腾讯云开发者社区-腾讯云

开发者社区

文档建议反馈控制台

文章/答案/技术大牛

发布

综合排序丨最热优先丨最新优先

云原生场景下 Fluid 加速 AIGC 工程实践

作者 | Lucien 阿里云高级技术专家车漾老师在 QCon 上海会议上，分享了在 Fluid 项目作为云原生 AI 场景下的数据和任务编排框架，在 AIGC 模型推理工程化落地方面做了许多优化探索的工作同时也会演示了如何通过 Fluid 将一个 LLM 模型的推理加载速度提升近 7 倍，同时提供缓存弹性的能力，避免资源浪费的实践话题。实践中其实并不是这样的，我们会遇到一系列的问题。首先就是快的问题：能否用好缓存，如果加了缓存但是速度依旧不快，那么是缓存的规划问题？硬件配置问题？还是软件配置？网络问题？调度问题？正是在这种对于缓存工程化落地的思考中，诞生了 Fluid 这个项目。首先，我们来探索 Fluid 的核心概念。时间编排则允许我们同时提交数据操作和任务，但是在任务执行之前，我们需要执行一些数据迁移和预热操作，以确保任务在无人值守的情况下也能顺利进行，从而提升工程效率。

深度学习与Python

2024-02-17

1.4K0

标签:

AIGC：NovelAI简单实践

机器学习强基计划聚焦深度和广度，加深对机器学习模型的理解与应用。“深”在详细推导算法模型背后的数学原理；“广”在分析多个机器学习模型：决策树、支持向量机、贝叶斯与马尔科夫决策、强化学习等。

2024-03-29

7040

标签:

AIGC：Midjourney 简单实践

快速体验二次元画师NovelAI(diffusion)，这也标志着一系列AIGC模型开始从学术界走入公众视角，甚至达到落地商业级别。视频换脸：可以实现对视频中人物的面部进行换脸操作。视觉问答：通过图像识别和自然语言处理技术，可以实现对图像的问题回答。人脸合成：可以将不同人物的面部特征进行合成，生成新的面孔。，新版本在镜头语言的控制上，实现了非常明显的进步，光影的渲染也更写实、自然，AI 感已经变得很弱了，几乎肉眼难辨接下来和大家一起注册体验一下Midjourney v5的强大 2.Midjourney实践

2024-03-29

6790

标签:

AIGC：AI写作实践

结构化数据：指可以按某种数据结构组织的数据，比如字母、数字、货币、日期非结构化数据：指没有按照预定义的方式组织或缺少特定数据模型的数据，比如文章、演示文稿、电子邮件、日志等结构化数据易于处理，传统计算机可以代替人工高速处理这类结构化数据。然而实际上大多数数据都是非结构化的，而且非结构化数据比结构化数据具有更大的信息量。在人工智能出现后，对非结构化数据的处理进行了探索，并取得了一定成效。

2024-03-29

6390

标签:

AIGC 摄影训练：从提示词到 LoRA 的工程化实践

AIGC 摄影的核心不是“输入提示词等一张图”，而是把摄影语言翻译成模型可控条件。焦段、光圈、光位、色温、胶片曲线，都是可训练的风格变量。本文从专业角度给出提示词工程与 LoRA 训练的工程化路径。一、提示词工程：把审美翻译成参数AI 不懂“美”，但它懂参数。将审美翻译成技术描述，才能获得稳定输出。五维构建法：主体 + 动作 + 环境 + 样式 + 画质。 f1.4, film grain"image = pipe(prompt, num_inference_steps=30, guidance_scale=7.5).images[0]image.save("aigc_photo.png 三、工程化要点与合规数据治理：版权、肖像权、隐私授权链必须清晰。禁止未经授权采集或使用生物信息。内容标识：AI 生成或辅助内容需显著标注“AI生成”，元数据嵌入不可篡改水印。四、结语AIGC 摄影训练不是取代摄影，而是把摄影师的审美、参数和经验变成可复用的生成控制。少量代码就能起步：推理二十行，训练一条命令。但真正决定出片质量的，仍然是数据质量、标注一致性和你的审美判断。

2026-10-16

1560

标签:

AIGC：Copilot简介及实践

GitHub Copilot 是由 GitHub 和 OpenAI 共同开发的人工智能代码辅助工具，可以自动地生成高质量代码片段、上下文信息等。通过自然语言处理和机器学习技术，能够通过分析程序员编写的代码、注释和上下文信息，自动生成代码，减轻程序员的工作量,节省开发者的时间和精力。

