AIGC的训练模型和开源版本的不断放出，各类AIGC应用平台发展以超乎想象的速度发展，除了少部分人感觉受到了威胁以外，所有的人都表示太过分了并纷纷进行了尝试。
早期用户大都为研究人员或游戏爱好者，浅尝辄止，持续性的获得感和饱腹感需要用户和厂家的共同进步。
由于是测试版本原因，解析度和可控性还有待发展，其他厂商也是同上，版本升级的愉悦感真是让人回味，各家擅长不同，比如国内厂商对中文的理解，对数据的抓取分析能力，当然，各家审美也略有差异，这也是科技与艺术带来的魅力，交叉学科的融会贯通需要加以时日。
在日常设计中，独幅图案的应用大部分需要进行透明图层的扣底处理，便于印花的二次设计排版，当然，类似丝巾类的满版印花设计，在AIGC没有出现之前，需要进行复杂的构图和色彩设计，不过在AIGC的加持下，可以等同为独幅图案。
在技术端，有长或开放式文本生成，NeRF模型，Diffusion模型，跨模态大型预训练模型，小样本学习及自监督算法，强化学习及环境学习，基于以上技术带来的场景有如闲聊式文本生成，个性化营销文本，富情感及细节TTS，拼凑式视频生成，基于文本的ai绘画，语音复刻，在技术端，深度神经网络的结构升级是推动AIGC快速发展的另一主要因素，深度神经网络的量变带来AIGC技术能力的质变。
按模态区分，AIGC可分为音频生成，文本生成，图像生成，视频生成及图像，视频，文本间的跨模态生成，细分场景众多，跨模态生成也成为关注重点，同时，不同之前AI的分析功能，AIGC可对不同模态元素进行二次拆解组合，改变内容生产逻辑及形式，和其他AI系统或数据库进行联动，进而可实现高度个性化，高频优化，AIGC的价值释放需要与不同行业的特异性场景深度融合，深度学习技术的快速发展带来了深度神经网络技术在大模型和多模态两个方向的不断递进，为AIGC的技术能力的升级提供强力支撑和全新的可能性。
相关文章
