AIGC 创作：用最少的代码，把想法变成作品

一、AIGC 创作的门槛，不在代码量

很多人以为做 AIGC 创作，得先精通深度学习、会写训练循环、懂扩散模型数学。但真正开始做之后会发现：生成文本、图像、音频，现代 API 已经把复杂度压到了几行代码。

你真正要花时间的地方，是提示词、审美判断、工作流设计和后期筛选。代码只是把想法接进模型的插头。

下面走一遍完整链路：文本 → 图像 → 音频 → 接力创作 → 部署，全程少量代码。

二、文本：一行调用完成初稿

以兼容 OpenAI 接口的模型为例，写一段科幻微小说只需要：

from openai import OpenAI
client = OpenAI()

r = client.chat.completions.create(
    model="gpt-4o-mini",
    messages=[{"role": "user", "content": "写一篇 300 字科幻微小说，主题：最后一盏路灯"}],
)
print(r.choices[0].message.content)

换成国内任意兼容 OpenAI 协议的模型，代码几乎不用改。 AIGC 文本创作的关键不是“调通接口”，而是把 prompt 写成可复用的模板：

• 角色：你是科幻杂志编辑；
• 约束：300 字以内，第一人称，结尾反转；
• 风格：冷峻、克制、不要形容词堆砌；
• 输出：直接给正文，不要解释。

同样的接口，prompt 质量决定初稿质量。

三、图像：三行代码出图

用 diffusers 跑 Stable Diffusion，核心就是三行：

from diffusers import StableDiffusionPipeline
pipe = StableDiffusionPipeline.from_pretrained("runwayml/stable-diffusion-v1-5").to("cuda")
pipe("last street lamp in a silent city, cinematic, 35mm").images[0].save("lamp.png")

第一次运行会下载模型，之后就可以反复生成。 图像创作里，提示词通常比代码长得多。一个可用的结构是：

主体 + 环境 + 风格 + 镜头 + 光线 + 画质

例如：

a lonely robot, rainy neon street, cyberpunk, wide shot, soft rim light, 8k

负向提示词可以过滤掉常见瑕疵：

blurry, low quality, extra fingers, watermark

代码少，不代表创作简单。生成十张，选一张，再修一张，才是常态。

四、音频：一句文本变语音

如果只是给视频配旁白，TTS 工具可以非常短：

from gtts import gTTS
gTTS("最后一盏路灯还亮着。", lang="zh").save("line.mp3")

要做更有表现力的角色配音，可以换成 Bark、CosyVoice 等生成式语音模型。 代码依然不多，重点在于文本断句、情绪标注和语速控制。

五、接力创作：让模型互相喂饭

AIGC 创作最有意思的地方，是不同模态可以串起来：

story = r.choices[0].message.content
img = pipe(f"illustration of: {story[:80]}, watercolor").images[0]
img.save("cover.png")

文本生成故事，故事前 80 字变成图像提示词，图像再作为封面。 你还可以继续接：

• 用 TTS 把故事变成旁白；
• 用音频 + 图像 + 字幕，合成短视频；
• 用另一个模型生成标题、简介和标签。

整条流水线的代码可能不到 50 行，但已经具备一个小型内容工作室的雏形。

六、部署：让创作工具长出界面

只在自己电脑上跑，价值有限。用 Gradio 可以快速把生成能力变成网页：

import gradio as gr
gr.Interface(lambda p: pipe(p).images[0], "text", "image").launch()

运行后浏览器打开本地地址，输入提示词就能出图。 如果要接入现有系统，换成 FastAPI 也只是多几行：

from fastapi import FastAPI
app = FastAPI()

@app.post("/gen")
def gen(prompt: str):
    return {"image": pipe(prompt).images[0]}

到这一步，AIGC 创作就从“脚本”变成了“工具”。

七、这套方案的边界

必须说清楚它不适合什么：

• 高精度商业插画：生成结果仍需人工精修，不能直接交付；
• 长视频、复杂叙事：多镜头一致性、角色一致性仍然很难；
• 事实性内容：模型会编造，必须人工核查；
• 版权敏感场景：训练数据来源、生成内容版权、平台合规都要谨慎；
• 大规模生产：算力成本、排队、失败重试、内容审核都需要工程化。

AIGC 创作不是“一键出成品”，而是生成—筛选—编辑—再生成的循环。代码少，是为了把时间留给判断和审美。

八、小结

整条链路的核心代码加起来不到 30 行：

• 文本生成：4 行；
• 图像生成：2 行；
• 音频生成：2 行；
• 模态接力：3 行；
• 界面部署：2 行。

AIGC 创作正在把“实现想法”的成本降到极低。 但真正拉开差距的，仍然是你提什么问题、选什么风格、留下什么、删掉什么。

代码只是插头，创作才是电流。