跳到主要内容

AI 媒体生成（图像、音频、视频）

进阶

本站的大部分内容都是关于处理文本（以及读取图像/PDF）。但"AI"也意味着生成图像、音频和视频。下面说明它的定位——并诚实地说明 Claude 的位置。

两件不同的事：理解 vs 生成​

  • 理解媒体（输入）。 Claude 是多模态的：它可以查看图像、读取 PDF，从而分析、提取并描述它们——参见 视觉、PDF 与文件输入。
  • 生成媒体（输出）。 创建全新的图像、音频或视频属于另一类模型（扩散/音频/视频模型），通常来自其他工具/提供商。请把"给我生成一张图"视为与"对这张图进行推理"不同的能力。

:::note Claude 的定位 Claude 的强项是语言与推理（以及理解视觉输入）。要生产图像/音频/视频，你通常会使用专门的生成式工具。Claude 非常适合担任导演：撰写这些工具所需的详细提示词、创意简报、镜头清单和脚本——并对结果进行评判。 :::

全景图（分类，而非推荐）​

  • 图像生成——用于艺术创作、原型设计、营销视觉的文本到图像模型。
  • 音频——文本到语音（配音）、音乐生成、转录（语音到文本）。
  • 视频——文本到视频与图像到视频，进展迅速。

我们不在这里对具体产品排名（它们每月都在变化）；请像评估任何模型一样评估它们——选择模型与提供商。

用 Claude 获得更好的媒体​

  • 打磨图像提示词： 让 Claude 把你粗略的想法转化为丰富、具体的图像提示词（主体、风格、光线、构图）。
  • 脚本与分镜： 生成配音脚本、场景拆解、镜头清单。
  • 评判与迭代： 描述哪里不对，让 Claude 优化提示词。

负责任地使用​

生成的媒体会引发现实问题：输出物的权利/授权、深度伪造与同意、以及信息披露。请合乎伦理地使用，并在重要场景标注 AI 生成的媒体——参见 负责任地使用。

下一步​