人工智能内容生成方法、模型及系统与流程

本说明书涉及人工智能处理领域，尤其涉及一种人工智能内容生成方法、模型及系统。

背景技术：

1、人工智能内容生成(ai generate content,aigc)是指基于人工智能技术的方法，通过对已有数据进行学习和模式识别，以适当的泛化能力生成相关内容的技术。现有的aigc技术对于不同用户分别输入的类似提示语，会给出类似的输出。也就是说，其所生成的内容没有考虑不同用户的个性化需求。

2、背景技术部分的内容仅仅是发明人个人所知晓的信息，并不代表上述信息在本公开申请日之前已经进入公共领域，也不代表其可以成为本公开的现有技术。

技术实现思路

1、本说明书提供一种人工智能内容生成方法、模型及系统，能够提升aigc的个性化程度。

2、第一方面，本技术提供一种人工智能内容生成方法，该aigc方法包括：响应接收到目标用户的目标提示信息，确定上述目标用户的个性化信息；将上述目标提示信息、上述目标用户的个性化信息以及随机噪声输入训练后的内容生成模型，以使上述内容生成模型基于上述目标用户的个性化信息和上述目标提示信息对上述随机噪声进行扩散处理；以及根据上述内容生成模型的输出确定上述目标提示信息对应的目标内容。

3、在一些实施例中，上述目标用户的个性化信息包括上述目标用户的画像信息；上述确定上述目标用户的个性化信息，包括：确定上述目标用户的历史行为信息，以及确定上述历史行为信息对应的实际对象；以及根据上述目标用户的历史行为信息及其对应的实际对象，确定上述目标用户的画像信息。

4、在一些实施例中，上述根据上述目标用户的历史行为信息及其对应的实际对象，确定上述目标用户的画像信息，包括：确定上述目标用户的历史行为信息对应的历史行为特征，以及确定上述实际对象对应的实际对象特征；根据上述历史行为特征和上述实际对象特征，确定第一融合特征；根据上述第一融合特征确定上述目标用户对应的目标属性，以及预测行为和/或预测对象；以及将上述第一融合特征和上述目标属性，以及上述预测行为和/或上述预测对象，确定为上述目标用户的画像信息。

5、在一些实施例中，通过训练后的画像预测模型确定上述目标用户的画像特征，其中上述画像预测模型包括第一编码部分、第一融合部分、第一预测部分以及第二预测部分；

6、上述根据上述目标用户的历史行为信息及其对应的实际对象，确定上述目标用户的画像信息，包括：通过上述第一编码部分中第一编码网络对上述目标用户的历史行为信息进行编码，得到历史行为特征；以及通过上述第一编码部分中第二编码网络对上述实际对象进行编码，得到实际对象特征；通过上述第一融合部分对上述历史行为特征和上述实际对象特征进行融合，确定第一融合特征；通过上述第一预测部分对上述第一融合特征进行分类，得到上述目标用户对应的目标属性；以及通过上述第二预测部分对上述第一融合特征进行分类，得到上述目标用户的预测行为和/或预测对象；以及将上述第一融合特征和上述目标属性，以及上述预测行为和/或上述预测对象，确定为上述目标用户的画像信息。

7、在一些实施例中，上述目标用户的个性化信息包括上述目标用户的偏好信息；上述确定上述目标用户的个性化信息，包括：确定上述目标用户的画像特征；以及将上述目标用户的画像特征映射至多个不同的特征空间，并对映射后的特征进行分类，得到目标用户的偏好信息。

