枫影（王鸿华）：AI+短视频

枫影（王鸿华）注册讲师 11查看

课程概要

培训时长 : 1天

课程价格 : 扫码添加微信咨询

课程分类 : 工作技能

课程编号 : 35671

联系老师

适用对象

短视频创作者

课程介绍

【课程背景】

在当今这个数字化时代，视频内容已成为信息传播的主流方式。随着技术的不断进步，AI技术在视频制作领域也展现出了巨大的潜力。AI生成式视频，作为一种新兴的视频制作技术，正逐渐受到广泛的关注和应用。

为了满足广大视频制作者和创作者对新技术的需求，我们特别推出了这门AI生成式视频制作课程。本课程将深入探讨AI生成式视频的原理、技术及应用，帮助学员掌握这一前沿技术，并将其应用于实际视频制作中。

【课程收获】

了解AI视频生成工具的特点及应用场景
掌握国内外主流AI文本生成视频的工具应用
借助大模型组合，完成视频生成的全流程

【课程对象】短视频创作者

【课程时长】1-2天（6小时/天）

【课程大纲】

Part 1 入门

一、国内外AI生成视频软件解析

国外：Sora、Runway、Pika、Stable Video
国内：字节即梦、百度度加、腾讯智影、星火绘镜
数字人：AI Studios、Heygen、商汤如影、即创

二、国内外文本/图片生成视频成品类型

故事类（独立场景/连续场景），比如：秋天/四季
（数字人+）解说/科普/讲解类，比如：科普AI、新闻
尚无法完成的类型：表演演绎类、场景对话类

三、AI生成视频五步走

1. 短视频项目周期：选题 - 策划 - 脚本 - 素材 - 剪辑

2. 第一步：选题，借助NLP大模型提供更多参考

【工具】文心大模型、星火大模型、通义大模型、GPT等
【提示词】参照 + 动作 + 目标 + 要求
【关键】参考来源：经验、标杆案例、互联网基础认知、背景
【案例】智慧养老选题

3. 第二步：策划，依托长文本解读能力，架构整体框架与创意

【输入】主题、标杆案例、要求
【工具】秘塔AI、文心大模型工具版、KIMI、通义大模型
【流程】寻找类似主题素材（meta）→导入解读→提出要求→生成框架模型
【关键】标杆素材（参照）、要求、解读
【产出】视频结构、分镜头故事创意脚本
【案例】智慧养老故事

4. 第三步：脚本，依托文本大模型，生成相关口播稿

【输入】视频结构框架、标杆案例
【工具】文心/星火/通义/GPT
【流程】输入参照 + 要求
【关键】大模型区别、要求清晰度
【产出】讲解类口播稿
【应用】报道、解说、教程
【案例】智慧养老故事解说

5. 第四步：素材，借助AI工具生成视频

【输入】脚本、图片、分镜头创意脚本
【工具】即梦、度加、腾讯智影、即创、白日梦、文心一格
【流程】
1. 【播报类】文本/图片素材导入 → （数字人） → 生成视频（独家、即创、腾讯智影）
2. 【故事类】分镜头创意脚本 → 生成视频（白日梦、即梦）
3. 素材编辑
【输出】视频素材（无口播 + 口播）
【案例】智慧养老视频生成

