当生成变得廉价，创作还剩下什么
先看懂这门课的地图、工具与规矩，再出发。
- 知道：这门课学什么、八章之间是什么关系、期末你要交出什么。
- 理解：生成式人工智能"是怎么学会创作"的——三次浪潮、拐点与规模定律的直觉。
- 建立：一套贯穿全书的"提出需求—生成—评估—人工修正—发布"工作方法。
- 认同：使用人工智能的三条合规底线与"人在回路"的创作立场。
2026 年的一个普通周三，下沙，C417 机房。你可能已经用手机里的某个 App 修过图、写过作业、生成过一段配乐——甚至不知道自己用的就是"生成式人工智能"。这门课从一个朴素的问题开始：当机器的"生成"变得像打字一样廉价，"创作"这件事还剩下什么？本书立场鲜明：剩下的，是判断、是结构、是人的表达——而这三样，恰好都是可以学的。接下来 32 个学时，我们一边把原理讲透，一边带你把这八种媒介亲手做一遍。
0.1为什么是现在：三个绕不开的事实
先看三个事实。它们解释了为什么 2026 年的一年级大学生，需要专门上一门"AI 创作"的通识课。
事实一：AI 能生成的，已经覆盖了整个媒体光谱
十年前，"AI 创作"基本等于"AI 作诗"——结果常常让人发笑。而今天，从一段文字、一句配音、一张海报、一段视频，到三维模型、角色动画、舞蹈动作、游戏场景，乃至能自己调用工具、分步骤完成任务的"智能体"，几乎每一种数字媒体形态都有了可用的生成工具。本书要带你把整条光谱走一遍——不是为了记住工具名字（它们每几个月就换一茬），而是为了理解每一种媒介背后"机器在学习什么、控制什么"这一层不变的东西。
事实二："能做出来"和"做得好"之间，隔着一整门手艺
你可能听过一种说法："现在只要说一句话，AI 就能给你任何东西。"这句话一半对、一半是幻觉。对的一半：工具确实把"从零到一"的门槛拉到了几乎为零。是幻觉的一半：生成结果的默认水平，永远只是"及格线"。同一句提示词，有人得到一张能上封面的画，有人得到六个手指的怪物——差别不在运气，而在于：提示词怎么组织、参数怎么调、哪一步该让 AI 做、哪一步必须人来做。这些"手艺"就是这门课的核心，也是期末作业与"随手玩"的分水岭。
事实三：这已经不是一个"兴趣"问题，而是一个"位置"问题
2025 年 8 月，国务院印发《关于深入实施"人工智能+"行动的意见》（国发〔2025〕11 号），明确提出到 2027 年新一代智能终端、智能体等应用普及率超过 70%，到 2030 年超过 90%。换句话说：你毕业时进入的任何行业，都会默认"会用 AI 创作"是一项基础办公技能——就像今天默认你会用搜索引擎和表格软件一样。这门课想让你在那个默认里，处于"会"的那一边，而且不是"会用某一个工具"，是"理解这一代技术"。
技术已经就位、工具已经平民化、政策已经写进国家行动——真正稀缺的不再是"生成能力"，而是"指挥生成的能力"：把模糊的想法变成清晰的需求（提示词与结构化表达），把生成的结果变成合格的作品（评估与人工修正），把作品变成负责任的表达（标识、授权与边界）。这门课教的，就是这三件事。
0.2一张地图：八种媒介，一条流水线
本书的八章正文，不是八个彼此独立的"工具说明书"，而是一条流水线上的八个工位。请先记住这条流水线的样子：
| 章 | 主题 | 一句话内容 | 主线项目产出 |
|---|---|---|---|
| 第 1 章 | 人工智能与多模态基础 · 大语言模型与声音生成 | 机器怎么"读"文字、"听"声音、"说"人话：四族技术（大模型/语音识别/语音合成/音乐音效）与提示词的四要素 | 分镜脚本 + AI 配音音频 |
| 第 2 章 | 图像生成与编辑 | 扩散模型加噪去噪的直觉；文生图、局部重绘与条件控制 | 角色设定 + 4–6 张分镜关键帧 |
| 第 3 章 | 视频生成与编辑 | 时空注意力与时间一致性；运镜、首尾帧与剪辑流水线 | 4–6 段镜头视频 |
| 第 4 章 | 三维模型生成与编辑 | 三维表征七家族；SDS 蒸馏与原生三维生成；导出质检 | 楼台/扁舟等三维初稿 + 缺陷记录 |
