2.1 视频生成技术的实现原理
5.2.2 视频生成技术的创新方向
5.2.3 视频生成技术的实际应用
5.2.4 视频生成技术的发展前景
5.3 AIGC实践—语音合成与创作
5.3.1 认识讯飞智作
5.3.2 文本生成音频
5.3.3 认识讯飞听见
5.3.4 自动语音识别
5.4 AIGC实践—视频创作
5.4.1 认识即梦AI
5.4.2 文本生成视频
5.4.3 图片生成视频
5.4.4 数字人口播
知识检测
第6章 Python基础与通义灵码的使用
6.1 认识Python及搭建开发环境
6.1.1 Python编程语言及其优势
6.1.2 Python开发环境的搭建
6.2 Python的基本使用
6.2.1 Python的基础语法
6.2.2 函数的定义与调用
6.2.3 模块和库的使用
6.3 认识通义灵码及其功能
6.3.1 通义灵码的基本概念与功能
6.3.2 通义灵码的安装与环境配置
6.3.3 通义灵码的代码生成
6.3.4 通义灵码在代码调试与优化中的应用
6.4 AIGC实践—用Python与通义灵码完成项目
6.4.1 构建个人记账系统
6.4.2 构建随机英语单词测试系统
知识检测
第7章 提示词魔法：与AI对话的艺术
7.1 理解提示词
7.1.1 提示词的定义与功能
7.1.2 常见的提示词类型
7.2 设计高效的提示词
7.2.1 设计简洁明确的提示词
7.2.2 提示词的上下文增强与优化技巧
7.3 认识常见提示词应用问题及结构化框架
7.3.1 提示词应用中的常见问题
7.3.2 认识提高模型输出质量的框架
7.4 提示词实践
7.4.1 制订学习计划
7.4.2 知识点总结
知识检测
第8章 高级提示词：精准控制与创意激发
8.1 复杂场景交互设计
8.1.1 链式提示与动态上下文控制
8.1.2 生成结果的多维度约束
8.2 跨模态协同生成
8.2.1 图文互译提示设计
8.2.2 多步骤任务分解
8.3 领域定制化设计
8.3.1 垂直领域提示词库构建
8.3.2 领域优化策略与动态调整
8.4 创新应用实践
8.4.1 音乐MV制作
8.4.2 PPT及PPT视频的制作
知识检测
参考文献
前辅文
第1章 探索人工智能的世界
1.1 人工智能的内涵与发展
1.1.1 人工智能的概念
1.1.2 人工智能的分类
1.1.3 人工智能的发展
1.2 人工智能的核心要素
1.2.1 数据—智能系统的知识来源
1.2.2 算法—智能决策的规则引擎
1.2.3 算力—技术落地的动力保障
1.3 人工智能的关键技术
1.3.1 机器学习—智能系统的认知基础
1.3.2 深度学习—复杂模式的解构大师
1.3.3 自然语言处理—人机交互的桥梁
1.3.4 计算机视觉—机器的“眼睛”革命
1.4 AIGC检索与传统网站检索的比较
1.4.1 AIGC检索与传统网站检索的区别
1.4.2 检索任务实践
知识检测
第2章 理解生成式人工智能
2.1 生成式人工智能简介
2.1.1 认识生成式人工智能
2.1.2 生成式人工智能的基本原理
2.2 生成式人工智能的发展
2.2.1 国外大模型发展
2.2.2 国内大模型发展
2.3 生成式人工智能的影响分析
2.3.1 生成式人工智能对教育的影响
2.3.2 生成式人工智能对就业的影响
2.3.3 生成式人工智能对其他行业的影响
2.4 AI编写调研报告
2.4.1 调研报告编写的方法论
2.4.2 调研报告的结构
2.4.3 调研报告初稿生成
知识检测
第3章 解锁大模型的智慧
3.1 认识大模型
3.1.1 大模型的定义
3.1.2 大模型的核心特点
3.1.3 大模型的分类
3.2 大模型是如何工作的
3.2.1 大模型的基本工作原理
3.2.2 Transformer架构及自注意力机制
3.2.3 预训练与微调过程
3.3 大模型的应用
3.3.1 大模型生成文本、图像、语音与视频
3.3.2 大模型编程与代码生成
3.3.3 虚拟人物、数字人、AR与VR的应用
3.4 大模型的简单实践
3.4.1 部署本地大模型
3.4.2 搭建可视化界面
3.4.3 生成小红书文案
知识检测
第4章 AIGC指南：从文本到图像
4.1 文本生成技术
4.1.1 文本生成的基本概念
4.1.2 主流大模型介绍
4.1.3 文本生成的挑战与前景
4.2 图像生成技术与应用
4.2.1 图像生成的原理
