第1章　AIGC导论 1
1.1　AIGC的定义与历史发展脉络 1
1.1.1　人工智能的定义 1
1.1.2　生成式人工智能的定义 1
1.1.3　内容生成式人工智能的定义 2
1.1.4　生成式设计人工智能的定义 3
1.1.5　AIGC的发展历程 4
1.1.6　AIGC当前的发展趋势与对未来的展望 5
1.2　AIGC协同艺术创作与设计的意义、应用场景和形式 7
1.2.1　AIGC技术应用的意义与价值 7
1.2.2　AIGC的应用场景 8
1.2.3　AIGC的生成形式 9
1.3　AIGC与造型艺术家的关系 10
1.3.1　人类为什么要创造艺术 11
1.3.2　AIGC作为艺术家的模拟者 11
1.3.3　AIGC作为艺术家的合作者 14
1.3.4　AIGC作为艺术的创作者 16

第2章　AIGC技术的理论基础 17
2.1　AIGC的算法与关键技术 17
2.1.1　生成式对抗网络与深度学习网络 17
2.1.2　变分自编码器 18
2.1.3　大型语言与图像生成模型 18
2.1.4　条件生成模型与语义的强化学习理解 18
2.2　AIGC内容与形式的转译 19
2.2.1　文化元素到设计形式 19
2.2.2　内容到设计形式 19
2.2.3　语音到文本 19
2.2.4　从内容到设计形式转译的应用与展示 20
2.3　AIGC技术的差异性与局限性 21
2.3.1　生成内容类型的差异性 21
2.3.2　当前AIGC技术的局限性 21
2.3.3　AIGC技术交互性和适应性的挑战 22

第3章　AIGC国内外热门工具介绍 23
3.1　AIGC工具的发展概况与分类 23
3.1.1　AIGC工具的发展概况 23
3.1.2　AIGC工具的分类 25
3.1.3　AIGC工具的快速迭代和延展 26
3.2　ChatGPT 28
3.2.1　ChatGPT的主要功能 29
3.2.2　ChatGPT的主要优缺点 29
3.2.3　操作程序 29
3.2.4　国内目前有效使用ChatGPT的方法 30
3.2.5　ChatGPT的学习和开发资源 31
3.3　DALL·E 3系统 32
3.3.1　DALL·E 3主要功能与插件 32
3.3.2　DALL·E 3的优缺点与特色功能 33
3.3.3　DALL·E 3的操作程序和方法 37
3.3.4　DALL·E 3的实操案例 39
3.4　Gemini 40
3.4.1　Gemini的文本功能 41
3.4.2　Gemini的绘图功能 41
3.4.3　Gemini 绘图的连接和使用 42
3.4.4　Gemini生成双子星海报、标志和网页设计案例 43
3.4.6　Gemini的使用方法 45
3.5　Midjourney 48
3.5.1　Midjourney的优缺点 49
3.5.2　Midjourney的使用 49
3.5.3　使用Midjourney生成三视图 50
3.6　Stable Diffusion 52
3.6.1　Stable Diffusion的安装条件 52
3.6.2　Stable Diffusion ControlNet插件的安装 55
3.6.3　Stable Diffusion的使用方法 56
3.7　OpenAI Sora 60
3.7.1　Sora的使用场景 60
3.7.2　注册OpenAI账户并申请Sora测试资格 61
3.7.3　Sora的主要功能 62
3.7.4　Sora的使用方法 63
3.8　MuseDAM 65
3.8.1　MuseDAM创意素材收集 65
3.8.2　MuseDAM创意素材管理 65
3.8.3　MuseDAM素材分享 65
3.8.4　MuseDAM辅助艺术创作设计功能 66
3.8.5　MuseDAM辅助文案写作功能 71
3.9　智谱清言 72
3.9.1　智谱清言的PC端 73
3.9.2　智谱清言的对话部分 73
3.9.3　智谱清言的文档部分 74
3.9.4　智谱清言的代码部分 74
3.9.5　智谱清言的绘画与文案写作案例 75
3.10　国内外其他AIGC垂直领域艺术创作工具 75
3.10.1　商汤秒画 75
3.10.2　奇域AI 77
3.10.3　MewX AI 77
3.10.4　DeepArt 78
3.10.5　Prisma 79
3.10.6　DeepDream 81
3.10.7　Paints Chainer 82
3.10.8　道子中国画 84
3.11　国内外其他AIGC艺术设计工具 86
3.11.1　生成标志的AIGC工具 86
3.11.2　设计广告海报的AIGC工具 94
3.11.3　网页设计AIGC工具 101
3.11.4　Flipboard智能排版系统 104
3.11.5　H5的AIGC系统工具 106
3.11.6　一键智能生成App系统 109
3.11.7　“易嗨定制”文创艺术衍生产品设计生成式小程序 119
3.11.8　在线产品样机生成式工具 120
3.11.9　SketchUp中文草图大师 134
3.11.10　Qu+家装BIM云平台 138
3.11.11　Qu+ VR平台 150
3.12　国内外主要AIGC工具比较 154
3.12.1　ChatGPT与Gemini 的比较 154
3.12.2　DALL·E 3与Midjourney的比较 155
3.12.3　国内几款AIGC工具的比较 160
3.12.4　DeepSeek与ChatGTP比较 163
3.12.5　国内外AIGC工具和智能体在实际应用方面的比较 166

