第1章 AIGC導論 1
1.1 AIGC的定義與歷史發展脈絡 1
1.1.1 人工智能的定義 1
1.1.2 生成式人工智能的定義 1
1.1.3 內容生成式人工智能的定義 2
1.1.4 生成式設計人工智能的定義 3
1.1.5 AIGC的發展歷程 4
1.1.6 AIGC當前的發展趨勢與對未來的展望 5
1.2 AIGC協同藝術創作與設計的意義、應用場景和形式 7
1.2.1 AIGC技術應用的意義與價值 7
1.2.2 AIGC的應用場景 8
1.2.3 AIGC的生成形式 9
1.3 AIGC與造型藝術家的關系 10
1.3.1 人類為什么要創造藝術 11
1.3.2 AIGC作為藝術家的模擬者 11
1.3.3 AIGC作為藝術家的合作者 14
1.3.4 AIGC作為藝術的創作者 16
第2章 AIGC技術的理論基礎 17
2.1 AIGC的算法與關鍵技術 17
2.1.1 生成式對抗網絡與深度學習網絡 17
2.1.2 變分自編碼器 18
2.1.3 大型語言與圖像生成模型 18
2.1.4 條件生成模型與語義的強化學習理解 18
2.2 AIGC內容與形式的轉譯 19
2.2.1 文化元素到設計形式 19
2.2.2 內容到設計形式 19
2.2.3 語音到文本 19
2.2.4 從內容到設計形式轉譯的應用與展示 20
2.3 AIGC技術的差異性與局限性 21
2.3.1 生成內容類型的差異性 21
2.3.2 當前AIGC技術的局限性 21
2.3.3 AIGC技術交互性和適應性的挑戰 22
第3章 AIGC國內外熱門工具介紹 23
3.1 AIGC工具的發展概況與分類 23
3.1.1 AIGC工具的發展概況 23
3.1.2 AIGC工具的分類 25
3.1.3 AIGC工具的快速迭代和延展 26
3.2 ChatGPT 28
3.2.1 ChatGPT的主要功能 29
3.2.2 ChatGPT的主要優缺點 29
3.2.3 操作程序 29
3.2.4 國內目前有效使用ChatGPT的方法 30
3.2.5 ChatGPT的學習和開發資源 31
3.3 DALL·E 3系統 32
3.3.1 DALL·E 3主要功能與插件 32
3.3.2 DALL·E 3的優缺點與特色功能 33
3.3.3 DALL·E 3的操作程序和方法 37
3.3.4 DALL·E 3的實操案例 39
3.4 Gemini 40
3.4.1 Gemini的文本功能 41
3.4.2 Gemini的繪圖功能 41
3.4.3 Gemini 繪圖的連接和使用 42
3.4.4 Gemini生成雙子星海報、標志和網頁設計案例 43
3.4.6 Gemini的使用方法 45
3.5 Midjourney 48
3.5.1 Midjourney的優缺點 49
3.5.2 Midjourney的使用 49
3.5.3 使用Midjourney生成三視圖 50
3.6 Stable Diffusion 52
3.6.1 Stable Diffusion的安裝條件 52
3.6.2 Stable Diffusion ControlNet插件的安裝 55
3.6.3 Stable Diffusion的使用方法 56
3.7 OpenAI Sora 60
3.7.1 Sora的使用場景 60
3.7.2 注冊OpenAI賬戶并申請Sora測試資格 61
3.7.3 Sora的主要功能 62
3.7.4 Sora的使用方法 63
3.8 MuseDAM 65
3.8.1 MuseDAM創意素材收集 65
3.8.2 MuseDAM創意素材管理 65
3.8.3 MuseDAM素材分享 65
3.8.4 MuseDAM輔助藝術創作設計功能 66
3.8.5 MuseDAM輔助文案寫作功能 71
3.9 智譜清言 72
3.9.1 智譜清言的PC端 73
3.9.2 智譜清言的對話部分 73
3.9.3 智譜清言的文檔部分 74
3.9.4 智譜清言的代碼部分 74
3.9.5 智譜清言的繪畫與文案寫作案例 75
3.10 國內外其他AIGC垂直領域藝術創作工具 75
3.10.1 商湯秒畫 75
3.10.2 奇域AI 77
3.10.3 MewX AI 77
3.10.4 DeepArt 78
3.10.5 Prisma 79
3.10.6 DeepDream 81
3.10.7 Paints Chainer 82
3.10.8 道子中國畫 84
3.11 國內外其他AIGC藝術設計工具 86
3.11.1 生成標志的AIGC工具 86
3.11.2 設計廣告海報的AIGC工具 94
3.11.3 網頁設計AIGC工具 101
3.11.4 Flipboard智能排版系統 104
