Adobe凭借企业级创意应用程序进入生成式人工智能时代
目前golang学习网上已经有很多关于科技周边的文章了,自己在初次阅读这些文章中,也见识到了很多学习思路;那么本文《Adobe凭借企业级创意应用程序进入生成式人工智能时代》,也希望能帮助到大家,如果阅读完后真的对你学习科技周边有帮助,欢迎动动手指,评论留言并分享~

也许在不久的将来,从插图到品牌资产,一切都可能使用Adobe公司的企业级创意应用程序以及生成式人工智能工具Firefly以不同的方式创建。人们只需要向Firefly说出他们的要求,它就会绘出图画或制作视频。
只要说出来,就能画出来
在Adobe召开的峰会上,该公司发布了Adobe Express企业版,这是一种新的工具,用于创建、共享和协作高质量的品牌内容,如多媒体内容、社交帖子等。Adobe将在Photoshop、After Effects、Premiere Pro及其客户体验工具中也引入生成式人工智能工具,还将为企业用户推出一款新的内容创建工具。
对于许多用户来说,最令他们感兴趣的消息就是Adobe计划将在其创意工具中引入生成式AI。
人工智能对Adobe来说并不陌生。该公司开发的Sensei平台驱动强大的工具,例如Photoshop中的滤镜功能,其新推出的Firefly有望将其性能提升到很高的水平。

Adobe解释说,它的人工智能工具Firefly将对创意工作者非常有吸引力,他们可以使用Firefly来创作图像、视频、插图和3D图像。它将创作矢量、画笔、纹理、平面设计、视频和社交媒体帖子。它还可以运行3D模型、制作品牌资产,甚至提供更多的功能。
未来,Adobe希望为其产品增加更多相关的功能。
该公司还表示,希望通过以视觉形式提供创意应用程序的所有功能,让有创意的人能够弥补在技术或绘图技能上的差距。由于其微服务神经元引擎中包含了专用的片上机器学习资源,目前尚不清楚该软件是否能在Mac电脑上更快地工作。
对话带来的创造力
Adobe数字媒体业务总裁David Wadhwani在一份声明中说:“生成式人工智能是人工智能驱动的创造力和生产力的下一个进化,它将创造者和计算机之间的对话转变为更自然、更直观、更强大的内容。”
Adobe对于如何训练Firefly持开放态度。
·它使用了Adobe自有版权的图片,版权过期的图片。
·它没有使用任何形式的未经授权的图像。
该消息解释了为什么Adobe在四年前提出内容真实性倡议的意图。为了支持这一举措,该公司将引入一个“不要训练”的标签,创意人员可以将其运用在他们的工作中,以防止人工智能对其进行分析。这在某种程度上让人们想起了史蒂夫·乔布斯的名言“伟大的艺术家窃取别人的灵感”——只不过, Adobe在这里却表示:“伟大的艺术家不会窃取别人的灵感。”
走向合乎道德的人工智能?
