零基础 AI 学习 合集 · 第一章 · 认知破冰 · 第 4 篇

推荐阅读时间：约 9 分钟

读完你会知道：除了聊天，AI 到底还能干什么，以及你想要的那种能力在哪

你第一次用 AI，多半是这样的：打开对话框，问了一个自己也不知道为什么要问的问题，看它答了一堆，然后关掉，心想“也就那样”。

这个印象没错，但你只看到了它的一个角。

一、先纠正一个错觉

那个对话框，不是一个工具，是一个总台。

你对着它说一句话，它在后面把活派给不同的“工种”：

  • 你要它写东西 → 交给文字那把好手
  • 你要它画图 → 交给图像那把好手
  • 你要它做表格、写公式、做网页 → 交给代码那把好手
  • 你要它配音、剪视频 → 交给音视频那把好手

同一句“帮我做张图”，你可能拿到一段文字、一张画、一段代码。区别只在于你说得够不够清楚。

下面我们一个一个看。每一类只讲两三句，重点是让你知道：哦，原来还有这种东西。

二、文字类：你已经在用的那个

这是最成熟、也最该先练熟的一类。

  • 写作：周报、通知、朋友圈、产品文案、活动方案
  • 翻译：不只是中英互译，还能“翻译成给客户看的语气”
  • 总结：一份 30 页的报告递进去，先要它给你 300 字的摘要
  • 改写：把你写得别扭的一段话改通顺，把太啰嗦的改简洁
  • 角色扮演：让它当面试官、当难缠的客户、当老师，陪你反复练

这一类你已经会了一半，缺的只是“怎么把话说清楚”——那是第二章整章要解决的事。

三、图像类：最容易让人“哇”的一声

  • 生成：说一句话，出一张图。公众号配图、海报、头像、壁纸
  • 改图：把白天改成傍晚，把背景换掉，把多余的入镜的人去掉
  • 抠图：一键去背景。以前两小时的活，现在两分钟
  • 扩图：一张方图扩成横版，多出来的画面它会自动补全
  • 去水印：把图上的字、水印、杂物抹掉
  • 修老照片：糊的、泛黄的、有划痕的，都能救回来

我见过最动人的一个用法：有人把外婆唯一一张老照片修好、放大、打印出来，装进相框。这跟效率没关系——但技术落到人身上，大概就是这个样子。

这里说一句提醒：生成的图要商用，先看清平台的授权条款，别踩坑。

四、音视频类：门槛掉得最快的一块

  • 配音：打一段文字，出一段人声旁白
  • 语音克隆：给一段你的录音样本，它就能用你的声音说话（有授权风险，千万不要用别人的声音）
  • 口播视频：不出镜，用一段文字生成“有人在讲”的视频
  • 字幕：自动把视频里的人声变成字幕，中文英文都行
  • 剪辑：自动去掉废话、自动配乐、自动加转场

这块去年还只能做几秒钟的、糊成一团的片段。今年已经能做出可以直接发出去的东西了。它是变化最快的一块，也是最值得你今晚就去试一次的一块。

五、代码类：最被低估的一块

一听到“代码”，很多人直接划走。但这可能是跟你关系最大的一类。

你不需要是程序员。你只要会说清楚“我要什么”。

普通人真正能用上的，是三件事：

  • Excel 公式：想按条件统计、想跨表匹配，公式不会写？直接描述需求，它给你公式。报错了就把那行报错贴回去让它修。
  • 小工具：想要一个记账本、一个身体质量指数计算器、一个倒计时页面——说清楚，它做出来，你双击就能用。
  • 网页：一个个人主页、一个活动报名页、一个给社团用的小站。

第三章我会带你把这三件事各做一遍。现在你只需要知道一句话：能做工具的人，已经从“会写代码的人”，变成了“能把需求说清楚的人”。

六、多模态：把上面几样串起来

“多模态”（第 3 篇讲过）的意思是：它不只看得懂文字。

实际用法就一句话——拍一张照片丢进去，然后问它。

  • 冰箱里剩什么，拍一张 → “用这些能做几个菜？”
  • 一黑板手写笔记，拍一张 → “帮我整理成电子版待办”
  • 一份合同的照片 → “帮我看有没有对我不利的条款”（重要合同一定要找专业人士复核）
  • 一段外文说明书 → 拍照 + “翻译一下，并告诉我怎么装”

这一类是上面几类的交叉，也是这两年最好玩的部分：它把“打字问”变成了“拍下来问”。

七、生成式 AI 能力版图

类别 能干什么（挑重点） 常见工具
文字 写作、翻译、总结、改写、角色扮演 豆包、DeepSeek、Kimi
图像 生成、改图、抠图、扩图、去水印、修老照片 豆包、即梦、可灵、通义万相
音频 配音、语音克隆、音乐生成 豆包、剪映、MiniMax
视频 文生视频、图生视频、口播、数字人 豆包、即梦、可灵、Sora
代码 Excel 公式、小工具、网页、脚本 Trae、Cursor、Copilot
多模态 图片理解、拍照问答、文档解析 上面几类基本都支持，看具体产品

一句提醒：工具名字变得很快。 表里的名字只是给你一个方向，别当成榜单——方法不会过期，工具会。 怎么挑工具，后面会专门讲。

今天就动手

挑一个你从没试过的类型，生成一样东西。三个可以直接照抄的任务：

1. 做一张壁纸（图像类）

打开任意一个能生图的工具，我下面都以豆包为例，把这句话原封不动粘进去：

“一只橘猫躺在有阳光的窗台上，水彩画风格，暖色调，横版 16:9。”

记住这个公式：主体 + 场景 + 风格 + 色调 + 比例。

2. 把一段文字变成声音（音频类）

拿你自己写的一段 100 字的话，用剪映或者任意配音工具转成人声，听一遍像不像。

3. 做一个属于你的小页面（代码类）

对着 AI 说：“帮我做一个能记录每天开销的网页，数据可以本地保存，界面简单干净。”

然后把生成的文件存成 .html，双击打开。

三个选一个就行。你的目标不是做出好东西，是亲手确认一次：这些能力是真的存在的。

img

最后做个总结

AI 不是“一个聊天框”，是“一个工具箱”。箱子里有五把不同的工具：文字、图像、音视频、代码、多模态。

你不需要每样都会。你只需要在遇到某件事的时候，心里能冒出一句：“这个，箱子里好像有。”

下篇预告：第 5 篇 · AI 能做什么、不能做什么：搞清边界才不会被坑

下一篇是第一章的收口，也是一道安全阀——我们把 AI 的短板和三条红线讲清楚。知道它不行，你才敢放心用它。

「零基础 AI 学习」· 第一章 · 第 4 篇 · 完