3.11.5 H5的AIGC系統工具 106
3.11.6 一鍵智能生成App系統 109
3.11.7 “易嗨定制”文創藝術衍生產品設計生成式小程序 119
3.11.8 在線產品樣機生成式工具 120
3.11.9 SketchUp中文草圖大師 134
3.11.10 Qu+家裝BIM云平臺 138
3.11.11 Qu+ VR平臺 150
3.12 國內外主要AIGC工具比較 154
3.12.1 ChatGPT與Gemini 的比較 154
3.12.2 DALL·E 3與Midjourney的比較 155
3.12.3 國內幾款AIGC工具的比較 160
3.12.4 DeepSeek與ChatGTP比較 163
3.12.5 國內外AIGC工具和智能體在實際應用方面的比較 166
第4章 傳統成熟的工具與AIGC工具的比較與融合應用 169
4.1 傳統設計軟件智能功能的發掘與應用 169
4.1.1 傳統設計軟件與AI軟件的優勢比較 169
4.1.2 傳統設計軟件與AI軟件融合使用的方法 170
4.1.3 傳統設計軟件與AI融合使用案例 170
4.2 Adobe 2024全家桶主要軟件新增的智能功能 171
4.2.1 Photoshop軟件的人工智能功能與應用 172
4.2.2 Illustrator軟件的智能功能與應用 184
4.2.3 Dreamweaver軟件的智能功能與應用 190
4.2.4 Premiere軟件的智能功能與應用 191
4.2.5 InDesign軟件的智能功能與應用 192
4.2.6 After Effects軟件的智能功能與應用 193
4.3 其他傳統設計工具新增的智能功能 194
4.3.1 CorelDRAW軟件的智能功能與應用 194
4.3.2 C4D軟件的智能功能與應用 200
4.3.3 Rhino軟件的智能功能與應用 203
第5章 AIGC協同藝術創作與設計的流程與方法 205
5.1 AIGC協同藝術創作與設計的流程與方法 205
5.1.1 AIGC標志設計流程 206
5.1.2 AIGC產品設計流程 207
5.1.3 AIGC室內設計流程 207
5.1.4 AIGC汽車文創衍生品研發設計的流程案例 208
5.2 AIGC設計提示詞思維與訓練 208
5.2.1 提示詞的結構化思維 209
5.2.2 結構化提示詞的寫作方法 210
5.2.3 提示詞思維的訓練 211
5.2.4 提示詞語法結構及案例分析 212
5.3 幾種AIGC繪圖工具的提示詞寫作案例 213
5.3.1 ChatGPT與DALL·E 3的提示詞思維 213
5.3.2 Midjourney和MuseDAM的提示詞思維 232
5.4 AIGC 專屬（自定義）模型的構建 236
5.4.1 專屬模型的功能 236
5.4.2 使用MuseAI生成專屬模型的辦法 236
5.4.3 專屬模型設置的案例 237
5.5 設計內容與形態的轉譯 240
5.5.1 設計元素的內容分析 240
5.5.2 設計內容轉譯的思維過程 241
5.5.3 設計大數據與文化基因傳承的模因 242
5.5.4 建立設計文化基因庫的創新思維和路徑 242
5.6 AIGC設計大數據的構建 243
5.6.1 設計大數據的建構 243
5.6.2 設計大數據在視覺傳播設計中的應用 245
5.6.3 設計大數據在產品設計中的應用 247
5.7 AIGC作品后期的二次元三次元優化 249
5.7.1 AIGC設計作品的生成分析 249
5.7.2 人機融合的二次元優化 249
5.7.3 人機融合的三次元迭代與優化 250
第6章 AIGC協同藝術創作與設計的問題和解決方案 251
6.1 AIGC協同藝術創作與設計的主要問題與解決問題的原則 251
6.1.1 AIGC協同藝術創作與設計的主要問題與解決方案 251
6.1.2 AIGC協同設計方案的優化選擇 252
6.1.3 選擇AIGC協同設計方案的建議 253
6.1.4 AIGC協同設計規避同質化的實戰案例 253
6.2 AIGC倫理和知識產權的規避與合理解決方案 256
6.2.1 AI及其案例討論分析 256
6.2.2 對失業、不平衡問題的思考 257
6.2.3 AI倫理問題建議 257
6.3 藝術AIGC明天的展望和今天的對策 258
6.3.1 AIGC在藝術創作與設計行業發展預測 258
6.3.2 AIGC時代創意設計師期待與需求的10個思考 260
6.3.3 AIGC協同藝術設計的10種研發需求 261
6.3.4 AIGC協同藝術設計開發的重點與難點 261
6.3.5 展望AIGC藝術創作設計的明天 262
主要參考文獻 264
新書資訊