آموزش مقدمه ای بر تحریک چندوجهی برای هوش مصنوعی مولد

معرفی Introduction

• GenAI با اعلان های چندوجهی GenAI with multimodal prompts

1. چند وجهی 1. Multimodality

• مدالیته بصری Visual modality

• روش متنی و شنیداری Textual and auditory modality

• چندوجهی چیست؟ What is multimodality?

2. GPT-4 2. GPT-4

• راه حل: رسم به کد Solution: Drawing to code

• چالش: ترسیم به کد Challenge: Drawing to code

• GPT-4 API با انواع ورودی GPT-4 API with various input types

• متن به تصویر در GPT-4 Text to image in GPT-4

• GPT-4 و 4o GPT-4 and 4o

3. جوزا 3. Gemini

• تصاویر در جمینی Images in Gemini

• ورودی های ویدئویی Gemini Gemini video inputs

• چالش: روایت تصویری Challenge: Video narration

• جمینی چیست؟ What is Gemini?

• راه حل: روایت تصویری Solution: Video narration

4. شیوه های شنوایی 4. Auditory Modalities

• سریع و صوتی Prompt and audio

• راه حل: ساخت موسیقی متن Solution: Soundtrack creation

• تولید موسیقی Generating music

• چالش: ساخت موسیقی متن Challenge: Soundtrack creation

• صدا در هوش مصنوعی مولد Audio in generative AI

نتیجه Conclusion

• مراحل بعدی Next steps