6. 第五步：视频集成与剪辑

【输入】视频素材
【工具】剪映
【流程】视频（含滤镜）→ 音频（含音效）→ 文本 → 特效
【产出】智慧养老视频

Part 2 进阶

1. 需求洞察：目标用户与用户需求分析
1.1 做短视频为什么需要研究你的用户

产品思维与用户思维
为什么需要用户思维

1.2 确定我们的目标用户群体
1.3 洞察用户群体的需求

举例1：Z世代消费群体的消费特性
举例2：数值化企业客户的需求洞察

1.4 提炼用户的场景痛点

自己数据分析
借助AI大模型进行分析洞察
让AI大模型来展开验证

1.5 发现给用户创作的情绪价值嗨点

案例：云电脑产品、智慧电子导游案例
任务1：明确目标用户群体，绘制用户群体画像，提炼用户消费场景痛点
任务2：提炼出自己的短视频的主题

2. 策划与结构：以议论文的形式策划主题
2.1 论点与论据之间的关系
2.2 论据与论据之间的关系

并行关系、递进关系、时间关系、空间关系、因果关系、其他关系

2.3 1分钟之内的论据设计

主题-并行论据之间的内容设计
主题-递进论据之间的内容设计
主题-时间、空间论据之间的内容设计
因果关系内容策划设计
【案例】数字政务服务平台的内容策划

2.4 内容逻辑结构

总-分（1,2,3,..)-总
前-中-后
结果-原因
【案例】智慧农业短视频
任务：设计短视频整体逻辑架构，列出每一个论据

2.5 使用大模型来梳理出论据，生成分镜头脚本

3. 修辞：使用Prompt，支撑每一个论据
3.1 修辞的价值：让论据更有说服力
3.2 论据的表现形式：

成功故事
数值化表达
夸张带来想象
对比与锚点
定理支撑
摆事实
其他

3.3 如何借助Prompt来获取论据的文本

使用案例法来获得
使用结构化语句要求生成
角色命令
【案例】使用Prompt生成对智慧养老产品卖点的结构性文案

4. 素材：寻找最完美的素材
4.1 短视频的构成：主题 + 论据
4.2 论据：分镜头的集合
4.3 分镜头：是论据不同呈现方式的集合
4.4 素材：分镜头素材
4.5 素材的获取：

AI生成
内部图片
网络获取

4.6 素材库建设：

风格的统一性
人物-素材的对照一致性
易调用性、云平台

5. 剪辑：用好工具剪辑好视频
5.1 剪辑，是将零散的素材按照议论文的格式重新生成一遍
5.2 视频轨道：梳理清楚自己的视频顺序
5.3 文本轨道：用好Prompt生成最佳的文本解读
5.4 图片轨道：图片素材的妙用
5.5 音频轨道：BGM与音效到底该怎么用？
5.6 剪辑工具：用好剪映就够了

