機器之能報導
編輯：Sia
大模型替代編輯小助理，比蘿蔔快跑替代司機，靠譜得多。
據說，自媒體使用川普遇刺照片作為配圖，一張付費 2100 元！
隨便下一張圖片給文章配圖的日子，一去不復返咯。
不過，創作者們的麻煩並未到此為止。
寫完一篇公眾號文章，接下來的十幾分鍾最讓人抓耳撓腮：
標題鋪位，黃金地段，寸土寸金。除了突出內容亮點，還要確保標題足夠吸引人點開看，這可比寫文章難多了！
啥？酒香不怕巷子深？
在紅海的公眾號圈子裡，這條行不通。
也別灰心！磨合一段時間，我們發現，大模型在解決這兩個日常挑戰上，還挺管用。
-1-
最短時間起一個合格標題
為了方便嘮，咱就以這篇機器人基礎模型新公司 Skild AI 報導為例。
如果對文章需要突出的亮點了如指掌，只是不知道怎麼整出一個吸引人的排列組合，不妨告訴大模型：
1、這是一篇微信公眾號的文章，需要一個吸引人的標題；
2、標題要突出資料優勢、融資額度和機器人GPT
這是 Claude 3.5 sonnet 的主意，還不賴！
連亮點有哪些也搞不清楚？
那就先讓大模型幫忙找，再讓 TA 將找到的亮點集中體現在標題上。
Claude 3.5 sonnet 歸納總結的能力，很不錯。
連亮點都懶得考慮？那就直接「依葫蘆畫瓢」！
有人說，喜歡「機器之心」那種風格的標題。等等，那是啥味兒？我們還真沒統計過。
讓大模型分析一下：技術性、大 IP 要突出、吸引眼球......
唔，好像是這樣子。
給新報導起了幾個類似標題。還真有內味兒，前三個幾乎可以直接拿來用，除了有點長。
如果更喜歡微博熱搜風格的標題呢？
我們將 7 月 15 日某時點熱搜，作為輸入，讓大模型分析這些熱搜標題的特點。
接下來也給這篇文章起一個熱搜風格的標題。是不是還可以？至少，咱有了進一步改善的基礎方案（萬事開頭難吶）：
還可以要求更多備選：有人喜歡專業、嚴肅的財經媒體標題風格，安排上。
我們集合了三年《財新週刊》封面報導標題，讓 Claude 3.5 sonnet 分析。
短、雙關、重大話題、問題導向......，幾個要點都抓到了：
這是大模型為咱們這篇報導起的幾個標題。
內什麼，前三個標題的風格，是不是確有幾分相似？-2-
模仿生圖，AI 主打一個省
為了避免版權糾紛，越來越多的人開始用 AI 生成文章的封面。
很多時候，比起讓 AI 毫無頭緒地天馬行空，我們更希望 TA 直接模仿一些現成圖片。
一般，我們會先讓大模型看圖說話，給出提示詞，再將這些提示詞扔給圖片生成器。
這是一位同事的真實體驗：
如果發現提示詞不好使，可以讓大模型（ Claude 3.5 sonnet ）「仔細描述圖片細節和內容」：
然後，將這些描述扔給圖片生成器：
這張圖片展示了一個獨特而富有對比的場景:
背景：圖片背景是一面灰色的混凝土牆,看起來質感粗糙,有些斑駁和紋理。
座席：圖片中央有一個簡單的黑色長凳或平臺,看起來也是由混凝土或某種硬質材料製成。
人物：一個年輕男子坐在長凳的右側。他穿著深色西裝和高領毛衣,戴著黑框眼鏡。他的姿勢很放鬆,雙手放在腿上。
機器人：在長凳的左側,坐著一個小型白色機器人。這個機器人有一個圓形的頭部,上面有紅色的眼睛狀燈光。它的身體上有一些彩色的裝飾,看起來像是控制皮膚。
光線：圖片的光線很有特點,從右側打來,在牆上和地上投下了人和機器人的陰影。這種光影效果增添了圖片的戲劇性和深度。
氛圍：整個場景給人一種未來主義和科技感的氛圍。人類和機器人並排而坐,似乎在暗示人機共存的未來。
