1章 绪论1.1 “智能十传媒”的新文科实践教学1.2 零基础掌握人工智能的核心原理1.3 智能媒体的应用领域1.4 本要内容部分 人工智能的基本原理2章 人工智能领域的基本概念2.1 跌宕起伏的发展历程2.2 人工智能、机器学度学span>2.3 机器学类2.3.1 监督学类和回归2.3.2 无监督学类和降维2.3.3 自监督学span>2.3.4 强化学span>2.4 以感知智能为主的专用人工智能2.4.1 “专用人工智能”和“通用人工智能”2.4.2 感知智能和认知智能2.5 构建智能应用的基本方法2.5.1 多阶段方法2.5.2 端到端方法2.5.3 智能算法与应用的多层次概念3章 神经网络基础3.1 神经元模型3.2 激活函数3.3 多层神经网络3.4 计算机形式的神经元——矩阵3.5 前向传播、反向传播和梯度下降算法3.5.1 前向传播算法3.5.2 反向传播和梯度下降算法3.6 训练和推理3.7 欠拟合和过拟合3.7.1 欠拟合3.7.2 稳健拟合3.7.3 过拟合4章 常见的基础算法与核心任务4.1 用于机器视觉的卷积神经网络模型4.1.1 什么是卷积4.1.2 N结构4.1.3 N经典案例4.1.4 N所起的作用4.2 用于自然语言处理的序列模型4.2.1 循环神经网络4.2.2 序列到序列模型4.2.3 自然语言的文本表示方法4.2.4 变换器网络和注意力机制4.3 常见的核心任务4.3.1 分类与识别4.3.2 检测与分割4.3.3 生成与合成4.4 大型预训练模型4.4.1 预训练模型4.4.2 预训练语言模型4.4.3 大模型的特点与涌现能力部分 智能内容生产应用实践5章 AIGC概述和准备工作5.1 AIGC概述和关键技术5.2 实践应用前的准备工作6章 AI文本生成6.1 ChatGPT和大型语言模型LLM6.1.1 什么是ChatGPT6.1.2 LLM的基本构建流程6.1.3 LLM的发展历程和特点6.2 应用场景：我们在什么时候使用AI文本生成6.3 大模型喜欢什么样的提示词6.4 提示工程6.5 提示词公式与优化技巧6.6 实践应用7章 AI音频生成7.1 AI合成配音7.1.1 文本生成语音技术介绍7.1.2 使用方法：以腾讯智影为例7.2 AI语音转语音7.2.1 语音转语音技术介绍7.2.2 使用方法：以智声云配(DubbingX)为例7.3 AI生成音乐7.3.1 AI生成音乐的技术原理7.3.2 使用方法：以Suno V3.5为例8章 AI图像生成8.1 基本使用方法8.1.1 文生图8.1.2 图生图8.2 模型选取与风格8.2.1 基座模型8.2.2 LoRA和LyCORIS模型8.3 图像生成的控制9章 AI生成9.1 基于连续图像序列的生成：以ComfyUI为例9.1.1 基本界面9.1.2 自定义节点9.1.3 搭建基本工作流9.1.4 转绘工作流9.2 直接生成：以Runway为例9.2.1 基本使用方法9.2.2 基础参数设置9.2.3 镜头运动控制9.2.4 运动笔刷9.2.5 扩展：Gen_3能使用详解10章 AI虚拟主播10.1 虚拟数字人的概念与类型10.2 从虚拟数字人到虚拟主播10.3 虚拟主播应用于媒体内容生产10.4 AI虚拟主播应用实践：以腾讯智影为例10.4.1 虚拟主播数字资产库10.4.2 播报合成的基本使用方法10.4.3 其能应用拓展11章 AI辅助工具11.1 智能抠图11.2 智能抹除11.3 图像修复11.4 智能横转竖11.5 智能字幕11.6 智能SDR转HDR技术11.7 自动电影浅焦模式11.8 智能动作捕捉11.9 肖像风格化11.10 智能跟随拍摄11.11 采编式智能生产12章 综合创作应用实践创新案例12.1 转换动画：基于SD WebUI工具12.1.1 切分为图片序列12.1.2 预处理与AI图生图重绘12.1.3 图片序列合并为12.2 文字生成：基于ComfyUI工具12.2.1 下载工作流12.2.2 图片生成部分12.2.3 面部修复12.2.4 生成部分12.3 数据可视化和数据新闻作品12.3.1 AI生成数据分析代码12.3.2 用AI完成一篇数据新闻作品12.4 用AI设计作品12.5 用AI生成动画中的角色表演：基于Runway Act_One工具12.6 结语后记
