学习指南：多模态与 AIGC 怎么学最不容易学乱
如果你来到 11 AIGC 与多模态 后觉得图像、语音、视频、数字人和各种新模型很散，先不要追所有 Demo。多模态第一遍要理解不同模态如何进入同一个系统。
本阶段总原则
多模态与 AIGC 要抓住一条系统线：不同模态被编码成表示，模型完成理解或生成，最后接入创作、编辑、审核和交付工作流。
推荐学习顺序
第一轮先学多模态基础。你要理解图文对齐、视觉语言模型、多模态输入输出和典型应用。
第二轮学图像生成。重点理解扩散模型、Stable Diffusion、提示词、ControlNet、LoRA 和常见工作流。
第三轮学视频生成与语音生成。理解时序内容为什么更复杂，以及 TTS、数字人、视频生成如何组合。
第四轮学前沿趋势与伦理。AIGC 直接涉及版权、肖像、偏见、虚假内容和监管边界，不能只看技术效果。
第五轮做综合项目，把生成能力组织成一个可用的创意工作流。
建议学习节奏
| 内容类型 | 建议时间 | 学习目标 |
|---|---|---|
| 多模态基础 | 4～8 小时 | 理解不同模态如何对齐 |
| 图像生成 | 8～16 小时 | 跑通一个图像生成工作流 |
| 视频 / 语音 / 数字人 | 8～20 小时 | 理解时序生成和资产流转 |
| 伦理与合规 | 3～6 小时 | 建立内容安全和版权意识 |
| 综合项目 | 16～32 小时 | 完成一个生成式产品原型 |
阶段项目路线
第一个项目建议做图像生成工作流，例如根据主题生成海报、封面或课程配图。
第二个项目建议做图文多模态问答，例如上传图片并让模型解释、分类或生成说明。
第三个项目可以做创意内容平台原型：输入主题，生成文案、配图、语音或视频脚本，并加入审核和导出流程。
常见卡点
最常见的卡点是追新模型而不理解工作流。生成式产品不是一个模型就够了，还需要提示、素材、控制条件、后处理、审核和交付。
第二个卡点是忽视版权和肖像风险。AIGC 项目从一开始就要考虑素材来源、授权、人物肖像和内容安全。
第三个卡点是把多模态理解成“图片加文字”。真正的多模态系统要考虑不同模态之间如何对齐、引用、编辑和共同完成任务。
过关标准
学完本阶段后，你应该能解释一个多模态系统如何接收文本、图像、语音或视频，并完成理解或生成。
如果你能做出一个带输入、生成、编辑、审核和导出步骤的 AIGC 小产品原型，就达到了方向入门标准。