構圖：圖片構圖簡潔有力,左右對稱,中間留有空白,增強了人與機器人之間的對比和聯絡。
這張圖片透過簡潔而富有寓意的場景設定,巧妙地展現了人類與人工智慧共處的主題,引發了對未來科技發展的思考。
這是 DALL-E-3 生成的圖片。
內容、風格和構圖都差不多，包括配色，完全可以作為替代方案。
這是我們利用類似方法生成的一些配圖。左邊為原圖，右邊為大模型生成的圖片。
當然，還可以用快手自研文生圖大模型可圖，現在限免中，口碑也不錯。
不過，可圖大模型不像 DALL-E-3 ，根本消化不了 Claude 3.5 sonnet 生成的大量描述內容。
因此，輸入「創意概述」時，必須縮減、修改：
一個簡單的黑色長凳，一個年輕男子坐在長凳的右側。他穿著深色西裝和高領毛衣,戴著黑框眼鏡，雙手放在腿上，長凳的左側,坐著一個小型白色機器人，有一個圓形的頭部,上面有紅色的眼睛狀燈光。它的身體上有一些彩色的裝飾,看起來像是控制皮膚。圖片的光線很有特點,從右側打來,在牆上和地上投下了人和機器人的陰影。
然後「墊圖」，調整相似程度，生成結果：
不過，就這張圖片來說，效果很不好。
除了人和機器突然變多，近看其中一張，人物還有一張樂高般的臉蛋兒。最近科技媒體 The verge 報導了首部生成式傳記電影，主人公是 David Bowie、U2 、Coldplay 等人的音樂製作人 Brian Eno。
這部電影每播放一次，電影素材都會根據特殊的演算法重新組合一次，因此，每次看到的內容都不一樣。
這種拼貼風格的封面設計，很好迎合了電影主題，也展現出一個傳記人物的多面性。
我們先讓 Claude 3.5 sonnet 仔細描述這張圖片，再將它的描述扔給 DALL-E-3 生圖。
怎麼說呢？感覺工整得有些呆板了。
我們又將 Claude 3.5 sonnet 的描述精簡到一句話，扔給可圖大模型，墊上圖。
這一次，可圖的效果明顯更勝一籌。
我們也嘗試模仿《經濟學人》創意獨特的封面。
這一次，可圖的視覺效果（右下）要優於 DALL-E-3 （右上）。但，糟糕的拼寫讓結果功虧一簣。
針對更加敏感的圖片內容，可圖大模型乾脆拒絕原圖上傳。
我們用 DALL-E-3 生成了一種類似風格的圖片，表達 LLM 對個人隱私和資料構成了威脅。
-3-
文字和手指
仍是圖片生成器的軟肋
前面的案例已經告訴我們：
如果圖片必須包含單詞、文字，TA 很難做到！
你看，可圖還是會弄錯 OpenAI 的拼寫， DALL-E-3 也經常如此。
想要 DALL-E-3 的圖片正確顯示「西門子」，無論是英文還是中文，都很困難。
生成一個關於西門子 Industrial Copilot 的圖片 ，兩個關鍵單詞也是錯的。
雖然早知道涉及手指細節部分，圖片生成器依舊很容易出問題。
但萬萬沒想到，哪怕是一張類似如花挖鼻孔的圖片，也很難成功。
這是 DALL-E-3 的作品，真是「驚為天人」。
扔給可圖，TA 也夠為難的，手指都不好意思伸到鼻孔跟前：
至於手裡拿槍，好嘛，動不動就是六個指頭：
這也不奇怪。
影像生成器通常使用擴散模型，是從噪聲中重建影像，學習的是覆蓋更多畫素的模式，文字、手指這樣的細節生成上，自然表現較差。
當然，這並不是說文字生成器就一定是拼寫高手，儘管影像和文字生成器背後的底層技術不同，它們在拼寫等細節方面，都有類似的困難。
畢竟，還是缺乏物理世界、語言世界的基本常識。