一位开网店的朋友，最近的一天是这样过的：早上让 AI 根据产品参数写了三版详情页文案；中午用一张白底商品图生成了几张使用场景图；下午把定好的文案交给 AI 配音，再拼成一条十几秒的短视频；晚上又让 AI 写了一段小脚本，把订单表格自动整理好。
这些都属于「生成式 AI」，也常被叫作 AIGC（AI 生成内容）。这节课给你一张全景图：它在文字、图片、声音、视频、代码这五个领域各能做什么、做到了什么程度、还有哪些短板。
从「做判断」到「做创作」
在生成式 AI 流行之前，我们接触到的 AI 大多在做判断题：这张脸是不是机主？这封邮件是不是垃圾邮件？这位用户可能喜欢哪条视频？
生成式 AI 做的是创作题：从无到有地产出一段新文字、一张新图片、一段新声音。
| 判别式 AI（做判断） | 生成式 AI（做创作） | |
|---|---|---|
| 输出什么 | 一个类别、一个分数、一个排序 | 一段新的文字、图片、声音、视频或代码 |
| 常见例子 | 刷脸解锁、垃圾邮件过滤、商品推荐 | 写文案、画插图、配音、生成视频 |
| 你的角色 | 基本无感，它在后台默默工作 | 主动提需求，和它来回协作 |
生成式 AI 之所以突然走进了普通人的生活，一个重要原因是门槛变低了：过去想用 AI，得有数据、有工程师；现在只要会打字、能把需求描述清楚，就能让它干活。
两者并不对立，很多产品会把它们组合起来用。上一节讲的「预测下一个词」，就是文字生成的核心原理；图片、声音、视频的生成原理各不相同，我们会在「AI 绘画、视频与声音」系列里细讲。
五大版图：各能做什么、做到什么程度
文字：最成熟，用得最广
能做：写作和改写、总结长文、翻译、回答问题、头脑风暴、写邮件和方案、扮演角色陪你练对话。
做到什么程度：日常写作、总结、翻译的质量已经相当实用，很多时候可以直接当初稿用。但它可能编造事实和引用，写出来的东西也容易四平八稳、没有个性，需要你提供素材和观点。
图片：想象力强，细节仍需把关
能做：根据文字描述生成图片（文生图），根据参考图改风格或改局部（图生图、局部重绘），扩展画面、换背景、做商品场景图和海报草图。
做到什么程度：风格化插画、概念图、氛围图效果很好，出图速度极快。但精确控制仍有难度：图里的大段文字、准确的数量和位置关系、同一个人物在多张图里保持一致，都可能出现偏差，常常需要多试几次或后期修改。
声音：配音已经很自然
能做：把文字变成语音（语音合成），把语音转成文字，声音克隆（用一段录音模仿某人的音色），生成音乐和音效。
做到什么程度：普通话和常见语言的语音合成已经相当自然，适合做配音和有声内容；安静环境下的语音转文字准确率很高；音乐生成能快速做出完整的歌曲小样。短板在于细腻复杂的情绪表达，以及方言、专业术语容易出错。另外，克隆别人的声音必须获得本人授权，这是底线。
视频：进步最快，也最「年轻」
能做：根据文字生成视频（文生视频），让一张图片动起来（图生视频），数字人口播，视频风格转换。
做到什么程度：单个短镜头已经能做出很有质感的画面。但单次生成的时长通常较短，人物动作和物理规律有时不自然，多个镜头之间保持人物和场景一致也比较难。目前更适合做素材、片段和创意验证，完整的长片仍然需要人来规划和剪辑。
代码：程序员的「副驾驶」
能做：根据描述写代码、补全代码、解释看不懂的代码、找 bug、写测试、把一种编程语言改写成另一种。
做到什么程度：常见功能、小脚本、小工具写得又快又好，不会编程的人也能借助它写出表格公式、自动化小脚本。但在大型、复杂的项目里，它可能写出看似能跑、实则有隐患的代码，需要懂行的人审查和测试。
一张总表看成熟度
| 领域 | 典型用途 | 整体成熟度 | 最常见的短板 |
|---|---|---|---|
| 文字 | 写作、总结、翻译、问答 | 高，日常可直接当初稿 | 编造事实、风格雷同 |
| 图片 | 插画、海报草图、商品场景图 | 较高，创意类效果好 | 图中文字、精确数量、多图一致 |
| 声音 | 配音、转写、音乐小样 | 较高，配音已很自然 | 细腻情绪、方言术语、授权风险 |
| 视频 | 短镜头、图生视频、数字人 | 快速进步中 | 时长、动作和物理合理性、多镜头一致 |
| 代码 | 脚本、小工具、代码解释 | 较高，常见任务好用 | 复杂项目里的隐蔽错误 |
注意：这张表反映的是整体趋势。生成式 AI 迭代很快，不同模型之间差别也很大，最靠谱的办法是拿你自己的真实任务去试一试。
组合起来，才是真正的生产力
单项能力已经很有用，但真正提效的，往往是把几种能力串成一条工作流。还是开头那家网店，一条新品短视频可以这样做：
- 文字：让 AI 根据产品卖点写 3 版 15 秒的口播脚本，挑一版改成自己的话；
- 图片：用商品白底图生成 2~3 张使用场景图；
- 声音：把定稿的脚本合成配音；
- 视频：让场景图动起来，配上配音和字幕，剪成成片；
- 人工把关：检查卖点是否属实、画面有没有瑕疵、是否符合平台规则。
另外有两个明显的趋势。一是多模态融合：越来越多的模型能同时看图、听声、读文字，你可以直接发一张截图问「这个报错是什么意思」。二是从生成内容走向帮你办事：AI 开始学着查资料、操作软件、完成多步骤的任务，这就是「智能体」，后面会有专门的系列来讲。
用之前，先守住几条边界
生成的内容越逼真，越要注意边界：
- 真实性：AI 写出的数据、案例、引用要核实，不能直接当事实发布。
- 授权：别人的肖像、声音、作品，未经授权不要拿去生成或模仿。
- 标识：我国《人工智能生成合成内容标识办法》自 2025 年 9 月 1 日起施行，配套强制性国家标准 GB 45438-2025，要求对 AI 生成合成的内容添加显式标识（如文字提示、角标）和隐式标识（如写在文件元数据里的信息）。发布时也要留意各平台的具体规则。
- 版权：AI 生成的内容能否受保护、能否商用，与具体情况有关。涉及商业用途时，以权威来源和专业人士的意见为准。
本节要点
- 生成式 AI(AIGC)做的是「创作题」，从无到有地产出新内容；判别式 AI 做的是「判断题」。
- 文字生成最成熟；图片和声音已很实用；视频进步最快但还年轻；代码对常见任务很好用。
- 每个领域都有短板，越是精确、关键的细节越需要人来把关。
- 把多种能力串成工作流，才能真正提效；多模态和智能体是明显的发展趋势。
- 使用时守住真实性、授权、标识和版权这几条边界。
