即梦AI生图提示词全攻略:三层结构+六大维度

1. 即梦AI提示词先搞懂这三层逻辑

1.1 提示词不是“魔法咒语”,而是“设计简报”

我经常看到有人在群里贴出一大段英文提示词,里面全是 masterpiece、best quality、8k、ultra-detailed,结果出图还是翻车。问题不在模型不行,而是提示词根本没说清楚“画什么、怎么画、不要什么”。即梦AI提示词推荐,大家总盯着“推荐”两个字,但我觉得第一课应该先纠正一个观念:提示词是给模型的一份设计简报,不是在念咒。

什么是设计简报?你告诉设计师一个目标受众、使用场景、风格方向、交付标准,他才知道怎么做。AI绘画也一样。你告诉它“一个女孩”,它只能从训练数据里统计出“女孩”的平均长相、平均场景、平均画风,出来的东西当然平庸。你告诉它“一位在雨天便利店门口等车的年轻女孩,穿着卡其色风衣,偏着头看马路,霓虹灯倒映在积水里”,它就能从局部特征和语义关联里抽出更独特的视觉碎片,然后组合成画面。同一个模型,提示词的语义密度不同,出图质量能差出好几个档次。

所以我建议,每次写即梦AI提示词之前,先问自己三个问题:画面里必须出现的核心主体是什么?画面应该在哪里、什么时间、什么光线下发生?最终给人看的时候,它应该是照片、插画还是3D渲染?这三个问题其实就是后面整篇的提纲。把这三点定死,提示词就不会散。

1.2 我常用的三层结构:主体+场景+风格

试了很多种写法之后,我总结出最顺手的一套三段式结构:

  • 第一层:主体描述。写清楚画面里是谁或什么,有几个,什么动作、表情、服装、视角。
  • 第二层:场景描述。写清楚时间、地点、天气、环境道具、前后景关系。
  • 第三层:风格描述。写清楚艺术风格、媒介、光影、镜头语言、画质要求。

举个例子。我上周用即梦AI做一个“雨夜街角”的测试,最开始的生图提示词只有一句:“下雨的街道”。结果连续出了十几张图,不是灰蒙蒙一片,就是路中央站个毫无表情的路人。后来我改成这样:

一位穿黑色连帽卫衣的青年站在雨后街角,手里拿着半杯热咖啡,低头看路面反光,水洼里倒映着红色灯牌。街道是湿润的深灰色沥青路,两侧店铺亮着暖色灯光,远处路灯带出雾气,夜晚,赛博朋克质感,电影感,45度侧光,85mm镜头,浅景深,高细节。

这串提示词没有一句废话,每一段都在回答前面那个“设计简报”。把最重要的信息放前面是有原因的:即梦AI这类模型的文本编码器对关键词顺序不是完全无感的,越靠前的词,越容易被当成画面的主语义来重点响应。所以主体永远在最前面,风格词放最后,中间是场景关系,这个顺序我实测下来最稳。

三层结构最大的好处是可替换。想要换风格,只动第三层;想要换故事,只动第一层;想要换环境,只动第二层。后面我会专门写怎么在这个框架里拆出六类核心提示词。

2. 生图提示词的六个核心维度拆解

2.1 主体描述:越具体,偏差越小

主体是整张画的支点。很多人习惯写“一个女孩”,然后希望模型自动脑补出绝世美女,这其实是在赌博。训练数据里的“girl”是一个超级广泛的分布,金发、黑发、白人、亚洲人、各种装扮全混在一起,模型只能给你一个平均脸。想让模型稳定还原你脑子里那张脸,必须把范围缩小。

我的做法是把主体拆成五小项:身份与年龄、发型与发色、脸型与五官特征、服装配饰、动态与情绪表情。比如“一位三十岁左右的短发女性,单眼皮,右侧脸上有一颗小痣,穿白色衬衫,蓝色牛仔裤,双手插兜,嘴角微微上扬,侧头看向窗外”。这里面每一个词都在帮模型锁定信息。尤其是“单眼皮、小痣、侧头、嘴角微微上扬”这类局部特征,比“迷人”“优雅”这种抽象形容词有效得多。因为抽象形容词在训练集里对应的视觉标签太散了,而局部特征往往有更明确的像素级对应。

