百度文心一格x京东618:打造电商行业首个AI线下广告,节省80%制作成本

22c934bcf4650f9eb3ee7b269e81a258.gif

小钱买到大快乐,小钱能不能买到好的营销创意?AIGC 赋予了所有行业新面貌,并逐渐成为各行各业从业者的新型生产工具。在此背景下,今年618期间,京东联合百度文心一格,将 AIGC 应用于电商营销,进行了首次大规模线下广告尝试,打造电商行业首个 AI 线下广告。

今年618,京东聚焦下沉市场,以“9.9包邮”为核心场域承接,希望为更多用户带来花“小钱买到大快乐”的消费体验。对于如何把这种简单快乐的情绪精准传递给更多用户,这项任务便交到了百度 AI 艺术和创意辅助平台——文心一格身上。

对广告营销来说,如何在复杂的环境中打造出吸引并留住受众目光的创意,是广告营销的核心能力。尤其是平面创意,在信息大爆炸的时代,对画面的张力表现和信息的突出性都有很高的要求。为此,在设计阶段,设计师们往往需要根据营销主题,制作多版不同的创意内容,并根据测试反馈反复调整,这一流程耗时良久。此外,在创意素材制作阶段,人物实拍有时往往难以精准表达营销中的人物表情状态,创意的核心也就无法体现。这对于制作团队与实拍模特来说,是一项富有挑战的任务。

AIGC 时代已经来临,此前依靠“人”费时费力才能完成的任务,有了快捷、高效的独特 AI 解法。

文心一格是百度在“AI作图”方面发布的产品和技术工具,定位为面向有设计需求和创意的人群,基于文心大模型智能生成多样化AI创意图片,辅助创意设计,打破创意瓶颈。在此次京东与百度的合作中,京东营销团队尝试通过对人物特性的不同描述,生成差异化的海报效果,并发现文心一格可以更精准地表达出营销物料需要达到的夸张人物效果。同时, 文心一格还可以在更短的时间里,更加高效、出色地完成同样的任务。根据百度的测算,平时这样一组海报,从模特、服装、到设计、排版,单张成本可能接近一万元,而以 AI 的方式,制作周期缩短70%,制作成本可以节省80%左右。

3a66e0ea772e8a42aedaf12a81c1a25e.png真人实拍图

1b75c5c9fdb6c6599acd05f5caa839f4.png

基于文心一格 AI 作画生成的京东618线下广告

对于与文心一格的此次合作,京东方面表示:“通过 AI 技术在降低成本的同时,还提升了整体创意的产出效率,无论从制作速度还是制作数量来说,都有着人为难以比拟的优势。此外,对于一些真人难以表达的夸张程度,AI 应用也能够有较好的解决方案,能够产出更多的创意可能,提升新鲜感。”

据了解,诸如文心一格等 AI 作画工具带来的 AI 辅助内容创作方式,让生产效率得到了大幅度提升。以海报制作来说,通过 AIGC 进行海报制作成本能降低50%-80%,制作时间从周级别到天级别。文心一格十分关注在设计领域的落地应用,在网站设计、电商图片设计等场景,设计师可以使用文心一格批量生成主视觉图、上传产品图一键风格转换、导入海报使用 AI 二次编辑改图等,方便快捷地实现低成本图片输出。

目前,文心一格的 AI 绘画能力已渗透到游戏、直播、会员服务、电商、内容社区、广告行业和虚拟 IP 等诸多应用场景,通过 C 端应用和 B 端 API 方式,实现多行业降本增效。

除了提升效率,AIGC 还能助力想象力涌现,创造出独特的 AI 作品。据介绍,文心一格目前已经可以用 AI 创作戒指、蛋糕等创意商品,并在产品包装设计上实现了落地。