| 第 5 章 | 角色动画生成与编辑 | 骨骼、蒙皮、关键帧；动作重定向与 AI 动画工具 | 诗人角色「举杯邀月」动画 |
| 第 6 章 | 人体姿态与动作迁移 | 2D/3D 姿态估计；遮挡与平滑；把真人动作搬到角色上 | 舞者动作提取与迁移 |
| 第 7 章 | 游戏场景生成与编辑 | LLM 结构化需求 → 程序化布局 → 多模态资产 → 引擎落地 | 夜江场景 + 结构化资产清单 |
| 第 8 章 | 智能体与交互媒体创作 | 工具调用、记忆与多智能体分工；作品验收与公开展示 | 智能体工作流 + 期末作品 |
贯穿案例：为什么是《春江花月夜》
全书用一条主线把八章串起来：三个虚构的同学——小江（负责文案与策划）、小月（负责美术与视觉）、小舟（负责技术与流程）——要在期末交出一部约 2 分钟的古诗词数字短片，篇目定在张若虚的《春江花月夜》。
选它，有三个理由。第一，它天生是"多模态"的：全诗三十六句，几乎每一句都是一幅画、一个镜头——"春江潮水连海平"是空镜，"海上明月共潮生"是运镜，"江畔何人初见月"是独白，"谁家今夜扁舟子"是人物。第二，它足够难：写意、留白、抒情，恰好是生成工具最不擅长的部分，逼着你练"人工修正"的真功夫。第三，它足够中国：这首诗被闻一多先生称为"诗中的诗，顶峰上的顶峰"，用最新的生成式技术表达最古典的意境，正是这门课"课程思政"的天然载体——技术是新的，文化根脉是深的。
你会看到，小江他们在每一章都会推进一格：第 1 章写脚本、配音；第 2 章画分镜；第 3 章出镜头；第 4 章捏出楼台与扁舟的三维模型……到第 8 章，这些零散的资产被一个多智能体工作流串成成片。从第 1 章开始，他们就正式出场。
0.3机器是怎么学会"创作"的：三次浪潮与一个拐点
要指挥 AI 创作，先要知道它是怎么"学会"的。这一节的篇幅不长，但它决定了你看待后面所有工具的眼光：你不会再把 AI 当魔法，而是当成一个统计学意义上的"超级学徒"。
三类任务：识别、生成、决策
人工智能在媒体领域干的事，大致分三类：
识别（也叫判别）回答"这是什么"：人脸解锁、垃圾邮件、内容审核，都是在画一条边界。它不创造任何新东西。生成回答"它长什么样"：给它一句话，它画出一只从未存在的猫——它学的不是边界，而是数据的"分布"，也就是"什么像猫、什么不像"。决策回答"下一步做什么"：AlphaGo 落子、智能体决定调用哪个工具，都是在试错中学"策略"。本书的主角是第二类和第三类。
三次浪潮：从"规则"到"数据"再到"规模"
AI 七十年，走过三次大的浪潮。理解这三段历史，你就明白为什么 2022 年之后一切都变了：
第一次浪潮（1956 起）·规则时代。研究者相信智能可以"手写"出来：把专家的知识编成一条条 if-else 规则。它在下棋这类规则明确的领域偶有亮点（1997 年"深蓝"战胜卡斯帕罗夫），但一旦遇到"识别一只猫"这种说不清规则的任务就立刻失灵——因为没有人能写出"猫的定义"。
第二次浪潮（2012 起）·学习时代。思路反过来：不写规则，让机器从海量数据里自己总结规律。2012 年，深度神经网络 AlexNet 在图像识别竞赛中大幅领先，深度学习从此引爆。这一代的机器学会了"识别"——认得猫、认得脸、认得你的语音。但它还不会"创作"。
第三次浪潮（2022 起）·生成时代。2017 年提出的 Transformer 架构（一种以"注意力"为核心的网络结构）改变了一切：它让模型可以吞下整个互联网的文本、图像与音视频。当数据、算力、架构三个条件同时成熟，"规模定律"（scaling law）开始显灵——模型越大、数据越多，能力不只是变好，而是不断"涌现"出新技能。2022 年，ChatGPT 与扩散模型先后公开，生成第一次达到了"普通人可用"的水平。此后的故事你在新闻里都见过：文生视频、三维生成、推理模型、智能体……一路到"人工智能+"写进国家行动。
把一亿张猫的图片想象成"图片空间"里的一亿个点。判别模型学的是在这片空间里画一条边界："边界这边算猫，那边不算。"而生成模型学的是这些点的分布——哪里密、哪里疏、什么形状。学到分布之后，模型就能在这片空间里"取样"：生成一只从未存在过、但看起来完全合理的猫。
