一分钟看懂面向AI编程vol-1：梗图生成器MemeCam原理解读 🤠

Find My AI在网上闲逛的时候看到reddit上正在流行这么一款梗图生成器——MemeCam。

它的使用过程是，打开网页app（memecam.dk），摄像头拍照之后，自动在图片上加上搞笑的话，使其变成一张meme梗图。（图1图2）

再简单查看了一些信息之后，Find My AI发现，这其实是一个面向AI编程的典型案例，看完这篇笔记你会发现它开发起来原来这么简单？？？

🔍原理解密：

实现这个梗图生成器产品其实非常简单，核心是开发者编写的梗图文字生成Prompt使这么一个网页应用有了价值。

Find My AI技术拆解后发现，MemeCam使用了三项技术搭起了这个应用：

1️⃣图像识别

2️⃣文本生成

3️⃣图片合成

这三项技术分别对应：BLIP的开源图像识别模型（或其他任何类似技术）、GPT 3.5的角色定制Prompt以及任何一种编程语言的图像文字合成功能。

MemeCam面向AI编程拆解：

1️⃣用户拍摄照片之后，通过BLIP模型识别图片上的内容，生成文本；

BLIP是salesforce开源的基础语言图像预训练模型，用于统一视觉语言理解和生成。BLIP使用无监督的方法将图像和语言结合起来进行训练，以便模型可以更好地理解和生成视觉和语言信息。这种方法可以用于许多应用程序，如图像描述、视觉问答和自然语言生成。

官方提供多个预训练和微调checkpoint供开发者使用。无需GPU也可运行。

BLIP Demo：[huggingface.co]

BLIP代码：[github.com]

想实现图片生成文字的功能非常简单，多家公司都有类似的服务，收费的免费的都哟。自己找嗷！

主要目的就是生成一段图片描述，供GPT3.5或GPT-4来执行下一步操作。

2️⃣将图片内容通过角色定制Prompt的形式传递给GPT 3.5，根据开发者自定的梗图生成prompt来生成基于图片内容的网络梗图，这是整个过程的核心，也是增值点。

其实面向AI编程，过程是可以推导出来的。Find My AI预计的开发者使用的提示词内容(图5）

Human：

You are an internet meme pic creator. You can create a lot of funny memes for a picture. Only give a response, no explanation.

You are an internet meme pic creator. You can create a lot of funny memes for a picture. Only give a response, no explanation.
Example:
[picture description]: a man is holding a cup in front of his computer in the office.
[meme creator]: When you're pretending to look busy but only thinking about your next coffee break.
if you can understand, I will give you a picture description and you give a meme.

3️⃣使用python pillow或其他库实现将梗图文字合成到图片上。

这个开发难度太低，自己去研究哦（滑稽）。

🔴面向AI编程的结果：

通过掌握撰写Prompt的能力，获得LLM生成创意内容的能力，为一张平平无奇的图片增加一两句话使它有梗，满足用户需求。目前该产品已经在reddit/ChatGPT 里火了起来。希望通过介绍这种开发思路，帮助各位理解面向AI编程。

虽然不一定100%有梗的效果，但是多试几次，一定能出梗。

多语言迁移的时候，一定要注意语境和token限制，否则会出现英文生产内容翻译到中文后字数太长没有梗效果。

🟢迁移能力：

Find My AI 亲测该能力可迁移到多语言，包括汉语，也可以生成表情包梗图，见图6。