678c81c0e66ab0e9df5445b09e077e21.png

文心一格在创意饰品、食品包装、饮品包装设计上的应用案例

近日,百度文心一格正式上线会员制,为文心一格用户提供了多项专属权益和福利,包括图片叠加、涂抹编辑等多项 AI 编辑功能,以及自定义模型、人物动作识别再创作和线稿识别再创作等专享实验室功能,助力 AI 绘画灵感创作。尤其是自定义模型的正式开放,用户上传自己的图片数据集,就可以快速定制专属画作风格的文生图模型,保持生成图片主体或风格一致性,支持分镜设计、动漫插画、原创 IP 形象开发等场景的视觉需求。

eb5991ba67ca95dd995bbf59caf231be.png

文心一格会员专享:一格 AI 实验室

此次百度文心一格与京东在 AI 营销上的“跨界”合作,以 AIGC 助力电商大促,为营销降本增效开辟了新路径,也将为营销行业提供极具价值的参考建议。未来,双方将会在营销、运营等各环节中,持续探索 AI 的实战应用,从策略研究、用户洞察、创意表现等方面,打造营销领域的创新风向标。

cf334c33db60b7cc02f6b2696c7eea8b.gif

关注【飞桨PaddlePaddle】公众号

获取更多技术内容~

相关推荐

PaddleOCR 3.5 发布:Web 端直用、文档一键转 Markdown,生态交互新体验

从文档图像到结构化数据,PaddleOCR 始终致力于降低 AI 应用开发的数据门槛。PaddleOCR 3.5 版本的升级,不仅让 OCR 能力更广泛地融入 Hugging Face 生态与浏览器端,更将文档解析链路延伸至多格式办公文档的一键转换。

PaddlePaddle 927

文心 5.1 正式发布!创作能力表现突出,跨越式优化训练效率与模型稳定性

今年 1 月,文心 5.0 正式发布。文心 5.0 采用全新的多维度弹性预训练算法,通过 Once-for-All 弹性大模型训练技术,在单次预训练过程中通过动态采样机制,联合学习多组不同配置的子模型,实现“一次训练,产出多种规模模型”。在统一训练框架下,模型支持深度可变、专家容量可伸缩、路由稀疏度可调节的弹性训练策略,形成覆盖不同参数规模与计算成本的子模型矩阵。今天,文心 5.1 正式上线。充分继承文心 5.0 知识,显著降低预训练成本,将总参数压缩至约 1/3、激活参数压缩至约 1/2,

PaddlePaddle 721

ERNIE-Image 开源 SOTA !消费级显卡搞定顶级渲染、高密度文本绘图

经过电影网、凤凰网、蜻蜓 FM、瑛麒动漫、蜂鸟 AI 等 30 多个知名企业、社区和创作平台,20 位艺术创作设计师为期两周的内测与反馈,今天,我们正式开源 ERNIE-Image 模型,参数量仅 8B,24GB 显存的消费级显卡即可生成媲美顶级商业模型的超真实、复杂图像。

PaddlePaddle 517

ComfyUI 实践指南:手把手教你玩转 ERNIE-Image!

它基于 8B 参数的 DiT 架构,在复杂指令跟随、文字渲染和结构化图像生成方面表现突出,覆盖了从写实摄影、设计感图像到风格化表达在内的多种视觉风格,因此尤其适合海报、漫画、多面板布局等需要较强控制能力的内容生产场景。需要特别关注的是:当前 PE 节点作为 ERNIE-Image 的默认选项,其使用的加载器和 Text Encoder 加载器都是使用的 CLIPLoader 来加载模型权重。如果前述文件已经放入正确位置后,相关模型会自动加载,无需手动配置,直接输入 Prompt,即可启动生图。

PaddlePaddle 577

FastDeploy 2.0:大模型高效部署套件,文心4.5原生,释放最优推理性能!