还有一个细节:数量要写清。写“一个人”就写清楚一个人,不要写“somebody”或“一个男人和他的狗”,因为模型可能把数量弄错。主体数量超过两个时,我建议用“A和B”并列,并用逗号分隔,这样比笼统的“两个人”更可控。

2.2 场景与环境:决定画面信息量

场景词决定画面的叙事感。同样是地铁站,白天和午夜是完全不同的氛围;同样是森林,有雾和没有雾也是两种情绪。场景描述不要只写一个名词,最好带上“时间+天气+空间关系”。我常用这样的句式:地点加时间加天气,再补前景、中景、背景各一个要素。

举个例子,如果写“咖啡馆”,模型大概率给你一张普普通通的室内图。但如果是“街角的复古咖啡馆,下午三点,阳光从落地窗斜射进来,穿透咖啡杯上的热气,窗外是骑着自行车的人影,背景书架上的书阵列清晰”,画面立刻有了时间感和故事线。背景里那排书不是主角,但它决定了画面细节的丰富度。

这里我想说一个关于“控制力”的思路:AI绘画的随机性很大,但你给场景的锚点越多,随机性就越受限。场景锚点包括地形、建筑、植物、陈设、道具、天气现象。道具尤其重要,因为一个手持物能立刻激活人物的动作逻辑——比如“手里拿着咖啡杯”,人物自然会有“端起来喝”或“低头看”的姿势联想。我平时写场景词,至少会放一个“让主体有事可做”的道具词。

2.3 光影与镜头:让画面有“摄影感”

很多人看完别人用即梦AI出的图,第一反应是“怎么那么有质感”,其实一半功劳是光影词和镜头词。AI绘画模型在训练时看了大量摄影师作品,你只要写出“侧逆光”“黄金时刻”“体积光”“丁达尔效应”“长曝光”,它就能调用对应的视觉经验,画面立刻脱离“平涂贴图感”。

镜头词同样重要。我会在即梦AI生图提示词里写清楚“35mm广角”“85mm人像”“微距”“鱼眼”“长焦压缩”。这些词不只是焦段,而是告诉模型你想要的透视和景深。85mm拍人像时背景会被压缩和虚化,35mm近拍会产生明显的空间纵深。我测试过同一条提示词,把“85mm浅景深”去掉之后,背景细节突然全部涌上来,人物反而不突出了。所以光影和镜头是构图层面的“指挥棒”,不是锦上添花。

光影部分我最常加的是“方向+质感+色彩”。方向如“顶光”“侧光”“逆光”;质感如“柔和散射光”“硬朗直射光”“霓虹灯反射光”;色彩如“冷暖对比”“日光白平衡”“黄昏橙色调”。把这几个词串起来,比如“左侧硬光,右侧补冷蓝色,霓虹灯反射光”,模型就能推演出很具体的照明方案。

2.4 风格与媒介:锁定画面质感

风格词是最大的双刃剑。写对了能出惊艳效果,写多了会让画面变成四不像。我的原则是:一个主风格,最多两个辅助风格,风格总词数不超过三个。比如“水墨风格+留白构图+单色晕染”,这是一个主风格带两个画法词;“赛博朋克+插画+高饱和”,是两个风格轴混合,但主次分明。

风格还可以分媒介:照片风格要用“胶片感、颗粒、暗角、35mm相机”,插画风格要用“扁平插画、手绘笔触、水彩纸纹理”,3D风格要用“皮克斯渲染、体积光、次表面散射、3D渲染”。注意,AI模型对“渲染器名词”很敏感,但也可能产生过拟合,所以不建议堆渲染器名,用“3D渲染、质感、柔和环境光”反而更稳。