4.2.2 风格转换与图像增强技术
4.2.3 AI艺术创作的未来
4.3 AIGC实践—AI创作文本
4.3.1 认识DeepSeek
4.3.2 AI学术搜索
4.3.3 AI学习问答
4.3.4 AI辅助读、写文献
4.4 AIGC实践—AI生成艺术图像
4.4.1 认识豆包
4.4.2 界面功能介绍
4.4.3 风景图生成
4.4.4 动漫角色生成
知识检测
第5章 创造声音与影像：AI的语音与视频魔法
5.1 语音生成技术与应用
5.1.1 语音生成技术的工作原理
5.1.2 语音生成技术的创新路径
5.1.3 语音生成技术的应用场景
5.1.4 语音生成技术的未来趋势
5.2 视频生成技术与应用
5.2.1 视频生成技术的实现原理
5.2.2 视频生成技术的创新方向
5.2.3 视频生成技术的实际应用
5.2.4 视频生成技术的发展前景
5.3 AIGC实践—语音合成与创作
5.3.1 认识讯飞智作
5.3.2 文本生成音频
5.3.3 认识讯飞听见
5.3.4 自动语音识别
5.4 AIGC实践—视频创作
5.4.1 认识即梦AI
5.4.2 文本生成视频
5.4.3 图片生成视频
5.4.4 数字人口播
知识检测
第6章 Python基础与通义灵码的使用
6.1 认识Python及搭建开发环境
6.1.1 Python编程语言及其优势
6.1.2 Python开发环境的搭建
6.2 Python的基本使用
6.2.1 Python的基础语法
6.2.2 函数的定义与调用
6.2.3 模块和库的使用
6.3 认识通义灵码及其功能
6.3.1 通义灵码的基本概念与功能
6.3.2 通义灵码的安装与环境配置
6.3.3 通义灵码的代码生成
6.3.4 通义灵码在代码调试与优化中的应用
6.4 AIGC实践—用Python与通义灵码完成项目
6.4.1 构建个人记账系统
6.4.2 构建随机英语单词测试系统
知识检测
第7章 提示词魔法：与AI对话的艺术
7.1 理解提示词
7.1.1 提示词的定义与功能
7.1.2 常见的提示词类型
7.2 设计高效的提示词
7.2.1 设计简洁明确的提示词
7.2.2 提示词的上下文增强与优化技巧
7.3 认识常见提示词应用问题及结构化框架
7.3.1 提示词应用中的常见问题
7.3.2 认识提高模型输出质量的框架
7.4 提示词实践
7.4.1 制订学习计划
7.4.2 知识点总结
知识检测
第8章 高级提示词：精准控制与创意激发
8.1 复杂场景交互设计
8.1.1 链式提示与动态上下文控制
8.1.2 生成结果的多维度约束
8.2 跨模态协同生成
8.2.1 图文互译提示设计
8.2.2 多步骤任务分解
8.3 领域定制化设计
8.3.1 垂直领域提示词库构建
8.3.2 领域优化策略与动态调整
8.4 创新应用实践
8.4.1 音乐MV制作
8.4.2 PPT及PPT视频的制作
知识检测
参考文献
前辅文
第1章 探索人工智能的世界
1.1 人工智能的内涵与发展
1.1.1 人工智能的概念
1.1.2 人工智能的分类
1.1.3 人工智能的发展
1.2 人工智能的核心要素
1.2.1 数据—智能系统的知识来源
1.2.2 算法—智能决策的规则引擎
1.2.3 算力—技术落地的动力保障
1.3 人工智能的关键技术
1.3.1 机器学习—智能系统的认知基础
1.3.2 深度学习—复杂模式的解构大师
1.3.3 自然语言处理—人机交互的桥梁
1.3.4 计算机视觉—机器的“眼睛”革命
1.4 AIGC检索与传统网站检索的比较
1.4.1 AIGC检索与传统网站检索的区别
1.4.2 检索任务实践
知识检测
第2章 理解生成式人工智能
2.1 生成式人工智能简介
2.1.1 认识生成式人工智能
2.1.2 生成式人工智能的基本原理
2.2 生成式人工智能的发展
2.2.1 国外大模型发展
2.2.2 国内大模型发展
2.3 生成式人工智能的影响分析
2.3.1 生成式人工智能对教育的影响
2.3.2 生成式人工智能对就业的影响
2.3.3 生成式人工智能对其他行业的影响
2.4 AI编写调研报告
2.4.1 调研报告编写的方法论
2.4.2 调研报告的结构
2.4.3 调研报告初稿生成
知识检测
第3章 解锁大模型的智慧
3.1 认识大模型
3.1.1 大模型的定义
3.1.2 大模型的核心特点
3.1.3 大模型的分类