在ERNIE-4.5轻量级模型上,FastDeploy也表现出优异的性能,我们和参数规模接近的Qwen3模型进行性能比较,测试条件为,数据集输入长度1.1K,A3B模型在H800上约束TPOT不超过25ms,0.3B及0.6B模型在A30上约束TPOT不超过16ms,可以看到相同模型FastDeploy较vLLM性能领先5%、12%,ERNIE 4.5轻量级MoE模型分别比Qwen3 对应轻量模型性能快99%、118%(具体数据请见下图)通过对MTP 采取PD分离减少通讯量,加速端到端推理性能。

PaddlePaddle 1755

文档解析PP-StructureV3:PDF秒变高质量Markdown文件-PaddleOCR 3.0全栈技术解密系列

PP-StructureV3采用了一种精细化的模型组合策略,通过高效协调不同模型的输入输出,来实现高精度的文档解析。首先,文档图像经过文档预处理(可选),然后执行版面区域分析和文字识别。接下来,版面区域分析和文字识别的融合结果会基于其所属的不同版面类型被分别传送到表格识别、公式识别、图表解析和印章识别等多个子模块。最后,阅读顺序恢复模块对不同版面区域的识别结果基于人类阅读顺序进行排序,生成最终的文档解析结果——对应的Markdown文档和JSON文件。

PaddlePaddle 5881

多模态理解大模型高性能优化丨前沿多模态模型开发与应用实战第七期

一、引言在前序课程中,我们系统剖析了多模态理解大模型(Qwen2.5-VL、DeepSeek-VL2)的架构设计。鉴于此类模型训练需消耗千卡级算力与TB级数据,实际应用中绝大多数的用户场景均围绕推理部署展开,模型推理的效率影响着用户的实际体验。本次将聚焦工业级部署的核心挑战——多模态理解大模型的高性能推理优化。飞桨(PaddlePaddle)作为国内领先的深度学习框架,在多模态模型的高性能推理方面具有显著优势和亮点:高效的推理引擎优化的计算算子。

PaddlePaddle 3011

PaddleOCR 3.0发布:OCR精度跃升13%,支持多语种、手写体与高精度文档解析

PaddleOCR自发布以来凭借学术前沿算法和产业落地实践,受到了产学研各方的喜爱,并被广泛应用于众多知名开源项目,如Umi-OCR、OmniParser、MinerU、RAGFlow等,已成为广大开发者心中的开源OCR领域的首选工具。2025年5月20日,,全面适配飞桨框架3.0正式版,进一步,支持,满足大模型应用对的旺盛需求,结合显著提升关键信息抽取精度,并新增对的支持。PaddleOCR3.0全景图全场景文字识别模型PP-OCRv5。

PaddlePaddle 4859

Wan2.1和HunyuanVideo文生视频模型算法解析与功能体验丨前沿多模态模型开发与应用实战第六期

基于飞桨多模态大模型开发套件PaddleMIX,详细解读文生视频、图生视频模型Wan2.1和HunyuanVideo

PaddlePaddle 3742

大模型训练代码开发再提效——3行代码就能实现分布式训练!飞桨框架3.0自动并行功能现已正式上线!

分布式训练界的Python来了!

PaddlePaddle 2235

FLUX文生图大模型算法解析与功能体验丨前沿多模态模型开发与应用实战第五期

基于飞桨多模态大模型开发套件PaddleMIX,详细解读多模态文生图模型FLUX。

PaddlePaddle 3288

飞桨新一代框架3.0正式发布:加速大模型时代的技术创新与产业应用

飞桨框架3.0已全面开放,兼容2.0版本的开发接口,欢迎广大开发者使用和反馈。

PaddlePaddle 2157

PaddleX上线小目标检测模型产线,支持遥感分析、智能监控、智慧交通等领域高效应用

小目标检测通常指的是在图像或视频中精确地检测和定位尺寸较小、面积较小的目标物体,这些目标在图像中的像素尺寸通常较小,可能小于32像素×32像素(根据MS COCO等数据集的定义),且可能被背景或其他物体所掩盖,难以被肉眼直接观察出来。在许多应用场景中,小目标的检测都至关重要。例如,在遥感图像中检测小型车辆或建筑,可以帮助城市规划和交通管理;在自动驾驶中,检测远处的小型障碍物可以提高行车安全;在医学图像中,检测微小病灶能够辅助医生进行早期诊断。