这个视角解释了本书后面几乎所有现象：为什么生成有随机性（取样本身就是随机的）、为什么"提示词"有效（它在引导取样的方向）、为什么会有幻觉（分布里没有的东西，模型会"编"出最近似的）、为什么调参数能改变风格（改变取样的搜索范围）。
0.4能力边界：它擅长什么、又做不好什么
在动手之前，先建立一张"能力边界"的地图。这门课最浪费时间的事，就是拿 AI 不擅长的事去为难它，然后得出"AI 不过如此"的结论；同样常见的是拿它的强项当自己的功劳，结果期末"技术说明"写不出任何方法。看清边界，你才知道劲往哪儿使。
把这张图记成两句话：它擅长"在你已经想清楚之后高速生产"，不擅长"替你想清楚"；它可以给你十个答案，但不能替你承担一个责任。前者是方法问题（提示词、参数、迭代），后者是伦理与法律问题（授权、标识、诚信）——恰好就是这本书的两条主线。后面每一章，我们都会在这张图上给具体的工具和技术"标坐标"：它落在左栏还是右栏，落在哪里，你就知道该怎么用它。
0.5这本书怎么用：八段体例与四条轨道
本书每一章都按同一套"八段体例"写作。第一次翻开时花两分钟认识它，之后你会用得很顺：
四条轨道：一眼识别正在读什么
全书内容用四种颜色的"轨道块"标记，方便你快速定位。它们在网页版和 PDF 里长得一样：
蓝 · 原理
机制、图解、路线图。慢读，这些是"内功"——工具换了，它们不变。
紫 · 案例
有背景、有做法、有结果、有复盘的真实感案例。看别人怎么趟坑。
青 · 实操
提示词卡、分步操作、参数对照。边读边做，读完全书你会攒下几十组可复用的参数记录。
红/金 · 边界
红色是"失败诊所"与合规提醒，金色是课程思政。别跳过——就业后最先用上的是这部分。
本书有网页版（可交互）与 PDF 版（便于打印与批注）两个形态，内容完全相同。差别有三个：网页版的提示词卡带"一键复制"按钮；自测题默认折叠、点击展开（PDF 版直接给出答案）；少数演示图在网页版里有动画（如扩散加噪过程），PDF 版呈现为动画的首帧——不影响理解。
本书插图分两类，来源都在图注里写明：机制示意图（流程图、结构图、参数曲线等）全部是手绘矢量图（SVG）， 保证标注精确、印刷锐利；贯穿案例的视觉资产（主视觉、分镜关键帧、角色设定、场景概念图，以及第 2 章的参数对照实测图） 由 AI 图像模型生成本地推理产出，均在图注中标注 AI 生成——生成工具、提示词与参数记录见 附录 F 的说明。这么做有两个原因：其一，这门课的内容本身就是"用 AI 创作"，用真实的生成图像做示例， 比任何示意图都更诚实；其二，本书自己在实践它教给你们的规矩——凡 AI 生成内容，必须如实标识。
学时分配：32 学时怎么花
本课程共 32 学时 = 课堂讲授 16 学时 + 课内实践 16 学时，横跨 11 教学周。八章各配 3–6 学时，每周的安排如下（与任课教师公布的授课提纲一致）：
| 周次 | 章节 | 学时 | 讲授内容要点 | 实践内容 |
|---|---|---|---|---|
| 第 1 周 | 第 1 章 | 3 | AI 与生成式 AI 发展脉络、多模态数据与表征、伦理与合规框架 | 工具环境与账号准备；文本生成与提示工程初训；语音识别初体验 |
| 第 2 周 | 第 1 章 | 3 | 大语言模型架构、预训练与后训练；声音表征与条件生成 | 解说脚本创作与音频生成 |
| 第 3 周 | 第 2 章 | 3 | 扩散的加噪去噪、潜空间、U-Net 与 DiT、文本条件与 CFG、流匹配概览 | 文生图、图生图、局部重绘与条件控制参数对照 |
| 第 4 周 | 第 3 章 | 3 | 视频时空表征与注意力、时间一致性建模 | 文字/参考图/首尾帧条件下的视频生成、比较与剪辑 |
| 第 5 周 | 第 4 章 | 3 | 网格、NeRF、三维高斯等表征；SDS 蒸馏、生成与重建、纹理 | 文生三维、图生三维与模型导出检查 |
| 第 6 周 | 第 5 章 | 3 | 骨骼、关键帧、蒙皮、运动条件与动作重定向原理 | 模型材质与缺陷修复，角色动画生成与人工修正 |