还有一个容易被忽略的点:时代感和地域感。如果你想出“1980年代北方小城”,不要只写“80年代”,而要把具体意象写出来,比如“红砖家属楼、二八大杠自行车、暖水瓶、灶台蒸汽”。因为单纯“80年代”的视觉分布太大了,而意象词会逼出更准确的时空细节。

2.5 画质与细节词:提升成品下限

画质词确实有用,但它不是万能的。masterpiece、best quality、8k、ultra-detailed这类词在英文模型中确实能引导模型输出更精细的纹理,但在即梦AI里,我更推荐直接用中文描述画质细节,比如“高清晰度,皮肤纹理自然,服装褶皱清晰,锐利的轮廓,微距级细节”。因为即梦AI的中文语义理解能力不弱,写“高清晰度”它能懂,写“8k”它可能只是把它当作一个标签。

画质词的核心作用是提升成品下限。它不能让一个构图烂的画变好,但能让一个已经合理的画面更有“质感”。我通常在提示词最后加一组“输出质量词+细节引导词”:高细节、丰富纹理、精确对焦、无畸变、干净构图、胶片颗粒。注意细节引导词要有对象,不能只写“细节”,要写“手部骨骼自然”“衣服褶皱符合重力”“布料质感明显”这类有具体指向的描述。

2.6 负面提示词:人人该有的安全网

如果你不想每次开盲盒,负面提示词一定要写。即梦AI的输入框里一般有单独位置,或者可以直接追加到提示词末尾。常见的需要排除的坑包括:低分辨率、坏手、多余手指、错误解剖、模糊、文字、水印、logo、双重曝光、变形、脸部扭曲、多余肢体、扁平感。

我个人的做法是准备一套固定负面模板,只改关键项:

低分辨率,模糊,画质差,手部崩坏,多余手指,肢体扭曲,脸部变形,文字,水印,logo,杂乱背景,过度饱和,拥挤构图。

这里要说一个关键点:负面词不需要堆几十个,因为模型对负面词的敏感度同样受位置影响。太长的负面列表会稀释负面语义,导致某些错误反而没被拦住。我更倾向于把最关键的三四个错误放在负面词列表最前面,比如“手部崩坏 多余手指 脸部变形”,剩下的低频错误交给多次生成来抽卡。

3. 实操:从0到1写出高质量生图提示词

3.1 五步成稿法:先少后多,逐步加码

很多新手拿到即梦AI就急着输入长提示词,结果越改越乱。我建议反过来:先写一个极短的核心画面,再逐步加码。这样每一步都能清楚地知道“是哪个词改变了结果”。我自己总结的五步成稿法:

  1. 定主体。先写“谁在做什么”的一句话,比如“一个古代侠客站在悬崖边”。
  2. 加场景。补时间、地点、天气,比如“黎明时分,云雾缭绕的山崖,远处有松树”。
  3. 加光与镜头。补光照方向和镜头语言,比如“逆光,金色晨光从背后照射,广角镜头,大气透视”。
  4. 锁风格。加一个主风格和最多两个辅助词,比如“水墨风,留白,写意”。
  5. 填细节与负面词。补服装细节、面部表情、画质词和排除项。

用这套方法,我试过从“侠客站在悬崖边”一步步变成可用成品。每一步都在控制信息量,不会一次性塞太多互相矛盾的词。更重要的是,如果出图效果差,你能定位是哪一类词出了问题。比如画面很平,那大概率是光影词不够;背景很乱,那大概率是场景词太少,或者负面词里缺少“杂乱背景”。

3.2 即梦AI里的参数微调:比例、分辨率、参考图

提示词只决定了画面的“语义”,参数则决定画布和采样方式。即梦AI的界面里我基本会先设三个东西:宽高比、质量或精细度档位、随机种子。

宽高比直接决定构图框架。人像特写我用3:4或9:16,风景大场景用16:9,产品展示用1:1。这里的逻辑很简单:模型在不同比例下会重新计算画面布局,你用16:9去生成一个人像特写,它会自动把背景拉宽,人脸反而变小。所以先想清楚最终使用场景,再选比例。