PaddlePaddle 2781

PP-ChatOCRv3新升级:多页PDF信息抽取支持自定义提示词工程,拓展大语言模型功能边界

早期进行文本图像信息抽取时,如从身份证、营业执照中提取信息,通常预先设定好关键词(如姓名、公司名称等),再查找与之相关的信息。然而,在实际应用中,关键信息往往以问题的形式呈现,例如在研报中查询《哪吒2》的票房数,要回答此类问题就需要对提示词进行修改。本次升级支持自定义提示词工程,涵盖问题描述、提取规则、结果规范以及少样本学习等方面,可根据实际问题灵活调整,从而拓展大语言模型在信息抽取方面的功能边界。

PaddlePaddle 1704

飞桨PP系列新成员PP-DocLayout开源,版面检测加速大模型数据构建,超百页文档图像一秒搞定

文档版面区域检测技术通过精准识别并定位文档中的标题、文本块、表格等元素及其空间布局关系,为后续文本分析构建结构化上下文,是文档图像智能处理流程的核心前置环节。随着大语言模型、文档多模态及RAG(检索增强生成)等技术快速发展,高质量结构化数据已成为模型训练与文档知识库构建的关键需求。基于版面检测模型定位识别文档图像的布局,结合如文本识别、公式识别、表格识别及信息抽取等下游任务,能够为大模型产出丰富的结构化训练数据,增强大模型的公式理解、表格解析以及对文档层次结构的理解能力。

PaddlePaddle 3855

特色模型开源!飞桨PP系列新成员PP-FormulaNet助力大模型科研数据构建,公式识别提速16倍

公式作为科学文献、技术文档及教育资料的核心知识载体,承载着人类文明的抽象逻辑与数学表达。随着大语言模型、多模态模型及科学计算智能化的发展,‌。

PaddlePaddle 2214

PP-TableMagic开源,支持全场景高定制化微调,大模型时代表格结构化信息提取新神器

飞桨PP-TableMagic创新双流架构,端到端高精度识别,赋能大模型时代表格结构化信息提取。

PaddlePaddle 2845

前沿多模态模型开发与应用实战第四期:多模态理解趣味应用

利用多模态理解模型打造集图像理解、文学创作、命理分析和繁体文献研究于一体的多模态创意平台。

PaddlePaddle 1861

前沿多模态模型开发与应用实战3:DeepSeek-VL2多模态理解大模型算法解析与功能抢先体验

基于飞桨多模态大模型开发套件PaddleMIX,详细解读多模态理解模型DeepSeek-VL2。

PaddlePaddle 2846

哇塞!只需三步,带你飞速蒸馏DeepSeek R1!

基于PaddleNLP的DeepSeek-R1模型蒸馏,大模型精调流程助力模型更佳业务效果,降低大模型应用部署难度与成本

PaddlePaddle 2280

飞桨框架3.0推理升级:支持多款主流大模型、DeepSeek-R1满血版实现单机部署,吞吐提升一倍!

MLA、MTP、量化优化全面突破,4比特单机高效部署,开箱可用!

PaddlePaddle 1847

通用信息抽取大模型PP-UIE开源发布,强化零样本学习与长文本抽取能力,全面适配多场景任务

信息抽取(information extraction)是指,从非结构化或半结构化数据(如自然语言文本)中自动识别、提取并组织出结构化信息。通常包含多个子任务,例如:命名实体识别(NER)、关系抽取(RE)、事件抽取(EE)。由于任务目标的多样性(如实体、关系、事件和情感等)、文本结构的异构性(如片段、三元组、记录等)以及特定应用需求的多变性,传统的信息抽取方法往往针对特定任务或领域进行优化,难以在跨任务或跨领域的情境中迁移和泛化。随着大语言模型的发展,通用信息抽取大模型逐渐成为主流。

