AIGC Weekly #11更新了，本期主要介绍了ChatGPT API发布的内容以及相关工具，AI生成动画短片的工作流程。下

AIGC Weekly #11更新了，本期主要介绍了ChatGPT API发布的内容以及相关工具，AI生成动画短片的工作流程。下面是上周一些行业动态和产品推荐，更多详细的内容可以去图里的竹白查看： 本周精选： ChatGPT API上周正式发布了下面是一些相关信息： 官方介绍文章： 官方API文档： Token计数规则文档： Token可视化计数工具： 官方Playground页面： 同时开放的API 还有Open AI已经开源的Whisper语音识别模型： ANIME ROCK, PAPER, SCISSORS-完全使用AI绘图技术制作的高水平动画： 他们使用的主要工具为： Stable Diffusion模型+DreamBooth微调 ControlNet 匹配动捕画面姿势 虚幻引擎+资产存储3D模型 Img2Img + DeFlickering效果 大量的老式的VFX合成 产品推荐： OpenCat-ChatGPT Mac桌面客户端： bob-plugin-openai-translator-BOB ChatGPT翻译插件：

终于有产品能够用AI重新思考和构建稍后阅读和内容收集工具了。#ai#

终于有产品能够用AI重新思考和构建稍后阅读和内容收集工具了。#ai# iki这个笔记工具非常强大，你不需要整理自己收藏的内容一切都交给AI来完成。 它可以处理你收集的大量杂乱、非结构化数据，让应用程序为你组织和显示信息，而不必你自己动手。 主要功能有： 自动提取和总结 自动在聊天和任何现有笔记中显示相关数据 为任何文件添加个人注释 与团队共享数据集合 关注社区其他人创建的合集和阅读内容 你可以在这里尝试IKI：

一款专为 Prompt 编写者设计的工具，它支持多种基于 Prompt 的 AI 应用，例如 Stable Diffusion、

一款专为 Prompt 编写者设计的工具，它支持多种基于 Prompt 的 AI 应用，例如 Stable Diffusion、ChatGPT 和 GitHub Copilot 等 通过ClickPrompt，可以轻松查看、分享、一键运行这些模型，并提供在线提示生成器，使用户能够轻松创建符合自己需求的提示并分享给其他人 | #工具

试了好几个AI画图工具，Dalle & Midjourney都可以画的很好。（附图2，3，4）

试了好几个AI画图工具，Dalle & Midjourney都可以画的很好。（附图2，3，4） 但是在实现个人意图方面，我试过了很多prompt，想要AIGC呈现出我所期待的画面（附图1）非常困难。 附图1是我很多年前画的画。一直想把它精加工，变成一个更立体、更完整、更有层次感的作品。但是苦于我自己画工有限，无法实现。 对于一些三维/立体/视错觉叠加的思维过程，如果AIGC可以接受按顺序来进行的instruction，也许我完成这幅画的数字化，就有据可循了～ 【Chain of thought Prompting】

安利一波近期玩过的AI办公&创作工具

安利一波近期玩过的AI办公&创作工具 Poe： 免费Chat Bot聚合产品 优点：1）内置Chat GPT/GPT-4/Claude等Chat bot，也可以创建自己的聊天机器人；2）国内手机号注册，免费使用；3）UI简单，有一定的社交属性，可以看其他人分享的AIGC内容；4）支持跨端使用，可下载APP Leonardo.ai：主打游戏资产的AI绘画产品 优点：1）风格多样，效果感人。官方提供了大量的优秀作品Prompt和参考风格；2）使用简单，免费；3）可以投喂图片训练自己的模型。 内测中，申请后可免费使用 Tome：AI PPT灵魂画手 使用流程：在PPT模板里输入Text/Title/Headline，中英文都可→ctrl K调出命令键，就可以调出AI相关功能了。例如让GPT-4继续填充内容、让DALL·E基于文字快速生成配图，同时支持手动修改Prompt生成新的图片。 Chat Doc：基于Chat GPT的文件阅读助手 使用流程极简，将 PDF资料上传到平台→像和Chat GPT聊天一样提问。比较适用总结文档要点、写书评，尤其是长篇幅的操作指南、工具类书籍、英文报告等。 优点：1）会把AI回答涉及的页码都标出来，方便check和延展阅读；2）分析结果相对准。 其他延伸学习资料 AI工具聚合平台： AI学习聚合平台 AI学习文档： 感谢大佬分享 Prompt聚合平台：

这份麦肯锡报告《The economic potential of generative AI》，纠正了我之前对「AIGC商业化

这份麦肯锡报告《The economic potential of generative AI》，纠正了我之前对「AIGC商业化」一些错误观念。 报告全篇 68 页，但个人认为，真正的精华，就在这两张图里。 很多我之前理解有误或者没想清楚的问题，都可以在图里找到蛛丝马迹。 那我重点展开说一下：「生成式AI赚钱潜力有多大，钱主要从哪里赚」 【图一】 1、生成式AI「每年」能增加的经济价值,或将超过英国 GDP 总量 2、生成式AI最能赚钱的4大「领域」，是客户运营、营销与销售、软件工程和产品研发 3、用生成式AI赚钱最多的「行业」,首先是银行、高技术和生命科学行业,其次是零售和消费品行业 4、用好生成式AI之后,打工人60%~70%的活儿,都不用亲自干了（或者说，不需要打工人了） 【图二】 1、在几乎所有的行业里，一旦进入销售营销和软件工程这俩场景，生成式AI秒变「抓钱手」 2、而在几乎所有的行业里，但凡涉及人事、财会、运维等职能部门，生成式 AI 没那么赚钱，现阶段主要是“交个朋友” 3、没想到，从大面上看，在农业和保险行业，生成式AI居然这么「不赚钱」 4、教育和医疗行业，都需要人跟人的互动，因此优质供给永远稀缺，谁先通过生成式 AI 解决优质供给问题，谁的市值更高 【其他碎碎念】 1、大面上的赚钱不赚钱，更多是大公司的游戏。如果超级个体/中小企业足够强，进去哪怕干不到行业头部，也有机会分一杯羹。 2、另一方面，如果在某些领域有足够多的积累和优势，其实也不用太看大面的数据。 3、比如干农业的，本来就是龙头，那现在加上点AI，进一步降本增效，也未尝不可。或者是个体，在某些细分领域找到了蓝海市场，那也可以过得非常舒服。 4、还有一点需要注意的是，在这篇报告里，AIGC 在未来的很多可能性都没有考虑进来，所以也是有一定局限性的。