Category: Generative AI

尽管生成式人工智能解决方案功能强大，应用广泛，但它们也很容易受到操纵和滥用。在这篇博文中，我们将探讨如何使用 AWS 人工智能服务 Amazon Rekognition 和 Amazon Comprehend 以及其他技术，近乎实时地有效审核 Stable Diffusion 模型生成的内容。

本文主要分享在帮助客户使用 Stable Diffusion 时总结的实战经验总结，在 Stable Diffusion 实战中，客户最常遇到的两方面问题，一是如何选择合适的提示词起手式，来生成满足期望的图片；二是如何对图片进行细节优化，使最终产出的结果能够满足生产应用需求。我们根据过往服务客户使用 Stable Diffusion 的经验，整理了以下内容作为我们推荐的最佳实践，希望对读者使用 Stable Diffusion 进行创作时提供参考。

本文结合 Amazon Transcribe，Amazon Polly，以及 openai 的大语言模型和 D-ID.com 公司的 2D 数字人生成技术，介绍了实现了一个演示用的可语音对话的智能 2D 数字人设计的服务和具体的实现过程。

在本篇文章中，我们基于生成式 AI 行业解决方案指南，针对泛娱乐行业的风格化视频生成，介绍生成式 AI 的使用和参数配置，以及配合传统工具，以协助内容创作，达到一定的创意效果。

游戏行业重度依赖概念设计和美术资源，同时也是对创意和美术内容质量要求最高的行业之一。AI 可能可以带来超越人类自身想象力的一些内容，但抽卡式的创作并不能真正的提升美术管线的生产效率，我们需要使用工具来让 AI 更加精准的生成符合预期的图片。

在前一篇文章中，我们介绍了如何使用 Amazon EC2 Inf2 实例部署大语言模型，有不少用户询问 Inf2 是否支持当下流行的 AIGC 模型，答案是肯定的。在本篇文章中，我们将介绍如何在 SageMaker 环境中使用 Inf2 实例部署 Stable Diffusion 模型。

在本篇博客中，我们将为大家介绍在游戏、动漫行业中，使用 ControlNet 高可控输出图片的一些主流的应用场景，包括：1）基于风格化大模型生成游戏/动漫人物；2）使用Reference-only 控制人物细节输出；3）游戏/动漫人物换装；4）多个游戏/动漫人物绘制 5）局部特写/提高图片分辨率。

基于生成式 AI 行业解决方案指南生成多国模特试穿图、设计商品外观及更换不同场景生成商品海报。

使用生成式 AI 行业解决方案指南实现图片内容生成任务

AIGC，即人工智能自动生成内容，是继专业生产内容（PGC）、用户生产内容（UGC）之后的新型内容创作方式。本文我们将探索如何利用 AIGC 助力电商虚拟换装新体验，以创新驱动内容优化，帮助卖家降低拍摄和后期所消耗的资金成本，解放拍摄场地和模特类型，增加设计人员灵感创意，并且自动化电商广告素材生成。