AI应用落地——快速用户打标签

随着Gamma3 的发布，在4B模型上也能有很好的图形理解能力，正好最近游戏上需要使用AI主播能力，虚拟生成用户提供到对局游戏中，因为某种原因，要求AI玩家具备强烈的风格特征包含，该类特诊需要包含在头像和昵称中，

在这里插入图片描述

用户信息在平台上有很多，但基本都是登录并不伴随行为，特征等信号，很难实现策划要求的，不同风格特征的用户信息模拟，在抽样了部分用户头像的数据之后，发现头像内容本身就是一个具备强标签特诊的文本内容，可以从头像与昵称中分析得出用户的性别，等标签分类，用以支持虚拟玩家的生成。说做就做，先使用某个头像来试试看，并调优确认prompt 提示词。（用户数据来源为自有平台的同类型应用）

本次所使用的提示词

 深度解析用户头像，按超细化维度返回JSON结果：
        1. **头像类型**（单选）：[真人照片/二次元角色/动物图片/虚构内容/抽象图形/文字符号/其他类别]
        2. **性别倾向**（单选）：[生物性别/符号化性别/不可判定]
        3. **内容风格**（多选，最多3项）：[艺术流派/设计语言/文化元素/情绪表达/技术特征]

        输出要求：
        - 严格使用JSON格式
        - 层级选择需完整（例："avatar_type": "二次元角色/赛璐璐"）
        - 风格标签按显著性降序排列
        - 对AI生成内容必须标记生成技术痕迹

        示例：
        { "avatar_type": "抽象图形/AI生成", "gender": "符号化性别/♂符号倾向", "style": ["故障艺术", "赛博朋克", "低多边形"] }

使用的是 gamma3:4b 蒸馏模型，1B模型不具备图片的处理能力，运行在1660 Super上单次请求处理时间为30~40s.
在这里插入图片描述

返回数据样例如下

{
    
    "avatar_type": "真人照片", "gender": "不可判定", "style": ["写实", "自然", "光影效果"], "tech_trace": "AI生成"}

样例图片
在这里插入图片描述
但是没看出来哪里是真人在哪里，可能因为使用4b参数，智能不够吧（树下面有僧人，笑死），不过能写实，自然，光源效果这也标签还是蛮贴切的。

结构截图
在这里插入图片描述
点赞过300，开源该项目代码

AI应用落地——快速用户打标签

AI应用落地——快速用户打标签

猜你喜欢