3.2 大模型是如何工作的
3.2.1 大模型的基本工作原理
3.2.2 Transformer架构及自注意力机制
3.2.3 预训练与微调过程
3.3 大模型的应用
3.3.1 大模型生成文本、图像、语音与视频
3.3.2 大模型编程与代码生成
3.3.3 虚拟人物、数字人、AR与VR的应用
3.4 大模型的简单实践
3.4.1 部署本地大模型
3.4.2 搭建可视化界面
3.4.3 生成小红书文案
知识检测
第4章 AIGC指南：从文本到图像
4.1 文本生成技术
4.1.1 文本生成的基本概念
4.1.2 主流大模型介绍
4.1.3 文本生成的挑战与前景
4.2 图像生成技术与应用
4.2.1 图像生成的原理
4.2.2 风格转换与图像增强技术
4.2.3 AI艺术创作的未来
4.3 AIGC实践—AI创作文本
4.3.1 认识DeepSeek
4.3.2 AI学术搜索
4.3.3 AI学习问答
4.3.4 AI辅助读、写文献
4.4 AIGC实践—AI生成艺术图像
4.4.1 认识豆包
4.4.2 界面功能介绍
4.4.3 风景图生成
4.4.4 动漫角色生成
知识检测
第5章 创造声音与影像：AI的语音与视频魔法
5.1 语音生成技术与应用
5.1.1 语音生成技术的工作原理
5.1.2 语音生成技术的创新路径
5.1.3 语音生成技术的应用场景
5.1.4 语音生成技术的未来趋势
5.2 视频生成技术与应用
5.2.1 视频生成技术的实现原理
5.2.2 视频生成技术的创新方向
5.2.3 视频生成技术的实际应用
5.2.4 视频生成技术的发展前景
5.3 AIGC实践—语音合成与创作
5.3.1 认识讯飞智作
5.3.2 文本生成音频
5.3.3 认识讯飞听见
5.3.4 自动语音识别
5.4 AIGC实践—视频创作
5.4.1 认识即梦AI
5.4.2 文本生成视频
5.4.3 图片生成视频
5.4.4 数字人口播
知识检测
第6章 Python基础与通义灵码的使用
6.1 认识Python及搭建开发环境
6.1.1 Python编程语言及其优势
6.1.2 Python开发环境的搭建
6.2 Python的基本使用
6.2.1 Python的基础语法
6.2.2 函数的定义与调用
6.2.3 模块和库的使用
6.3 认识通义灵码及其功能
6.3.1 通义灵码的基本概念与功能
6.3.2 通义灵码的安装与环境配置
6.3.3 通义灵码的代码生成
6.3.4 通义灵码在代码调试与优化中的应用
6.4 AIGC实践—用Python与通义灵码完成项目
6.4.1 构建个人记账系统
6.4.2 构建随机英语单词测试系统
知识检测
第7章 提示词魔法：与AI对话的艺术
7.1 理解提示词
7.1.1 提示词的定义与功能
7.1.2 常见的提示词类型
7.2 设计高效的提示词
7.2.1 设计简洁明确的提示词
7.2.2 提示词的上下文增强与优化技巧
7.3 认识常见提示词应用问题及结构化框架
7.3.1 提示词应用中的常见问题
7.3.2 认识提高模型输出质量的框架
7.4 提示词实践
7.4.1 制订学习计划
7.4.2 知识点总结
知识检测
第8章 高级提示词：精准控制与创意激发
8.1 复杂场景交互设计
8.1.1 链式提示与动态上下文控制
8.1.2 生成结果的多维度约束
8.2 跨模态协同生成
8.2.1 图文互译提示设计
8.2.2 多步骤任务分解
8.3 领域定制化设计
8.3.1 垂直领域提示词库构建
8.3.2 领域优化策略与动态调整
8.4 创新应用实践
8.4.1 音乐MV制作
8.4.2 PPT及PPT视频的制作
知识检测
参考文献
前辅文
第1章 探索人工智能的世界
1.1 人工智能的内涵与发展
1.1.1 人工智能的概念
1.1.2 人工智能的分类
1.1.3 人工智能的发展
1.2 人工智能的核心要素
1.2.1 数据—智能系统的知识来源
1.2.2 算法—智能决策的规则引擎
1.2.3 算力—技术落地的动力保障
1.3 人工智能的关键技术
1.3.1 机器学习—智能系统的认知基础
1.3.2 深度学习—复杂模式的解构大师
1.3.3 自然语言处理—人机交互的桥梁
1.3.4 计算机视觉—机器的“眼睛”革命
1.4 AIGC检索与传统网站检索的比较
1.4.1 AIGC检索与传统网站检索的区别
1.4.2 检索任务实践
知识检测
