机器之能报道
编辑：Sia
大模型替代编辑小助理，比萝卜快跑替代司机，靠谱得多。
据说，自媒体使用特朗普遇刺照片作为配图，一张付费 2100 元！
随便下一张图片给文章配图的日子，一去不复返咯。
不过，创作者们的麻烦并未到此为止。
写完一篇公众号文章，接下来的十几分钟最让人抓耳挠腮：
标题铺位，黄金地段，寸土寸金。除了突出内容亮点，还要确保标题足够吸引人点开看，这可比写文章难多了！
啥？酒香不怕巷子深？
在红海的公众号圈子里，这条行不通。
也别灰心！磨合一段时间，我们发现，大模型在解决这两个日常挑战上，还挺管用。
-1-
最短时间起一个合格标题
为了方便唠，咱就以这篇机器人基础模型新公司 Skild AI 报导为例。
如果对文章需要突出的亮点了如指掌，只是不知道怎么整出一个吸引人的排列组合，不妨告诉大模型：
1、这是一篇微信公众号的文章，需要一个吸引人的标题；
2、标题要突出数据优势、融资额度和机器人GPT
这是 Claude 3.5 sonnet 的主意，还不赖！
连亮点有哪些也搞不清楚？
那就先让大模型帮忙找，再让 TA 将找到的亮点集中体现在标题上。
Claude 3.5 sonnet 归纳总结的能力，很不错。
连亮点都懒得考虑？那就直接「依葫芦画瓢」！
有人说，喜欢「机器之心」那种风格的标题。等等，那是啥味儿？我们还真没统计过。
让大模型分析一下：技术性、大 IP 要突出、吸引眼球......
唔，好像是这样子。
给新报道起了几个类似标题。还真有内味儿，前三个几乎可以直接拿来用，除了有点长。
如果更喜欢微博热搜风格的标题呢？
我们将 7 月 15 日某时点热搜，作为输入，让大模型分析这些热搜标题的特点。
接下来也给这篇文章起一个热搜风格的标题。是不是还可以？至少，咱有了进一步改善的基础方案（万事开头难呐）：
还可以要求更多备选：
有人喜欢专业、严肃的财经媒体标题风格，安排上。
我们集合了三年《财新周刊》封面报导标题，让 Claude 3.5 sonnet 分析。
短、双关、重大话题、问题导向......，几个要点都抓到了：
这是大模型为咱们这篇报道起的几个标题。
内什么，前三个标题的风格，是不是确有几分相似？
-2-
模仿生图，AI 主打一个省
为了避免版权纠纷，越来越多的人开始用 AI 生成文章的封面。
很多时候，比起让 AI 毫无头绪地天马行空，我们更希望 TA 直接模仿一些现成图片。
一般，我们会先让大模型看图说话，给出提示词，再将这些提示词扔给图片生成器。
这是一位同事的真实体验：
如果发现提示词不好使，可以让大模型（ Claude 3.5 sonnet ）「仔细描述图片细节和内容」：
然后，将这些描述扔给图片生成器：
这张图片展示了一个独特而富有对比的场景:
背景：图片背景是一面灰色的混凝土墙,看起来质感粗糙,有些斑驳和纹理。
座席：图片中央有一个简单的黑色长凳或平台,看起来也是由混凝土或某种硬质材料制成。
人物：一个年轻男子坐在长凳的右侧。他穿着深色西装和高领毛衣,戴着黑框眼镜。他的姿势很放松,双手放在腿上。
机器人：在长凳的左侧,坐着一个小型白色机器人。这个机器人有一个圆形的头部,上面有红色的眼睛状灯光。它的身体上有一些彩色的装饰,看起来像是控制面板。
光线：图片的光线很有特点,从右侧打来,在墙上和地上投下了人和机器人的阴影。这种光影效果增添了图片的戏剧性和深度。
氛围：整个场景给人一种未来主义和科技感的氛围。人类和机器人并排而坐,似乎在暗示人机共存的未来。
构图：图片构图简洁有力,左右对称,中间留有空白,增强了人与机器人之间的对比和联系。
这张图片通过简洁而富有寓意的场景设置,巧妙地展现了人类与人工智能共处的主题,引发了对未来科技发展的思考。
这是 DALL-E-3 生成的图片。
内容、风格和构图都差不多，包括配色，完全可以作为替代方案。
这是我们利用类似方法生成的一些配图。左边为原图，右边为大模型生成的图片。
当然，还可以用快手自研文生图大模型可图，现在限免中，口碑也不错。
不过，可图大模型不像 DALL-E-3 ，根本消化不了 Claude 3.5 sonnet 生成的大量描述内容。
因此，输入「创意概述」时，必须缩减、修改：
一个简单的黑色长凳，一个年轻男子坐在长凳的右侧。他穿着深色西装和高领毛衣,戴着黑框眼镜，双手放在腿上，长凳的左侧,坐着一个小型白色机器人，有一个圆形的头部,上面有红色的眼睛状灯光。它的身体上有一些彩色的装饰,看起来像是控制面板。图片的光线很有特点,从右侧打来,在墙上和地上投下了人和机器人的阴影。
然后「垫图」，调整相似程度，生成结果：
不过，就这张图片来说，效果很不好。
除了人和机器突然变多，近看其中一张，人物还有一张乐高般的脸蛋儿。
最近科技媒体 The verge 报道了首部生成式传记电影，主人公是 David Bowie、U2 、Coldplay 等人的音乐制作人 Brian Eno。
这部电影每播放一次，电影素材都会根据特殊的算法重新组合一次，因此，每次看到的内容都不一样。
这种拼贴风格的封面设计，很好迎合了电影主题，也展现出一个传记人物的多面性。
我们先让 Claude 3.5 sonnet 仔细描述这张图片，再将它的描述扔给 DALL-E-3 生图。
怎么说呢？感觉工整得有些呆板了。
我们又将 Claude 3.5 sonnet 的描述精简到一句话，扔给可图大模型，垫上图。
这一次，可图的效果明显更胜一筹。
我们也尝试模仿《经济学人》创意独特的封面。
这一次，可图的视觉效果（右下）要优于 DALL-E-3 （右上）。但，糟糕的拼写让结果功亏一篑。
针对更加敏感的图片内容，可图大模型干脆拒绝原图上传。
我们用 DALL-E-3 生成了一种类似风格的图片，表达 LLM 对个人隐私和数据构成了威胁。
-3-
文字和手指
仍是图片生成器的软肋
前面的案例已经告诉我们：
如果图片必须包含单词、文字，TA 很难做到！
你看，可图还是会弄错 OpenAI 的拼写， DALL-E-3 也经常如此。
想要 DALL-E-3 的图片正确显示「西门子」，无论是英文还是中文，都很困难。
生成一个关于西门子 Industrial Copilot 的图片 ，两个关键单词也是错的。
虽然早知道涉及手指细节部分，图片生成器依旧很容易出问题。
但万万没想到，哪怕是一张类似如花挖鼻孔的图片，也很难成功。
这是 DALL-E-3 的作品，真是「惊为天人」。
扔给可图，TA 也够为难的，手指都不好意思伸到鼻孔跟前：
至于手里拿枪，好嘛，动不动就是六个指头：
这也不奇怪。
图像生成器通常使用扩散模型，是从噪声中重建图像，学习的是覆盖更多像素的模式，文本、手指这样的细节生成上，自然表现较差。
当然，这并不是说文本生成器就一定是拼写高手，尽管图像和文本生成器背后的底层技术不同，它们在拼写等细节方面，都有类似的困难。
毕竟，还是缺乏物理世界、语言世界的基本常识。