第4章　传统成熟的工具与AIGC工具的比较与融合应用 169
4.1　传统设计软件智能功能的发掘与应用 169
4.1.1　传统设计软件与AI软件的优势比较 169
4.1.2　传统设计软件与AI软件融合使用的方法 170
4.1.3　传统设计软件与AI融合使用案例 170
4.2　Adobe 2024全家桶主要软件新增的智能功能 171
4.2.1　Photoshop软件的人工智能功能与应用 172
4.2.2　Illustrator软件的智能功能与应用 184
4.2.3　Dreamweaver软件的智能功能与应用 190
4.2.4　Premiere软件的智能功能与应用 191
4.2.5　InDesign软件的智能功能与应用 192
4.2.6　After Effects软件的智能功能与应用 193
4.3　其他传统设计工具新增的智能功能 194
4.3.1　CorelDRAW软件的智能功能与应用 194
4.3.2　C4D软件的智能功能与应用 200
4.3.3　Rhino软件的智能功能与应用 203

第5章　AIGC协同艺术创作与设计的流程与方法 205
5.1　AIGC协同艺术创作与设计的流程与方法 205
5.1.1　AIGC标志设计流程 206
5.1.2　AIGC产品设计流程 207
5.1.3　AIGC室内设计流程 207
5.1.4　AIGC汽车文创衍生品研发设计的流程案例 208
5.2　AIGC设计提示词思维与训练 208
5.2.1　提示词的结构化思维 209
5.2.2　结构化提示词的写作方法 210
5.2.3　提示词思维的训练 211
5.2.4　提示词语法结构及案例分析 212
5.3　几种AIGC绘图工具的提示词写作案例 213
5.3.1　ChatGPT与DALL·E 3的提示词思维 213
5.3.2　Midjourney和MuseDAM的提示词思维 232
5.4　AIGC 专属（自定义）模型的构建 236
5.4.1　专属模型的功能 236
5.4.2　使用MuseAI生成专属模型的办法 236
5.4.3　专属模型设置的案例 237
5.5　设计内容与形态的转译 240
5.5.1　设计元素的内容分析 240
5.5.2　设计内容转译的思维过程 241
5.5.3　设计大数据与文化基因传承的模因 242
5.5.4　建立设计文化基因库的创新思维和路径 242
5.6　AIGC设计大数据的构建 243
5.6.1　设计大数据的建构 243
5.6.2　设计大数据在视觉传播设计中的应用 245
5.6.3　设计大数据在产品设计中的应用 247
5.7　AIGC作品后期的二次元三次元优化 249
5.7.1　AIGC设计作品的生成分析 249
5.7.2　人机融合的二次元优化 249
5.7.3　人机融合的三次元迭代与优化 250

第6章　AIGC协同艺术创作与设计的问题和解决方案 251
6.1　AIGC协同艺术创作与设计的主要问题与解决问题的原则 251
6.1.1　AIGC协同艺术创作与设计的主要问题与解决方案 251
6.1.2　AIGC协同设计方案的优化选择 252
6.1.3　选择AIGC协同设计方案的建议 253
6.1.4　AIGC协同设计规避同质化的实战案例 253
6.2　AIGC伦理和知识产权的规避与合理解决方案 256
6.2.1　AI及其案例讨论分析 256
6.2.2　对失业、不平衡问题的思考 257
6.2.3　AI伦理问题建议 257
6.3　艺术AIGC明天的展望和今天的对策 258
6.3.1　AIGC在艺术创作与设计行业发展预测 258
6.3.2　AIGC时代创意设计师期待与需求的10个思考 260
6.3.3　AIGC协同艺术设计的10种研发需求 261
6.3.4　AIGC协同艺术设计开发的重点与难点 261
6.3.5　展望AIGC艺术创作设计的明天 262

主要参考文献 264