枫影（王鸿华）老师的其他课程

• 枫影（王鸿华）：AI大模型与AI算力: 【课程背景】工智能技术的迅猛发展，特别是以深度学习为代表的技术革新，AI大模型（如GPT系列、BERT等）成为了推动自然语言处理、计算机视觉等多个领域进步的关键力量。这些模型通过大规模的数据训练，能够实现超越传统方法的效果，并且在不断优化中展现出更强大的泛化能力和应用场景。与此同时，算力作为支撑这些大模型运行的基础资源，其重要性日益凸显。无论是训练还是推理阶段，高性能计算能力都是保证模型效果与效率的重要因素。移动通信技术的进步，尤其是5G乃至未来的6G网络部署，为AI应用提供了更加广泛的应用场景和可能性。在这样的背景下，如何有效地利用大模型和先进算力资源，成为移动研究院等科研机构关注的重点。本次培训旨在帮助学员深入了解AI大模型的工作原理及其在移动通信领域的潜在应用，并掌握高效利用算力进行模型训练与优化的方法。【课程收获】 1.深入理解AI大模型的发展历程、现状及未来趋势 2.掌握大模型的基本概念、架构设计原则及关键技术点； 3.学习算力对大模型性能的影响机制以及如何选择合适的硬件平台。 4.了解AI-LLM在各个行业的应用现状及趋势【课程对象】全员【课程时长】1-2天（6h/天）【课程大纲】 Part1 A I发展史 1. 1人工智能概念的提出 1.2人工智能的定义 1.3机器定理证明、跳棋程序等研究成果 2.机器学习：数据驱动决策 2.1 监督学习、无监督学习 2.2 强化学习 3.深度学习：神经网络模拟人脑 3.1 机器视觉CV 3.2 自然语言处理NLP 3.3 语音VC 4.第三代生成式AI：内容与设计 Part2 AI发展要素 1.A I发展三大基础要素：算法、数据与算力 1.1算法：AI发展的关键 1.2数据: 大量可以被用来训练的有价值的数据 1.3高性能算力: 支持复杂AI模型构建 2.算法进步 2.1深度学习与强化学习的结合 2.2量子AI的崛起 2.3多模态技术融合 2.4智能化与个性化提升 3.算力加速 3.1 AI大模型推动物理推理算力需求激增 3.2分布式推理算力中心下沉 3.3全球智能算力规模增长 3.4GPU成为AI加速新品通用性解决方案 4.数据 4.1数据治理 4.2在线离线一体化数据库 4.3分布式隐私方面的突破 4.4数据处理与AI一体化 Part3 AI大模型 1.A I大模型的定义与基础 1.1具有庞大参数规模和复杂程度的机器学习模型 1.2基于深度学习和人工神经网络训练 1.3数据为基石，预训练提取高级特征 2.A I大模型的发展历程及趋势 2.1 从萌芽期到AI1.0, AI2.0d 飞跃 2.2 参数规模增长：数百万到千亿级别 2.3 通用化与专业化并行 2.4 表现 2.4.1多模态、跨模态和大尺度模型的发展 2.4.2开源大模型爆发 2.4.3企业级市场应用快速拓展 3.A I大模型的发展驱动要素 3.1政策对AI大模型发展的驱动因素 3.2技术对大模型发展的影响 3.2.1算力资源 3.2.2算法人才 3.2.3数据积累 3.2.4高位数据建模与特征提取问题 3.3AI大模型市场应用推动AI大模型的发展 3.3.1 2C的发展 3.3.2 2B产业应用 4.A I大模型目前国内外主要代表 4.1国际公司OPENAI、Google等主要模型 4.1.1 GPT：GPT-4和GPT-4o 4.1.2 Claude3模型 4.1.3 PaLM：PaLM-E等多模态 4.1.4 Gopher：DeepMind 4.1.5 Gemini: 原生多模态大模型，跨模态能力突破 4.1.6 LLama2: 开源模型家族，能力大幅提升 4.1.7 Mixtral 8x7B: 引入专家混合技术，开源领域重要力量 4.2百度、阿里巴巴等国内大模型 4.2.1传统互联网企业大模型：文心、通义、豆包、混元 4.2.2 新生代：智谱GLM、月之暗面KIMI、商汤 4.2.3 行业大模型 5.A I大模型基础技术原理 5.1技术背景与核心概念 5.1.1深度学习与神经网络 5.1.2预训练模型的原理 5.1.3参数优化与训练数据选择 5.2核心架构 5.2.1纯Prompt提示词法 5.2.2Agent + Function Calling机制 5.2.3RAG（检索增强生成） 5.2.4Fine-tuning微调技术 5.3模型结构与训练策略 5.3.1Transformer模型架构 5.3.2MoE（专家混合模型） 5.3.3多模态模型 5.3.4分布式并行加速与计算优化 Part4 AI大模型的应用 1.技术与算法应用场景 1.1大模型调用技术: 快速实现成果 1.2自然语言处理(NLP): 语音识别、文本生成 1.3生成式AI: 内容生成、交互生产 2.A I大模型的能力 2.1巨大的参数量和深层网络结构 2.2 强大的泛化能力和多模态理解能力 2.3 涌现能力 2.4 高效的数据处理和计算效率 2.5 降低开发门槛和提高模型精度 2.6 生成式AI的应用 2.7 跨领域的知识和语言理解能力 3.A I大模型的表征应用 3.1息检索与处理 3.1.1自然语言处理 3.1.2图像识别与分析 3.1.3文本分类与理解 3.2 内容生成 3.2.1 文本 3.2.2 图片与视频 3.2.3 语音 3.2.4 代码 3.3 智能聊天机器人 3.4 智能助理agent 4.行业应用 4.1金融领域: 智能风控、智能营销 4.2政务领域: 政策分析、公共服务优化 4.3医疗保健: 病例分析、疾病预测 4.4电商领域: 客户行为分析、个性化推荐 4.5教育领域: 个性化学习、情感分析 4.6制造业: 生产管理、质量控制 4.7农业: 遥感监测、作物病害预测 Part5 AI大模型的商业模式 1.商业化路径 1.1MaaS模式: 大公司提供预训练模型，垂直行业小公司构建和部署 1.2一体化黑箱模型: 简化用户对原理的了解，直接使用成果 1.3B端应用定价: 时间段收费、按调用量收费、包含硬件的一站式解决方案 2.商业策略平台 2.1Vizologi: 生成前瞻性商业计划，市场竞争分析 2.2企业数字化: 生成式AI在不同领域的应用 3.商业模式探索 3.1To B或To C选择: 产品繁荣或消亡的关键 3.2私有化部署方案: 满足数据安全需求，增强信任度 4.商业应用与体验赋能 4.1生成式AI在企业中的应用: 金融服务、政府和公共服务等领域 4.2AI技术在实体经济中的赋能作用 5.商业化进展 5.1行业持续技术突破和早期产品落地 5.2可行的商业模式 Part6 AI大模型的产品设计与部署 1.产品设计阶段 1,1目标定义与需求场景 1.2双故事线策略探索 1.3用户体验与价值驱动 1.4业务逻辑集成 2.技术选型与开发流程 2.1大模型科学选型 2.2开发流程概览 2,4本地离线部署方案 3.部署与优化 3.1部署服务选择 3.2模型训练迭代 3.3数据隐私与成本控制 Part7 AI算力 1.A I算力的概念与作用 1.1定义 1.2算力基础设施 1.2.1AI大模型训练与推理的核心 1.2.2GPU为算力核心组件 1.2.3AI服务器、存储需求增长 1.3对AI大模型的支撑 2.技术与设备 2.1GPU服务器主导 2.2AI芯片多样化 2.3HBM DRAM存储技术 3.应用场景 3.1大模型训练 3.2生成式AI应用 4.对行业的影响和挑战 4.1数字经济和AI+的推动 4.2供需矛盾与资源分配不均 4.3数据中心算力瓶颈 4.4光模块需求放量 5.未来的展望 5.1AI算力国产化 5.2国家级AI算力网络

