下载掌阅APP，畅读海量书库
立即打开
在多媒体行业的快速发展过程中，大模型技术（如ChatGPT）及其集成的DALL·E3功能，给媒体人提供了创作的新途径。这些技术不仅能够生成符合用户需求的高质量图片和视频，还能够理解和分析现有的图像内容，从而在多种多媒体应用中发挥重要作用。
考虑到文本到图像的生成能力，ChatGPT的DALL·E3功能能够接收创意丰富的文本提示，如“帮我生成龙年的可爱龙宝宝的图片，预示着幸福和安康。”，如图4-1所示，基于提示词，能够创造出独特且富有想象力的图像。同样，我们可以将这种能力扩展到广告创意、插图设计等领域，并创造价值。这样媒体人就可以迅速从概念阶段转移到具体的视觉表现，极大地缩短了创作周期，并提高了工作效率。
大模型不仅能够生成图片，还可以理解图片。如图4-2所示，这里就展示了大模型理解图片的能力，我们将一张“龙宝宝”的图片上传给ChatGPT，它会分析并理解图片内容，通过文字的方式解释图片。这一点在多媒体内容的自动标注、搜索优化以及创建与现有图像相匹配或补充的新内容上尤为重要。例如，在视频制作过程中，通过理解特定场景的图像内容，大模型技术可以为视频提供自动生成的解说文字，或者为现有视频场景生成合适的背景音乐和声效，从而增强视觉和听觉的整体体验。
图4-1 提示词生成图片
图4-2 大模型理解图片的能力
此外，这些技术的应用不仅限于提供创新的内容创作工具。在广告制作领域，它们能够根据品牌特定的需求生成定制化的广告图片；在插图生成方面，它们能够为出版物、社交媒体帖子或网站内容提供独特且吸引人的视觉元素；在视频和图片解说领域，它们能够提供深度的内容理解，生成与图像或视频内容紧密相关的描述，使得教育材料、新闻报道和在线课程更加生动和吸引人。