【生成式AI導論 2024】第15講：為什麼語言模型用文字接龍，圖片生成不用像素接龍呢？— 淺談生成式人工智慧的生成策略

摘要

探討生成式 AI 中文字接龍與畫素接龍的生成策略差異，解釋為何影像與語音多採用非自迴歸方式。觀眾可了解不同基本單位（Token、Pixel、Sample）的組合邏輯，並掌握自迴歸與非自迴歸模型的優缺點及結合應用。

This video explains why language models use token-by-token generation while image models often use parallel pixel generation, comparing autoregressive and non-autoregressive strategies. It covers the trade-offs between speed and quality in AI generation methods and how modern models combine both.

摘要、重點與章節標題由語言模型整理，細節（誰說的、數字、先後）可能有誤；要引用請以原始內容為準。

重點

• 文字接龍適合文字生成，品質高但速度慢。
• 影像與語音常用非自迴歸方式，速度快但易出錯。
• 現代影像模型常結合兩種策略以提升效率與品質。

章節

依話題轉折切分，標題由 AI 產生

1. 00:00文字影像聲音皆由有限基本單位構成
2. 03:40聲音訊號由取樣點與解析度組成
3. 05:44不同模態生成皆為基本單位接龍
4. 12:53Auto Regressive 方式生成速度過慢
5. 16:04Non Auto Regressive 策略品質較差
6. 20:23Non Auto Regressive 面臨多變性問題
7. 24:49透過額外向量解決腦補不一致問題
8. 29:29採用 AutoEncoder 壓縮再還原圖片
9. 35:44拆解生成步驟以減少腦補不一致
10. 41:41用串聯非自迴歸取代自迴歸加速
11. 44:27結合兩種模型各取長處生成影像

提到的工具與公司

• Llama2
• GPT-3.5
• GPT-4
• VALL-E
• WevNet
• MidJourney
• StableDiffusion
• DALLE

適合誰看

對生成式 AI 原理感興趣的學習者或開發者。

摘要依據

講者

李宏毅

依據

人工字幕

為什麼排在這裡

人氣

0.48

新鮮

0.04

在主題頁與搜尋結果裡，名次由相關、人氣、新鮮三個分數決定；這一頁沒有搜尋的關鍵字，所以沒有相關分數。排序怎麼算

相關內容

• 【TAICA_生成式AI：文字與圖像生成的原理與實務】4. LLM只是在猜下一個字影片 ・ Iveai - I've AI ・ 2 小時 50 分（在新分頁開啟原站）
• 【TAICA_生成式AI：文字與圖像生成的原理與實務】3. AI為什麼每次都不一樣影片 ・ Iveai - I've AI ・ 2 小時 54 分（在新分頁開啟原站）
• 【生成式人工智慧與機器學習導論2025】第 9 講：影像和聲音上的生成策略 — Diffusion/Flow-matching 系列和接龍 (Autoregressive) 這兩條世界線的交會影片 ・ Hung-yi Lee ・ 2 小時 3 分（在新分頁開啟原站）
• EP116｜生成式 AI 媒體的軍火商：fal.aiPodcast ・ 曼報 ・ 1 小時 7 分
• 【生成式AI導論 2024】第10講：今日的語言模型是如何做文字接龍的 — 淺談Transformer (已經熟悉 Transformer 的同學可略過本講)影片 ・ Hung-yi Lee ・ 38 分鐘
• The Hunt for State of the Art (with Suhail Doshi)Podcast ・ Lightcone Podcast ・ 56 分鐘