| 第 7 周 | 第 6 章 | 3 | 2D/3D 姿态估计、关键点与置信度、遮挡与平滑 | 姿态提取或姿态条件生成与错误排查 |
| 第 8 周 | 第 6 章 | 3 | 姿态条件控制、时序平滑、动作迁移与三维角色驱动 | 姿态数据迁移至三维角色并修正动画 |
| 第 9 周 | 第 7 章 | 3 | LLM 结构化需求理解、程序化生成约束、资产与场景评价 | 场景方案设计与资产生成 |
| 第 10 周 | 第 8 章 | 3 | API 与工具调用、检索增强与记忆、多智能体分工与验收 | 场景校验与修订、智能体任务分解实训 |
| 第 11 周 | 第 8 章 | 2 | 综合创作工作流、单/多智能体对照 | 作品公开展示、互评与教师验收 |
0.6期末你会交出什么：评分即路线图
这门课没有闭卷考试。期末是一次"公开展示 + 作品验收"，评分构成本身就是一张路线图——它明确告诉你"什么算学好"：
把 70% 的期末作业拆开看，其实只有三件事：做出来（综合作品，要求至少融合两类媒体）、讲清楚（技术说明：用了什么工具、什么参数、为什么，以及人工修改了什么）、亮出来（公开展示，并如实标注个人贡献）。你会发现，这三件事恰好对应本书反复强调的三句话：作品是"评估与修正"的终点，说明是"参数记录"的沉淀，展示是"合规与诚信"的考场。
从第 1 章起，每章的"动手实践"都会提醒你保存三类东西：成品（图片/音频/视频/模型）、生成参数或调用记录（提示词、参数、种子）、对照结果（A/B 实验截图）。到期末，它们直接构成"技术说明与参数对照"的素材库——不要等期末再补记录，那补不回来。
0.7工具、账号与三条合规底线
你不需要任何"高配设备"
本课程的实践以网页版生成工具为主：打开浏览器、注册账号、就能创作。第 1 周会集中做环境准备，附录 B 给了完整的工具速查表（入口、免费额度、替代品）。有独显电脑的同学可以选学附录 F 的"本地工作流"，但不是必需——课程不考"设备"，考"方法"。
三条合规底线（第一周就要背下来）
这三条底线不是我们发明的，而是国家法规与平台规则共同划出的红线。第 1 章导论部分会展开讲法规原文与操作细节，附录 E 是随时可查的合规清单。此处先记住最实用的一句：凡是涉及真人（脸、声音、身体影像）的素材与生成，先问授权；凡是 AI 生成的内容，发布时如实标识。
同学们将来会用这门课的技术做毕设、做自媒体、进入广告/影视/游戏/电商行业。技术越强大，越考验使用者的价值判断：用它放大善意还是制造混乱，用它传承文化还是制造噪声，用它服务真实还是伪造真实——这些分岔口没有标准答案，但每个创作者都要做出选择。这门课的立场是：坚持科技向善，做负责任的创作者——对素材来源负责、对生成内容负责、对受众负责。这也是"人工智能+"时代中国青年技术素养的一部分。
0.8人在回路：这门课真正想教的东西
最后一个问题，也是全书的立场：AI 会取代创作者吗？更准确的问法是：AI 把创作者的工作改变了——那么，人应该站在流程的哪个位置？
本书把这项工作方法总结为"五步工作法"：提出需求 — 生成 — 评估 — 人工修正 — 发布。你会发现八章的内容全都挂在这五步上：第 1 章教你"提出需求"的语言（提示词），第 2–7 章教你各媒介的"生成—评估—修正"的具体方法，第 8 章教你把整个流程交给"智能体"去规模化执行。而第 ⑤ 步"发布"的合规与责任，永远由人承担——这也解释了为什么本书把"课程思政"写进每一章而不是贴在最后：技术怎么用，始终是人的问题。
给同学的三条学习建议
- 动手优先，但先想后做。每读一节原理，先在脑中问"如果参数这样调会怎样"，再去工具里验证——带着假设做实验，比漫无目的地"抽卡"高效十倍。
- 记录胜过记忆。把每次像样的生成都存下"提示词 + 参数 + 结果 + 一句话复盘"。本书附录 C 给了模板，期末你会感谢自己。
- 比较出真知。所有"哪个更好"的问题，都用 A/B 对照实验回答：一次只改一个变量，看结果差异。这既是科研训练，也是本课程"参数对照"考核的底层逻辑。
把导论压缩成七句话
