從零開始生成萬物: 影像、影片、音樂的 AI 生成

打一句話生成一張圖、一段文字生成一支影片——螢幕背後發生了什麼？這本書用十年的模型演化史回答這個問題。

從 2014 年的 GAN 出發，一個模型接一個模型往下走：VAE、diffusion、latent diffusion，一路到 Stable Diffusion、DALL-E、Sora。每一步都問同一個問題：上一個模型留下什麼難題？這一個怎麼解掉？於是你得到的不是零散的名詞，而是一條因果鏈——知道每個突破為什麼發生在那個時間點、代價是什麼、下一個瓶頸在哪。

讀完你會從「會用工具」變成「看懂工具」：知道 prompt 為什麼有時失靈、生成的手指為什麼曾經是災難、影片生成難在哪。適合 AI 工具的重度使用者、想入門生成模型的工程師、以及想在浪頭上站穩的內容創作者。《從零開始》系列的每一本，都為沒有背景的讀者而寫：先給直覺與比喻，需要時才端出數學與細節，把一個領域鋪成一條可以自學走完的路。