本说明书涉及计算机,尤其涉及一种内容生成方法、装置、存储介质及电子设备。
背景技术:
1、随着计算机技术的快速发展,采用人工智能生成内容(ai generated content,aigc)的方式应用越来越广泛,利用aigc能够在短时间内生成内容,比如采用aigc技术根据用户的生成描述(prompt)精确地生成用户预期的内容。
技术实现思路
1、本说明书提供了一种内容生成方法、装置、存储介质及电子设备,所述技术方案如下:
2、第一方面,本说明书提供了一种内容生成方法,所述方法包括:
3、获取用户所输入的初始内容生成描述和参考内容;
4、基于所述初始内容生成描述和所述参考内容确定推荐上下文信息,基于所述推荐上下文信息和所述初始内容生成描述确定推荐内容生成描述;
5、基于所述推荐内容生成描述和所述参考图像采用目标生成内容模型进行内容生成。
6、第二方面,本说明书提供了一种上下文样本筛选模型训练方法,所述方法包括:
7、创建初始上下文样本筛选模型,确定针对所述初始上下文样本筛选模型的上下文候选数据;
8、获取初始内容生成描述样本和参考内容样本,基于所述初始内容生成描述样本、所述参考内容样本和所述上下文候选数据对初始上下文样本筛选模型至少一轮模型训练,得到模型训练后的上下文样本筛选模型。
9、第三方面,本说明书提供一种用户描述调整模型训练方法,所述方法包括:
10、创建初始用户描述调整模型;
11、获取初始内容生成描述样本和第一上下文样本信息,所述第一上下文样本信息由上下文样本筛选模型针对所述初始内容生成描述样本输出的至少一个第一上下文样本组成;
12、基于初始内容生成描述样本对第一上下文样本信息标注上下文样本排序标签;
13、基于所述第一上下文样本信息、所述初始内容生成描述样本和所述上下文样本排序标签对所述初始用户描述调整模型进行至少一轮模型训练,得到模型训练后的用户描述调整模型。
14、第四方面,本说明书提供一种内容生成装置,所述装置包括:
15、内容获取模块,用于获取用户所输入的初始内容生成描述和参考内容;
16、描述确定模块,用于基于所述初始内容生成描述和所述参考内容确定推荐上下文信息,基于所述推荐上下文信息和所述初始内容生成描述确定推荐内容生成描述;
17、内容生成模块,用于基于所述推荐内容生成描述和所述参考图像采用目标生成内容模型进行内容生成。
18、第五方面,本说明书提供一种上下文样本筛选模型训练装置,所述装置包括:
19、模型创建模块,用于创建初始上下文样本筛选模型,确定针对所述初始上下文样本筛选模型的上下文候选数据;
20、模型训练模块,用于获取初始内容生成描述样本和参考内容样本,基于所述初始内容生成描述样本、所述参考内容样本和所述上下文候选数据对初始上下文样本筛选模型至少一轮模型训练,得到模型训练后的上下文样本筛选模型。
21、第六方面,本说明书提供一种用户描述调整模型训练装置,所述装置包括:
22、模型创建模块,用于创建初始用户描述调整模型;
23、数据获取模块,用于获取初始内容生成描述样本和第一上下文样本信息,所述第一上下文样本信息由上下文样本筛选模型针对所述初始内容生成描述样本输出的至少一个第一上下文样本组成;
24、所述数据获取模块,还用于基于初始内容生成描述样本对第一上下文样本信息标注上下文样本排序标签;
25、模型训练模块,用于基于所述第一上下文样本信息、所述初始内容生成描述样本和所述上下文样本排序标签对所述初始用户描述调整模型进行至少一轮模型训练,得到模型训练后的用户描述调整模型。
26、第七方面,本说明书提供一种计算机存储介质,所述计算机存储介质存储有至少一条指令,所述指令适于由处理器加载并执行本说明书一个或多个实施例的方法步骤。
