跳到主要內容

多模態AI科技的創意與實踐






📅 開課時間:1/14-2/25 (六週)

🎯 課程目標:學習如何運用多模態AI科技,開啟無限創作可能!無論是撰寫市場推廣文案,還是創作獨特的社交媒體圖像,本課程將帶領你從理論到實操,全面掌握AI工具的應用,提升創作效果,突破創意限制。


💻 課程特色:
實際案例分享,學以致用
實操指導,步驟詳盡
輕鬆創作精彩內容,提升工作效率

 

加入好友

Felo Search

這個網誌中的熱門文章

NotebookLM筆記本來製作會議記錄

NotebookLM筆記本來製作會議記錄(報告、逐字稿…)-- 點哥 - 優點:免費、快速產出記錄,可作為筆記軟體。 - 缺點:無法標記不同與會者說的話。 網站網址: https://notebooklm.google.com/ 使用方式如下: 1. 利用手機內建錄音或是已經現有的錄音檔案 各種語音格式幾乎都可用。 2. 錄音的檔案,上傳到NotebookLM 3. 即可產出摘要,可進一步請AI產出會議記錄重點、整理、製作逐字稿等。 點選 筆記本指南 AI自動整理出錄音內容 對話應用: 請AI幫妳寫逐字稿,並加註時間軸 與AI做內容問答與整理 摘要重點 *注意:逐字稿的穩定度仍不如其他專業軟體,若有相當專業且嚴謹的需求,建議還是以付費的軟體為主。但若要製作課程筆記,就完全沒問題! 目前自動生成功能: 動作包括: 合併成單一記事:按一下滑鼠,就能將所有記事彙整成單一記事。 評論:要求 NotebookLM 對你的文章或論點提供建設性意見。 重點摘要:根據多則記事內容建立精簡易讀的摘要。 建立大綱:將所選記事內容轉換成大綱,並依主題分類。 建立學習指南:根據記事內容快速製作學習指南,包括重要問題和詞彙表。 提出相關想法:NotebookLM 可以根據所選記事的來源內容,提供相關建議。 Google公告: 2024 年 9 月 26 日 最新資訊 新來源類型: 自推出以來,我們使用 Gemini 的多模態功能,持續增加對多種來源資料的支援。現在,你可以直接在記事本中加入公開的 YouTube 網址和音訊檔案、PDF、Google 文件、簡報、網站等內容做為來源。 分享語音摘要更快速:我們推出了新功能,輕觸一下就能生成 語音摘要 。現在,語音摘要可以直接分享。只要輕觸「分享」,系統就會產生可輕鬆分享的公開連結。 2023 年 12 月 8 日 最新資訊 提高來源數量上限:筆記本現在最多可以有 20 個來源。 增加字數:來源現在最多可以包含 20 萬字。 撰寫個別記事:現在會個別新增記事,而非納入單一記事。 記事板:撰寫和儲存的記事現在會釘選在對話方塊上方的記事板空間。 將對話回覆內容另存為記事:你可以將 NotebookLM 的回覆內容釘選到筆記本,方便日後參考。 整合引文和記事:將對話回覆內容另存為記事後,系統會保留原始引文。 跳到來源中的引文:在對話回覆內容或已儲存的...

簡易安裝本地端AI系統 | AI免費用到飽

簡易安裝本地端AI系統 我是點哥 先決條件 在開始之前,請確保您具備以下條件: 一台具有足夠記憶體和儲存空間的電腦(建議至少 8GB RAM;若使用較大型號如 Gemma 3 27B 或 DeepSeek-R1 70B,則需要更多)。 網路連線以進行初始下載。 一個現代網頁瀏覽器(例如 Google Chrome)以安裝和使用 Page Assist。 步驟 1:安裝 Ollama Ollama 是一個允許您在本地運行大型語言模型的工具。請按照以下步驟進行安裝: 下載 Ollama : 訪問官方 Ollama 網站: https://ollama.com/ 前往「下載」部分。 選擇您的作業系統(macOS、Linux 或 Windows)並下載安裝程式。 安裝 Ollama : macOS :打開下載的 .dmg 檔案,將 Ollama 應用程式拖到您的「應用程式」資料夾中。 Linux :在終端機中運行提供的安裝腳本: curl -fsSL https://ollama.com/install.sh | sh Windows :運行 .exe 安裝程式並按照螢幕上的指示操作。 驗證安裝 : 打開終端機(或 Windows 上的命令提示字元)。 運行以下命令檢查版本: ollama --version 如果安裝成功,您將看到版本號(例如 0.1.26 或更高版本)。 步驟 2:下載 DeepSeek 和 Google Gemma 3 模型 安裝 Ollama 後,您可以下載 DeepSeek-R1 和 Gemma 3 模型以在本地運行。 打開終端機並根據您想要的模型大小執行以下命令: DeepSeek-R1 DeepSeek-R1 有不同的大小(例如 1.5B、7B、14B、32B、70B)。較小的模型需要較少記憶體且速度更快,而較大的模型性能更佳。根據您的硬體選擇: 1.5B 參數 : ollama pull deepseek-r1:1.5b 7B 參數 : ollama pull deepseek-r1:7b 14B 參數 : ollama pull deepseek-r1:14b 32B 參數(需要約 35GB RAM) : ollama pull deepseek-r1:32b 70B 參數(需要大量資源) : ollama pull deepseek...