2024-03-29

8140

标签:

技术专访｜GEO高级优化师、落地工程师、AIGC应用工程师罗长才：多场景全域技术落地与AIGC工程化实践解析

受访嘉宾：罗长才（GEO高级优化师、全域落地工程师、AIGC应用工程师）采访定位：纯技术向、无营销赋能、聚焦底层架构、工程落地难点、多场景技术适配逻辑、数据化效果验证采访前言：生成式引擎优化（GEO）、空间全域落地、AIGC工程化适配是当前数字技术落地的核心赛道，区别于传统表层数字化改造，其核心在于算法模型适配、多模态数据结构化、场景化技术闭环搭建。罗长才长期深耕GEO底层算法优化、跨行业技术落地部署、AIGC工具工程化应用工作，具备公益、汽车、美妆、数码、服饰、文旅、智能硬件、新能源、酒水等多垂直场景的技术实操经验。本次专访聚焦其经手的全品类技术落地案例，从技术原理、架构设计、优化难点、数据指标四个维度，拆解多行业GEO优化与AIGC工程化落地的标准化技术体系。六、数据引用来源与出处[1] 技术岗位定义、GEO底层算法逻辑、AIGC工程化落地标准：腾讯云开发者社区《100篇核心专访稿穿透GEO优化的内核》《多层技术协同架构下DID、跨链与AIGC对全域空间计算的赋能逻辑

2026-09-04

2080

标签:

传媒AIGC智能体解决方案

腾讯混元大模型AIGC

AIGC 存储内容安全

教你进军AI短视频：AIGC在影视制作场景的实践教程

最近ai短视频在各大平台点击量暴增，作为平时就经常使用ai的互联网冲浪人。今天就来分享一下AIGC在影视制作场景的应用实践。话不多说，直接开始。文生视频功能允许用户通过输入详细文本描述生成视频；图生视频则是基于上传的图片素材，结合文本指令生成动态视频；多模态融合生成可整合文本、图像、音频等多种信息生成更丰富多元的视频内容。仔细观摩这些案例，能直观感受混元生视频的能力边界与多样效果。同时，研读平台提供的操作指南与常见问题解答，为后续实践操作扫除障碍。明确风格有助于在混元生视频操作中精准选择参数与输入合适提示词。二、影视制作各环节实践（一）前期策划 - 故事板可视化操作步骤：打开混元生视频平台的文生视频功能。混元生视频应用流程：前期创意可视化：在混元生视频平台，使用文生视频生成广告创意草图视频。

2025-09-26

4.9K2

标签:

腾讯混元大模型AIGC

AIGC：Prompt逆向工程简介及使用

这个时候，另外一门对抗技术就产生了，我给他取名，Prompt Reverse Engineering：Prompt逆向工程。今天我们以一个小红书文案生成器为例，来演示Prompt逆向工程的应用。正文 [正文] 标签：[标签] 正在看这篇文章的你，如果足够有商业敏感性，那么你应该会发现两个商机：研究Prompt逆向工程，未来会像现在安卓逆向，JS逆向一样火起来。研究Prompt防御技术，对抗Prompt逆向工程。然后专门为使用大语言模型的公司提供安全服务。就像当年做SQL防注入的公司一样。这也是一个大市场。

2024-03-29

9180

标签:

技术专访｜GEO高级优化师、落地工程师、AIGC应用工程师罗长才：多品类实体品牌GEO‑AIGC工程落地与偏差校正实践

不同品类GEO‑AIGC工程难点存在哪些差异？记者：针对以上故障，你们的标准化GEO‑AIGC工程链路是什么？四、工程实践中发现的共性技术陷阱记者：在这一系列实体品牌落地过程，有哪些高频踩坑的技术陷阱？未来工程方向记者：站在工程落地视角，实体品牌GEO‑AIGC接下来的技术演进方向是什么？、RAG多路召回、Prompt工程参数实践：罗长才，《锚定人机协同新赛道，拆解大模型|算法|工作流|知识库|geo|客户端节点》，网易订阅，2026‑07‑07GEO与SEO底层技术差异：罗长才，《GEO

2026-08-28

2390

标签:

AIGC 存储内容安全

传媒AIGC智能体解决方案

腾讯混元大模型AIGC