27、第八方面,本说明书提供一种计算机程序产品,所述计算机程序产品存储有至少一条指令,所述指令适于由处理器加载并执行本说明书一个或多个实施例的方法步骤。
28、第九方面,本说明书提供一种电子设备,可包括:处理器和存储器;其中,所述存储器存储有计算机程序,所述计算机程序适于由所述处理器加载并执行本说明书一个或多个实施例的方法步骤。
29、本说明书一些实施例提供的技术方案带来的有益效果至少包括:
30、在本说明书一个或多个实施例中,根据用户输入的初始内容生成描述,利用初始内容生成描述和参考内容先确定出与当前用户本次输入高度相关的推荐上下文信息,再基于推荐上下文信息和初始内容生成描述确定质量更优的推荐内容生成描述,利用推荐内容生成描述和参考内容再采用目标生成内容模型进行内容生成,会比初始内容生成描述prompt和参考内容在质量、风格、内容等方面上更加可控,可以得到完全生成符合用户预期的内容,尤其在内容布局和细节方面更能契合参考内容。
1.一种内容生成方法,所述方法包括:
2.根据权利要求1所述的方法,所述基于所述初始内容生成描述和所述参考内容确定推荐上下文信息,基于所述推荐上下文信息和所述初始内容生成描述确定推荐内容生成描述,包括:
3.根据权利要求2所述的方法,所述基于所述初始内容生成描述和所述参考内容对上下文候选数据进行上下文匹配处理,得到第一上下文信息,包括:
4.根据权利要求2所述的方法,所述对所述第一上下文信息中的参考上下文进行重排序处理,得到第二上下文队列,从所述第二上下文队列中确定推荐上下文信息,以及基于所述推荐上下文信息对所述初始内容生成描述进行调整得到推荐内容生成描述,包括:
5.根据权利要求1所述的方法,所述基于所述推荐上下文信息和所述初始内容生成描述确定推荐内容生成描述之后,还包括:
6.根据权利要求1所述的方法,所述方法还包括:
7.一种上下文样本筛选模型训练方法,所述方法包括:
8.根据权利要求7所述的方法,所述基于所述初始内容生成描述样本、所述参考内容样本和所述上下文候选数据对初始上下文样本筛选模型至少一轮模型训练,得到模型训练后的上下文样本筛选模型,包括:
9.根据权利要求8所述的方法,所述初始上下文样本筛选模型包括描述特征编码模块、参考内容特征编码模块、上下文特征编码模块和融合匹配模块,
10.根据权利要求8所述的方法,所述基于所述样本用户描述匹配结果和所述描述匹配分类标签对所述初始上下文样本筛选模型进行模型参数调整,包括:
11.一种用户描述调整模型训练方法,所述方法包括:
12.根据权利要求11所述的方法,所述基于所述第一上下文样本信息、所述初始内容生成描述样本和所述上下文样本排序标签对所述初始用户描述调整模型进行至少一轮模型训练,得到模型训练后的用户描述调整模型,包括:
13.根据权利要求12所述的方法,所述初始用户描述调整模型包括上下文排序网络和大型语言模型网络,
14.根据权利要求12所述的方法,所述基于所述第二上下文样本队列、所述上下文样本排序标签、所述推荐内容生成描述样本和所述初始内容生成描述样本确定模型综合损失,包括:
15.一种内容生成装置,所述装置包括:
16.一种上下文样本筛选模型训练装置,所述装置包括:
17.一种用户描述调整模型训练装置,所述装置包括:
18.一种计算机存储介质,所述计算机存储介质存储有多条指令,所述指令适于由处理器加载并执行如权利要求1~6、7~10或11~14任意一项的方法步骤。
19.一种计算机程序产品,该计算机程序产品存储有至少一条指令,所述至少一条指令由处理器加载并执行如权利要求1~6、7~10或11~14任意一项的方法步骤。
20.一种电子设备,包括:处理器和存储器;其中,所述存储器存储有计算机程序,所述计算机程序适于由所述处理器加载并执行如权利要求1~6、7~10或11~14任意一项的方法步骤。