人们对人工智能的应用有很多担忧,Adobe为此不得不讨论和应对一些问题。为了支持这项工作,该公司制定了一个人工智能伦理框架,并在其工程团队中采用正式的审查流程,以努力确保其产品中的人工智能反映企业需求和人类价值观。
该公司网站上的一篇博客文章指出了一些仍然围绕人工智能的挑战,尤其是人工智能模型中的固有偏见。Adobe还致力于不断测试其创建的模型,以检查内部的安全性和偏差,并将这些结果提供给Adobe的工程团队,以解决出现的任何问题。
该公司承诺将负责任地开发具有创造性的生成式人工智能,并表示:“我们的使命是为创造者提供一切优势——不仅是在创意上,还在实践上。随着Firefly的发展,我们将继续与创意社区密切合作,开发支持和改进创意过程的技术。”
Adobe将把Firefly直接集成到其业界领先的工具和服务中,这样用户就可以在现有的工作流程中使用Firefly。该公司表示,他们还在努力为该软件添加场景感知图像生成功能。
人工智能技术需要监管
随着生成式人工智能似乎正在以比互联网本身还要快的速度引起人们的广泛关注,Adobe警告所有利益相关者应该共同努力,负责任地开发这些技术,这一警告需要得到重视。该公司表示:“随着技术不断发展,生成式人工智能将带来新的挑战,行业厂商、政府和社区必须共同努力解决这些挑战。通过分享最佳实践,并遵守负责任地开发生成式人工智能的标准,我们可以释放它所拥有的无限可能性,并建立一个更值得信赖的数字空间。”
Adobe正在进入现在非常热门的生成式人工智能领域。鉴于Adobe和苹果长期以来一直在Aero项目中进行的增强现实领域的合作,苹果公司可能已经秘密地开发这种令人兴奋的新技术一段时间了。也许人们会在全球开发者大会上获得确切的答案。
Adobe目前正在对Firefly进行测试。如果用户有兴趣了解它的功能,可以使用其测试版。
以上就是《Adobe凭借企业级创意应用程序进入生成式人工智能时代》的详细内容,更多关于人工智能,Adobe的资料请关注golang学习网公众号!
GPT-4的研究路径没有前途?Yann LeCun给自回归判了死刑
- 上一篇
- GPT-4的研究路径没有前途?Yann LeCun给自回归判了死刑
- 下一篇
- GAN的反击:朱俊彦CVPR新作GigaGAN,出图速度秒杀Stable Diffusion
-
- 科技周边 · 人工智能 | 5小时前 | python · 人工智能 · Transformers apply_chat_template 聊天模板 chat_template 角色标签
- Transformers聊天模板与手写角色标签有什么兼容性差异
- 492浏览 收藏
-
- 科技周边 · 人工智能 | 5小时前 | PyTorch checkpoint Accelerate 随机数状态 恢复训练
- Accelerate恢复训练时如何保存随机数状态
- 326浏览 收藏
-
- 科技周边 · 人工智能 | 5小时前 |
- Diffusers怎样使用Generator复现同一张生成图
- 118浏览 收藏
-
- 科技周边 · 人工智能 | 5小时前 | 模型 混合精度 优化器 分布式训练 Accelerate Accelerator.prepare
- Accelerate prepare为什么要同时接收模型与优化器
- 386浏览 收藏
-
- 科技周边 · 人工智能 | 5小时前 | 人工智能 · Hugging Face Datasets streaming IterableDataset Dataset.shuffle shuffle buffer
- Datasets流式读取与内存数据集的shuffle有什么区别
- 130浏览 收藏
-
- 科技周边 · 人工智能 | 5小时前 |
- Hugging Face Datasets map怎样同时删除旧字段
- 421浏览 收藏
-
- 科技周边 · 人工智能 | 5小时前 |
- PEFT适配器检查点为什么不包含完整基础模型
- 301浏览 收藏
-
- 科技周边 · 人工智能 | 5小时前 | python · Hugging Face 提示词 Transformers generate input_ids
- Transformers生成结果为什么包含输入提示词
- 111浏览 收藏
-
- 科技周边 · 人工智能 | 5小时前 | 解码 token Transformers generate 新生成内容
- Transformers怎样只解码新生成的token
- 461浏览 收藏
-
- 科技周边 · 人工智能 | 6小时前 | python · 人工智能 · Transformers offset_mapping 原始文本 Fast tokenizer 文本偏移
- Transformers分词偏移怎样映射回原始文本片段
- 330浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 463次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 527次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 545次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 494次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 313次使用
-
- 本地大模型反复输出同一句话怎么调整生成参数
- 2026-09-06 501浏览
-
- Python 调用大模型时如何用结构化输出校验 JSON:从解析失败到可重试
- 2026-08-29 501浏览
-
- AI写作工具免费版安装教程(含豆包Clawdbot)
- 2026-05-30 501浏览
-
- WPS AI能自动生成PPT吗?输入主题一键制作演示文稿
- 2026-05-27 501浏览
-
- Canva手机闪退解决方法及适配指南
- 2026-05-25 501浏览