- 生成式 AI 已经覆盖文本、声音、图像、视频、三维、动画、姿态、场景八种媒介，并且门槛降到"一句话"级别。
- 但"能生成"不等于"能创作"——差距在提示词、参数、评估与人工修正这些手艺上，这正是本课教的东西。
- AI 走过规则、学习、生成三次浪潮；2022 年是拐点，2025 年"人工智能+"写进国家行动，会 AI 创作正在成为基础技能。
- 判别学边界，生成学分布，决策学策略——本书主角是"生成"，第 8 章加入"决策"（智能体）。
- 全书八章是一条流水线，以《春江花月夜》数字短片为贯穿案例，每章产出一类资产。
- 评分即路线图：作品 40% + 技术说明与参数对照 20% + 展示 10% ——记录、对照、说明，从第 1 章就要开始攒。
- 三条合规底线：素材来源合法、生成内容如实标识、尊重他人肖像与声音权利；"五步工作法"中，人始终站在主导位。
自测
自测 1：为什么说"一句话生成"只是及格线？请用"分布取样"的视角解释。
答案：因为生成模型学的是数据的分布，给定提示词后它是在分布中"取样"。提示词越模糊，取样范围越大，结果越随机；要让结果稳定、精确地符合预期，需要把需求结构化（提示词）、约束取样方向（参数与参考条件），并对结果做评估和修正。所以工具把"及格线"变便宜了，但"优秀线"依然要靠人的手艺——提示词的精确度、参数的把控、对结果的判断力。
自测 2：本书的八章为什么是"流水线"而不是"八个独立工具课"？举一条资产传递的例子。
答案：因为真实创作中媒介是互相喂料的：第 2 章生成的分镜关键帧会作为第 3 章"图生视频"的输入图；第 4 章导出的三维模型是第 5 章做角色动画的对象，也是第 7 章场景里的道具；第 1 章写好的分镜脚本（先写"哪些镜头、每个镜头几秒"再做图、做视频）则是整条流水线的总谱。每一章的产出都是后一章的原料，最终在第 8 章被智能体工作流串成成片。"流水线"这个视角能让你提前知道每章要保存什么、交付什么。
自测 3："技术说明与参数对照"占期末成绩 20%，它考察的是什么能力？如何准备？
答案：考察的是"说得清为什么这么做"的能力——即把创作过程还原为可复现的实验：用了什么工具与模型、关键参数取了多少、如何做了 A/B 对照、人工修正了哪些部分、结论是什么。准备方式是每章实践后即时记录三类材料：成品、生成参数/调用记录、对照结果。这正是"提出需求—生成—评估—人工修正"工作方法的外化，也是未来职业中与团队协作、与客户沟通的基本功。
自测 4：用"识别—生成—决策"三类任务，给下列应用归类：① 短视频平台自动给视频打标签；② 用 AI 给纪录片配旁白；③ 智能体自动检查素材版权后生成发布清单。
答案：① 识别（判别）：判断"这个视频属于哪一类"，学的是边界；② 生成：从文本合成语音，学的是分布；③ 决策+工具调用：智能体需要规划"先查什么、再查什么"并调用外部工具，属于强化/智能体范畴（第 8 章）。现实中一个完整系统常常三类都用上。
自测 5：为什么本书把"课程思政"嵌入每一章，而不是放在书末集中讲？
答案：因为合规与伦理问题不是抽象的道德讨论，而是"下一秒就要做的操作"：选素材时要查来源、写提示词时要避开侵权内容、发布前要加 AI 标识、用真人影像前要拿授权。把这些判断放在它真正发生的技术语境里（比如第 2 章讲图像时讲素材来源合规、第 6 章讲姿态时讲身体影像授权），才可能真正变成行为习惯；集中放在书末只会变成一段没人读的说教。这也是本课程"把育人元素嵌入创作全过程"的设计意图。
拓展阅读
- 国务院《关于深入实施"人工智能+"行动的意见》（国发〔2025〕11 号）——建议通读一遍"六大行动"，看看哪些与你未来的行业相关。
- Ian Goodfellow 等《深度学习》（人民邮电出版社）——本课程指定教材，中文译本；本书第 1 章"深入一格"部分会用到它的第一章直觉。
- 皮埃罗·斯加鲁菲《人工智能通识课》（人民邮电出版社）——适合周末翻读的科普读本，了解 AI 的历史与人文面向。
- 国产大模型官方技术报告与文档（第 1 章会给出清单）——了解"中国方案"在生成式 AI 领域的最新进展。