随机种子是很多人忽略的参数。想要复现一张效果图,固定种子后把提示词微调,比完全随机要高效得多。在探索风格的时候我反而会每张都换种子,避免陷入局部审美。即梦AI里的“换一批”本质上就是在换种子或扰动,所以不用紧张,多抽几次是很正常的。

参考图功能值得单独说。当你想要主体姿势或商品品牌保持一致时,上传一张参考图,再配一句“参考图中的主体姿态、构图、光源”,提示词就可以大幅简化。我常用的句式是“参考图中人物的站姿,把场景换成雪山,光线改为清晨暖光,风格保持电影感”。这里不需要把所有细节写进提示词,参考图已经承担了主体约束,提示词只负责改变部分。

3.3 直接可用的提示词库(含分类案例)

下面这些案例都是我在即梦AI上反复试过的思路,你可以直接复制使用,也可以按三层结构替换其中任一部分。

人物肖像:

一位二十八岁的东方女性,黑色微卷长发,眼神疲惫但坚定,穿驼色大衣,站在落满梧桐叶的街道上,左手插兜,右手拿一杯热美式,下午四点的斜阳从侧面照过来,85mm镜头,浅景深,柔和胶片质感,肤色自然,皮肤纹理清晰,高细节。

国风插画:

穿月白色汉服的少年站在竹林中,手握竹笛,微闭双眼,晨雾缭绕,一束阳光从竹叶间洒落,形成丁达尔效应,远处的山影若隐若现,水墨画风格,留白构图,淡雅青绿色调,写意笔触,高清晰度。

产品摄影:

一瓶磨砂玻璃质感的香水瓶,瓶身反射柔和的暖光,标签上是极简线条图案,背景是米色大理石板和一小块苔藓,旁边有一束干花,顶光柔光箱照明,产品摄影,商业广告风格,细节锐利,微距摄影,干净背景。

概念场景:

漂浮在云海中的古代城堡,墙面覆盖青苔,塔楼伸出云层,光影从云隙洒下,远景有模糊的山峰,梦幻蓝紫色调,空灵风格,超广角,体积光,高细节,电影感。

3D角色:

一位矮胖圆润的机器人,白色哑光外壳,眼睛是柔和的橙色圆灯,手里捧着一棵小盆栽,站在浅灰色工作室摄影棚里,柔和环境光,3D渲染,皮克斯风格,高保真材质,细节丰富,浅景深。

CG生物:

一只全身鳞片发蓝光的龙形生物,蜷缩在黑暗中,眼睛发出黄色微光,周围有雾气,鳞片有清晰的反射与折射效果,暗青色环境光,影视级CG,超写实材质,高分辨率。

每一条案例我都在末尾加了“高细节”“浅景深”“电影感”这类风格定义词,目的就是让模型不只理解内容,也能理解后期质感。你在使用的时候,可以直接把第一层第二层换掉,第三层保留,这样大概率不会翻车。

4. 常见问题与排查技巧实录

4.1 提示词很长但图很空?——语义密度失衡

这是我在即梦AI交流群里看到最多的问题:“我写了一大段,结果图还是空荡荡的”。仔细看他们的提示词,通常都是“美丽、漂亮、好看、唯美、高级感”这类形容词堆叠。问题就出在这些词都是抽象的审美标签,模型找不到一个具体的“东西”来画。

解决办法是把抽象词换成具象词。“空灵感”换成“白色雾气、远景山影、人物留白”;“高级感”换成“低饱和灰色调、大理石材质、暖光射灯”。记住:模型先画物体,再赋风格。没有物体,风格就是无源之水。我自己的检查标准是:如果提示词里的名词少于5个,说明主体和场景还没立起来。