8、在一些实施例中，上述目标用户的个性化信息包括上述目标用户的偏好信息；上述确定上述目标用户的个性化信息，包括：确定上述目标用户的画像信息，其中上述目标用户的画像信息用于作为训练后偏好预测模型的输入以通过上述偏好预测模型的输出确定上述目标用户的个性化信息，其中上述偏好预测模型包括n个训练后的分类子模型、权重确定部分以及特征空间映射部分，n取值为大于1的整数；将上述目标用户的画像特征分别输入上述n个训练后的分类子模型，其中第i个分类子模型对上述目标用户的画像特征进行特征处理得到的第i加工特征，上述第i加工特征用于上述第i个分类子模型进行分类，i取值为不大于n的正整数；通过上述权重确定部分确定n个权重，并根据上述n个权重以及n个上述加工特征确定第二融合特征；以及通过上述特征空间映射部分将上述第二融合特征映射至多个不同的特征空间，并对映射后的特征进行分类，得到目标用户的偏好信息。

9、在一些实施例中，上述目标用户的个性化信息包括上述目标用户的画像信息和偏好信息。

10、在一些实施例中，上述内容生成模型包括条件编码子模型和扩散子模型；

11、上述将上述目标提示信息、上述个性化信息以及随机噪声输入训练后的内容生成模型，以使上述内容生成模型基于上述目标用户的个性化信息和上述目标提示信息对上述随机噪声进行扩散处理，包括：通过上述条件编码子模型确定上述目标用户的画像信息对应的画像特征，通过上述条件编码子模型确定上述目标用户的偏好信息对应的偏好特征，以及通过上述条件编码子模型确定上述目标用户的画像特征和偏好特征的第三融合特征，得到用于上述目标用户个性化内容生成的个性化特征；以及上述目标提示信息、上述目标用户的个性化特征以及随机噪声输入上述扩散子模型，以使上述扩散子模型基于上述个性化信息和上述目标提示信息对上述随机噪声进行扩散处理。

12、在一些实施例中，上述内容生成模型的类型包括生成图像类型、生成视频类型、生成文本类型、以及生成语音类型；在上述将上述目标提示信息、上述个性化信息以及随机噪声输入训练后的内容生成模型之前，上述方法还包括：根据上述目标用户的目标提示信息，确定对应于上述目标提示信息的目标内容的目标类型；以及根据上述目标内容的目标类型确定目标类型的内容生成模型，以根据上述目标类型的内容生成模型进行aigc。

13、第二方面，本技术提供一种人工智能内容生成模型，该aigc模型包括：条件编码子模型，被配置为根据目标用户的个性化信息确定上述目标用户的个性化特征；以及扩散子模型，被配置为接收上述目标用户的目标提示信息、上述目标用户的个性化特征以及随机噪声，基于上述目标用户的个性化信息和上述目标提示信息对上述随机噪声进行扩散处理，以确定并输出上述目标提示信息对应的目标内容。

14、第三方面，本技术提供一种人工智能内容生成aigc系统，该aigc系统包括：至少一个存储介质，存储有至少一个指令集，用于进行活体检测；以及至少一个处理器，同上述至少一个存储介质通信连接，其中，当上述活体检测系统运行时，上述至少一个处理器读取上述至少一个指令集，并且根据上述至少一个指令集的指示执行上述第一方面所提供的aigc方法的任意实施例。

15、由以上技术方案可知，本技术提供的人工智能内容生成方法、模型及系统，在接收到目标用户的目标提示信息，确定该目标用户的个性化信息。然后，将上述目标提示信息、连同该目标用户的个性化信息以及随机噪声输入训练后的内容生成模型。在上述内容生成模型对上述输入信息的处理过程中，具体为基于该目标用户的个性化信息和上述目标提示信息对随机噪声进行扩散处理，从而输出确定上述目标提示信息对应的目标内容。具体地，上述内容生成模型基于上述目标提示信息对随机噪声进行扩散处理以确定生成内容，而目标用户的个性化信息辅助上述内容生成过程，以使得所生成内容中包含目标用户的个性化信息，得到能够体现目标用户个性化的目标内容。

16、本说明书提供的人工智能内容生成方法、模型及系统的其他功能将在以下说明中部分列出。根据描述，以下数字和示例介绍的内容将对那些本领域的普通技术人员显而易见。本说明书提供的人工智能内容生成方法、模型及系统的创造性方面可以通过实践或使用下面详细示例中所述的方法、装置和组合得到充分解释。