• 枫影（王鸿华）：智慧园区建设: 一、课程背景随着信息技术的迅猛发展，智慧园区作为新一代信息技术与园区管理、运营、服务深度融合的创新模式，正逐渐成为园区发展的主流趋势。特别是在5G技术的推动下，智慧园区的建设与应用呈现出前所未有的发展机遇。本课程旨在通过对5G+智慧园区解决方案的深入剖析，为学员提供全面的智慧园区建设与应用知识。二、课程收获 1.深入了解智慧园区的内涵与特点，掌握智慧园区建设与应用的基本原理。 2.掌握5G技术面向智慧园区的关键能力与应用场景，了解5G技术在智慧园区中的应用潜力。 3.熟悉5G+智慧园区的总体部署策略，包括规划方法、网络整体实施方案、无线网方案、MEC方案、传输网方案等。 4.学会针对不同业务需求，设计合理的智慧园区组网方案，提升园区服务和管理水平。 5.拓展视野，了解智慧园区的发展趋势与未来挑战，为从事智慧园区建设与管理工作奠定坚实基础。三、课程对象本课程适用于对智慧园区建设与应用感兴趣的学员，包括园区管理人员、信息技术从业者、规划设计师、相关专业的学生等。四、课程时长 6小时五、课程大纲 1. 智慧园区概述 · 智慧园区的内涵与特点 · 智慧园区的发展历程与现状 · 智慧园区的发展趋势与挑战 2. 5G技术面向智慧园区的关键能力 · 5G技术的特点与优势 · 5G技术在智慧园区中的应用场景 · 5G技术的关键能力与智慧园区的融合 3. 5G+智慧园区总体部署策略 · 5G+智慧园区的规划方法 · 5G+智慧园区网络整体实施方案 · 5G+智慧园区无线网方案 · 5G+智慧园区MEC方案 · 5G+智慧园区传输网方案 4. 典型场景组网方案设计 · 基于5G实现园区灵活视频监控的组网方案 · 基于5G实现园区无人巡检的组网方案 · 基于5G的生产设备远程监控的组网方案 · 其他典型场景的组网方案设计与实现 5. 智慧园区的应用与实践 · 智慧园区在不同行业的应用案例 · 智慧园区建设与运营的最佳实践 · 智慧园区面临的挑战与解决方案 6. 课程总结与展望 · 智慧园区建设的总结与反思 · 未来智慧园区的发展趋势与展望 · 对学员的寄语与期望

• 枫影（王鸿华）：金融业务智慧场景建设与运营: 【课程背景】 2B2C，是未来金融2B业务的关键。在消费金融领域，赋能商家B端依托大数据中台挖掘消费者的消费场景，通过智能终端构建消费场景，并实施场景化运营，来帮助B端实现业绩增长，从而促进消费金融业务的发展。【课程收获】 l 了解挖掘消费场景的方法 l 掌握构建消费场景的方法 l 掌握消费场景运营的基本思路【参与人员】本课程适宜于：全体员工【课程纲要】一.2B2C业务，B端经营的痛点分析 1. 实体商户的传统经营模型 2. 常见问题：模型导向错误（流量问题、用户留存问题、用户复购问题） 3. 数字化时代商户业绩增长模型：从线性增长转向指数型增长 4. 指数型增长模型（Y=xⁿ）：X价值场景再造（建设）与用户链接密度n 二、X：价值场景再造（消费场景建设） 1. 搭建中台系统，为商户提供云化应用获取数据 2. 赋能商户展开目标和新客户的数据分析，洞察挖掘商户消费者的潜在消费场景 3. 设计场景，设计流程，并做好场景的数字化、智慧化设想 4. MVP+敏捷性开发，快速测试场景，完成数字化应用和智能终端的架设 5. 投放市场，对智能应用展开测试，并快速迭代【案例】 1. 1919基于饭馆开设自动贩卖机 2. 某品牌快餐在高铁站开启自助无人售饭机 3. 可口可乐在公园架设自动贩卖机三、n智慧化场景运营，实现用户的无限链接 1. n，链接密度的诠释：链接、触达与反馈 2. 链接：通过场景智慧化改造，完成流程节点设计 l 线下场景智慧终端布局 l 线上基于LBS定位系统实现快速查找 3. 触达：智慧终端设施的布点与线上虚拟终端的布局 4. 反馈：智能终端的交易 l 策略：与商家合作，促使用户产生消费习惯 l 用户体验：强化用户体验设计【案例】农行X天府通X数字人民币，依托智能终端自助充值系统农业X麦当劳自主点餐机的满30减20活动

枫影（王鸿华）：AI+短视频

课程概要

适用对象

课程介绍

枫影（王鸿华）老师的其他课程

相关课程

添加企业微信