4.2 风格词互相打架?——主风格只留一个

很多人想要“电影感+水彩+3D+赛博朋克”,结果出的图像缝合怪。原因很简单,这些风格词在训练数据里分布迥异,模型试图同时满足几个分布,只能生成一个四不像。我的建议是每次只定一个主风格,最多再加一个“情绪倾向”词,比如“电影感+冷峻色调”“国潮插画+红金色调”。

如果确实想混合两种风格,请用“带有A风格的B”句式,比如“带有浮世绘纹理的现代插画”,让模型知道主次关系。不要用逗号并列一堆风格,这样模型会当作多标签同时激活。

4.3 人物脸部崩坏?——用局部重绘或细节词兜底

AI绘画最容易翻车的两个点,一个是手,一个是脸。手的问题靠负面词“手部崩坏、多余手指”能缓解,但无法根除。脸的问题就不一样了。我强烈建议在提示词里加“面部特写”“五官清晰”“眼神光”这类词,然后再配合即梦AI的局部重绘功能。

即梦AI的局部重绘相当于把画布局部框选重新生成。实际操作时,我会把重绘强度设置在中档,提示词改成“重新生成面部,五官自然,皮肤纹理真实,不要改变发型和光线”。这个动作用来救“脸崩”非常有效,比反复抽整张图省时间。

4.4 生成结果不稳定?——固定种子/随机种子

很多人觉得即梦AI出图“忽好忽坏”,有一部分原因是没有控制种子。同样是那句生图提示词,各种子的随机性本来就是模型设计的,所以结果波动太正常了。想要稳定复现一个满意的构图,把种子固定下来,只微调提示词;想要探索新风格,再打开随机。

我还习惯把每次满意的提示词、参数、种子都记录下来,当作一条“配方”。下次想复刻类似风格,直接打开配方改几个关键名词。即梦AI的界面版本一直在迭代,但配方思路不变:提示词、比例、种子三个信息同时留档。

4.5 中文关键词被忽略?——注意分词和标点

中文提示词和英文提示词逻辑不太一样。英文词与词之间的空格天然分词,中文则需要模型自己切分。所以我更建议在中文提示词里用逗号把语义块隔开,别用长句滚成一团。比如“一位少女站在樱花树下手持透明的伞”虽然也能懂,但不如“一位少女,站在樱花树下,手提透明伞”稳定。语义块越清晰,模型分配注意力越均匀。

另外,同一个物体在不同平台可能有不同命名。如果你发现“赛博朋克”风格不受控,可以试试“霓虹夜景、雨天、义肢、全息广告”等更具体的意象词,让模型从具象元素里去还原风格,而不是只靠风格标签。

4.6 出了好图但总是“差一点”?——尝试在提示词里加“关系词”

这一类问题比较隐蔽。很多时候画面里每个元素都对,但人物、道具、背景之间的关系不成立,看起来像硬贴上去的。问题出在提示词里缺少“关系词”:遮挡关系、接触关系、视线关系。比如写“手搭在栏杆上”,模型会知道手和栏杆有一个接触点;写“目光看向画面外”,视线就有了延伸。

关系词主要有三种:位置关系,如“站在窗边”“坐在长椅上”“靠在墙边”;接触关系,如“手扶栏杆”“踩在石头上”“靠着树干”;视线关系,如“看向镜头”“低头看地面”“目光望向远方”。把这些词加进去,人物和场景才能真正“长”在一起,而不是两个图层叠加。

5. 我的日常提示词工作流

最后分享一点我稳定出图的个人习惯。现在每次打开即梦AI,我不会一上来就写提示词,而是先想清楚用途:是发社交媒体封面、文章配图,还是正经做概念设计。用途不同,比例和风格就不同。封面图突出重点,配图注重氛围,概念设计则要把参考图、相机角度、材质词写清楚。

然后我会建一个提示词模板库,文件夹里存不同风格的三层结构模板。遇到新主题,只替换主体和场景,保留风格层和画质词。这个方法让我从一个中午只能磨出两张满意的图,变成半小时能出八张候选。生图提示词不是越复杂越好,是用结构化信息把模型引导到正确方向,剩下的交给随机性和抽卡。