第2章 理解生成式人工智能
2.1 生成式人工智能简介
2.1.1 认识生成式人工智能
2.1.2 生成式人工智能的基本原理
2.2 生成式人工智能的发展
2.2.1 国外大模型发展
2.2.2 国内大模型发展
2.3 生成式人工智能的影响分析
2.3.1 生成式人工智能对教育的影响
2.3.2 生成式人工智能对就业的影响
2.3.3 生成式人工智能对其他行业的影响
2.4 AI编写调研报告
2.4.1 调研报告编写的方法论
2.4.2 调研报告的结构
2.4.3 调研报告初稿生成
知识检测
第3章 解锁大模型的智慧
3.1 认识大模型
3.1.1 大模型的定义
3.1.2 大模型的核心特点
3.1.3 大模型的分类
3.2 大模型是如何工作的
3.2.1 大模型的基本工作原理
3.2.2 Transformer架构及自注意力机制
3.2.3 预训练与微调过程
3.3 大模型的应用
3.3.1 大模型生成文本、图像、语音与视频
3.3.2 大模型编程与代码生成
3.3.3 虚拟人物、数字人、AR与VR的应用
3.4 大模型的简单实践
3.4.1 部署本地大模型
3.4.2 搭建可视化界面
3.4.3 生成小红书文案
知识检测
第4章 AIGC指南：从文本到图像
4.1 文本生成技术
4.1.1 文本生成的基本概念
4.1.2 主流大模型介绍
4.1.3 文本生成的挑战与前景
4.2 图像生成技术与应用
4.2.1 图像生成的原理
4.2.2 风格转换与图像增强技术
4.2.3 AI艺术创作的未来
4.3 AIGC实践—AI创作文本
4.3.1 认识DeepSeek
4.3.2 AI学术搜索
4.3.3 AI学习问答
4.3.4 AI辅助读、写文献
4.4 AIGC实践—AI生成艺术图像
4.4.1 认识豆包
4.4.2 界面功能介绍
4.4.3 风景图生成
4.4.4 动漫角色生成
知识检测
第5章 创造声音与影像：AI的语音与视频魔法
5.1 语音生成技术与应用
5.1.1 语音生成技术的工作原理
5.1.2 语音生成技术的创新路径
5.1.3 语音生成技术的应用场景
5.1.4 语音生成技术的未来趋势
5.2 视频生成技术与应用
5.2.1 视频生成技术的实现原理
5.2.2 视频生成技术的创新方向
5.2.3 视频生成技术的实际应用
5.2.4 视频生成技术的发展前景
5.3 AIGC实践—语音合成与创作
5.3.1 认识讯飞智作
5.3.2 文本生成音频
5.3.3 认识讯飞听见
5.3.4 自动语音识别
5.4 AIGC实践—视频创作
5.4.1 认识即梦AI
5.4.2 文本生成视频
5.4.3 图片生成视频
5.4.4 数字人口播
知识检测
第6章 Python基础与通义灵码的使用
6.1 认识Python及搭建开发环境
6.1.1 Python编程语言及其优势
6.1.2 Python开发环境的搭建
6.2 Python的基本使用
6.2.1 Python的基础语法
6.2.2 函数的定义与调用
6.2.3 模块和库的使用
6.3 认识通义灵码及其功能
6.3.1 通义灵码的基本概念与功能
6.3.2 通义灵码的安装与环境配置
6.3.3 通义灵码的代码生成
6.3.4 通义灵码在代码调试与优化中的应用
6.4 AIGC实践—用Python与通义灵码完成项目
6.4.1 构建个人记账系统
6.4.2 构建随机英语单词测试系统
知识检测
第7章 提示词魔法：与AI对话的艺术
7.1 理解提示词
7.1.1 提示词的定义与功能
7.1.2 常见的提示词类型
7.2 设计高效的提示词
7.2.1 设计简洁明确的提示词
7.2.2 提示词的上下文增强与优化技巧
7.3 认识常见提示词应用问题及结构化框架
7.3.1 提示词应用中的常见问题
7.3.2 认识提高模型输出质量的框架
7.4 提示词实践
7.4.1 制订学习计划
7.4.2 知识点总结
知识检测
第8章 高级提示词：精准控制与创意激发
8.1 复杂场景交互设计
8.1.1 链式提示与动态上下文控制
8.1.2 生成结果的多维度约束
8.2 跨模态协同生成
8.2.1 图文互译提示设计
8.2.2 多步骤任务分解
8.3 领域定制化设计
8.3.1 垂直领域提示词库构建
8.3.2 领域优化策略与动态调整
8.4 创新应用实践
8.4.1 音乐MV制作
8.4.2 PPT及PPT视频的制作
知识检测
参考文献