PaddlePaddle 3309

前沿多模态模型开发与应用实战第二期:Qwen2-VL系列多模态理解大模型算法解析与功能抢先体验

以飞桨多模态开发套件 PaddleMIX 中 Qwen2.5-VL 的实现为例,对代码进行逐步解读。

PaddlePaddle 2928

DeepSeek多模态统一模型Janus算法解析

DeepSeek 的 Janus 和 Janus-Pro 在多模态理解与生成领域展现了强大的能力。Janus 通过解耦视觉编码,为多模态任务提供了一个灵活的框架。而 Janus-Pro 则通过优化训练策略、扩展数据规模和增加模型参数,进一步提升了模型的性能。PaddleMIX中已经复现了Janus 和 Janus-Pro 的推理流程,通过解析代码我们也更深入地理解模型的实现细节和技术创新,快跟着飞桨星河社区教程链接一起动手实践一下吧!论文链接:项目地址:aistudio教程链接:。

PaddlePaddle 2306

官方带队实测,阶梯式解锁飞桨框架3.0能力新特性,轻松上手!

研发逐行coding教学,带你逐一实测飞桨框架3.0各项新特性,真实体验其用法及性能。

PaddlePaddle 1305

飞桨首创 FlashMask :加速大模型灵活注意力掩码计算,长序列训练的利器

飞桨首创 FlashMask 技术,通过创新的列式稀疏掩码表示方法和高效的Kernel实现方式,解决了传统注意力掩码方法冗余计算和存储占用过高等难题,助力大模型训练加速,尤其是基于长文场景的训练加速。未来,飞桨将持续研发高效的大模型训练加速技术,不断推进大模型技术更新迭代。

PaddlePaddle 2678

星河产业应用创新奖,AI产业实干者的闪耀时刻

第五届“星河产业应用创新奖”依托文心大模型和飞桨最新技术和产品,联合区域政府单位、头部组织和企业、行业联盟、百家投资机构,遴选100个具备创新力、技术力、价值度的优质产业应用及创新方案,入选项目将在 WAVE SUMMIT+ 深度学习开发者大会2024现场公布,并进入。依托百度飞桨人工智能产业赋能中心、飞桨星河社区 AI Studio 精选资源,为入选团队提供互动交流与产品成果展示空间、AI 产品培育环境、AI 人才培养支持服务、区域政府双招双引通道、政府技术资金补贴通道等线上、线下一站式技术服务。

PaddlePaddle 1560

星河社区升级命令行工具,一站式完成大模型实训

星河社区命令行工具(AI Studio CLI)是基于 aistudio_hub sdk 建立的管理工具。借助此工具,用户可以不受开发环境限制,方便快捷地提交模型训练任务,并通过模型产线完成日志监控、效果评估与在线部署。

PaddlePaddle 1608

百度AI技术中台校招提前批!多岗热招,多样化福利保障,提前锁定offer!

PaddlePaddle 666

基于飞桨框架实现PCA的人脸识别算法

本文作者是Yu欸,目前在华中科技大学攻读博士学位,定期记录并分享所学知识,博客关注者5w+。主成分分析(PCA,Principal Component Analysis)是一项在高维数据中,寻找最重要特征的降维技术,大大减少数据的维度,而不显著损失信息量。本文将通过基于飞桨框架的实际代码示例,来展示所提供的高效、灵活的线性代数API,如何简化机器学习和深度学习中的数据处理和分析工作,为高维数据集的处理和分析提供了有效工具。

PaddlePaddle 1580
上一篇: 加速44%!RT-DETR量化无损压缩优秀实战
下一篇: 飞桨携手第二届GitLink开源夏令营,邀你参与顶尖开源项目!
飞桨PaddlePaddle
飞桨PaddlePaddle 企业官方账号 企业官方账号
博客等级 码龄8年 1万+粉丝 1197原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值