如果你之前一直盯着别人的提示词抄,我建议下次自己动手拆一遍:把抄来的提示词按“主体、场景、风格、参数”分列,然后删掉一半,看输出变化。拆完两三次之后,你会发现自己写提示词的能力涨得比想象中快。即梦AI提示词这件事,说到底不是在写代码,也不是在写诗,是在跟一个懂艺术但不懂你心思的同事协作,把需求讲清楚,他就能还你惊喜。

相关新闻

CCF CSP DHCP服务器模拟:状态机与时间驱动实战

CCF CSP DHCP服务器模拟:状态机与时间驱动实战

1. 这道题到底在考什么DHCP 这个协议,干网络运维的人天天见,但真让你手写一个 DHCP 服务器的状态机,很多人第一反应是"不就是分配 IP 吗"。我当初也是这么想的,直到把 CCF202104-3 这道题完整跑通,才发现坑全…

2026/10/20 21:20:10 阅读更多 →
DHCP服务器模拟题解析:状态机设计与租约管理实战

DHCP服务器模拟题解析:状态机设计与租约管理实战

1. 从一道模拟题看DHCP服务器的核心机制DHCP服务器这个题目,放在编程竞赛里是一道典型的模拟题,但它的价值远不止于拿100分。我做了这么多年后端开发,见过太多人对网络协议的理解停留在“背八股”的层面,真让他手写一个状态机来处…

2026/10/20 21:20:09 阅读更多 →
AI Agent成本结构全解析:从API调用费到隐性人力的完整账本

AI Agent成本结构全解析:从API调用费到隐性人力的完整账本

先说一个我最近复盘的真实项目。某电商团队上线了一个订单查询与退换货的客服 Agent,第一周看账单,推理费一天几百块,负责人很高兴,觉得这玩意儿比招人划算多了。三个月后做财务复盘,把所有配套成本拉出来一算&#xf…

2026/10/20 21:19:04 阅读更多 →

最新新闻

AI Agent不是电子人:拆解原理、四大挑战与落地实践

AI Agent不是电子人:拆解原理、四大挑战与落地实践

1. 搜索框和招聘帖里的Agent,和真正跑起来的Agent是两回事我最近刷信息流的时候有种很割裂的体验。一边是铺天盖地的“AI Agent改变世界”“2025是Agent元年”的标题,另一边是我和几个做落地项目的朋友私底下的聊天记录——大家不是在搞什么宏大叙事&…

2026/10/20 21:57:46 阅读更多 →
逻辑回归做回归预测:MATLAB多输入单输出模型实战

逻辑回归做回归预测:MATLAB多输入单输出模型实战

简介:本资源面向需要掌握回归预测建模的Matlab用户,提供一套基于逻辑回归(Logistic Regression)的多输入单输出数据回归预测方案,适合具备一定机器学习基础、希望快速搭建预测模型并替换自有数据的学习者。压缩包共4个…

2026/10/20 21:57:46 阅读更多 →
强化灰狼优化算法SGWO:从数值实验到AutoML超参数搜索

强化灰狼优化算法SGWO:从数值实验到AutoML超参数搜索

在优化算法这个圈子里摸爬滚打这些年,我有一个很深的体会:发论文也好、做实际项目也罢,大家真正缺的不是又一个“新算法”,而是一个能稳定复现、能迁移到真实场景、并且审稿人一眼就能看懂创新点的完整方案。2025年开年&#xff0…

2026/10/20 21:57:46 阅读更多 →
MATLAB ECG仿真GUI实战:信号生成、滤波与心律失常分析

MATLAB ECG仿真GUI实战:信号生成、滤波与心律失常分析

简介:ECGGUI_ECGMATLAB_matlabGUI_ECGarrhythmia_ 是一套面向生物医学工程、信号处理方向学生与科研人员的 MATLAB 心电图分析工具,重点解决 ECG 数据预处理、波形识别与心律失常检测问题。项目以 GUI 交互方式降低使用门槛,适合具备一定 MAT…

2026/10/20 21:57:46 阅读更多 →
STM32驱动ADS1262:高精度24位ADC配置与调试指南

STM32驱动ADS1262:高精度24位ADC配置与调试指南

简介:面向STM32开发者的一套ADS1262/ADS126X系列高精度ADC集成配置程序,适合工业数据采集、医疗仪器等对低噪声24位采样有严格要求的嵌入式场景。压缩包共含2个文件——1个C源文件和1个头文件,整体大小仅7KB,代码精简,…

2026/10/20 21:57:46 阅读更多 →
Delphi 6 纯代码条形码控件:Code39/Code128 编码与绘制实战

Delphi 6 纯代码条形码控件:Code39/Code128 编码与绘制实战

简介:这份资源面向仍在使用 Delphi 6 的开发者,提供一套无需任何外部插件即可生成一维条形码的控件源码,适用于库存管理、产品标识、标签打印等需要条码输出的场景。包内共 17 个文件,约 239KB,以 pas 源码、dcu 编译单…

2026/10/20 21:56:41 阅读更多 →

日新闻

CLRC663芯片Pin-to-Pin替代实战:从评估到量产全记录

CLRC663芯片Pin-to-Pin替代实战:从评估到量产全记录

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/20 1:01:30 阅读更多 →
ESP32舵机控制指南:原理、多路驱动与避坑实战

ESP32舵机控制指南:原理、多路驱动与避坑实战

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/20 1:01:30 阅读更多 →
位移法实现一阶低通滤波:单片机ADC采样降噪实战

位移法实现一阶低通滤波:单片机ADC采样降噪实战

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/20 1:01:30 阅读更多 →

周新闻

基于GMM的语音识别系统原理与MATLAB实现详解

基于GMM的语音识别系统原理与MATLAB实现详解

说到基于高斯混合模型(GMM)的语音识别系统,很多人第一反应就是一堆数学公式,觉得门槛很高。但如果你真的在MATLAB里把它落地跑通,会发现核心其实就是三件事:把声音变成特征向量,用GMM给每个类别…

2026/10/20 10:02:13 阅读更多 →
数字图像处理入门:反白、灰度化、调色板修改与导出txt实践

数字图像处理入门:反白、灰度化、调色板修改与导出txt实践

数字图像处理这四个字听起来挺唬人,但落到具体操作上,无非就是让计算机按你的想法“摆弄”像素。我在一个模拟项目X里用了一套特别经典的基础处理流程:对图像做反白、改调色板、彩色转灰度,最后把像素数据导出成txt文件。单看每一…

2026/10/20 20:43:59 阅读更多 →
机器人大脑技术盘点:具身智能的感知、决策与数据闭环

机器人大脑技术盘点:具身智能的感知、决策与数据闭环

如果你的信息流最近也天天刷到“机器人大脑”这个词,你会发现一个很有意思的现象:每个人说的“大脑”根本不是同一个东西。有人指的是大语言模型,有人指的是运动控制系统,还有人指的是能理解物理世界的端到端模型。在2026年这个时…

2026/10/20 2:50:50 阅读更多 →

月新闻

我发现了一个新思路:用 Remotion + Claude Code 像写代码一样自动化生成短视频

我发现了一个新思路:用 Remotion + Claude Code 像写代码一样自动化生成短视频

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/20 10:02:08 阅读更多 →
Windows下 Codex 中 Chrome 和 Computer Use 插件不可用问题排查及解决参考方式:TaoToken 统一 Key 配置与验证

Windows下 Codex 中 Chrome 和 Computer Use 插件不可用问题排查及解决参考方式:TaoToken 统一 Key 配置与验证

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/20 9:50:17 阅读更多 →
黑夜航拍船只数据集训练YOLOV5模型全流程解析

黑夜航拍船只数据集训练YOLOV5模型全流程解析

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/20 9:50:45 阅读更多 →