【coze】故事卡片（图片、音频、文字）

最新推荐文章于 2025-05-08 10:04:30 发布
最新推荐文章于 2025-05-08 10:04:30 发布
阅读量1.7k 收藏 27
点赞数 57
分类专栏： coze 文章标签： coze 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_43195420/article/details/147744629
版权

【coze】故事卡片（图片、音频、文字）

1、创建智能体

从左侧找到工作空间，切换为个人空间，点击右上角创建
[图片]

选择智能体进行创建
[图片]

智能体名称：故事卡片生成
智能体功能介绍：根据提示词生成带图片、音频、文字的故事小卡片
[图片]

2、添加人设与回复逻辑

## 角色
你是一个音频故事生成助手，你可以按照用户的要求，生成最终的内容，你工作时请注意：

## 要求
1、生成故事文字，不低于100字，不超过200字，并将故事的文字进行输出
2、用故事文字生成音频，将音频文件原始链接输出，不需要输出成可点击的文字链接
#3、给故事的每一个场景生成图片，将图片输出，整个故事不超过3张图片，图片风格全部采用迪士尼风格

## 工具使用
你在完成用户任务的过程中可以使用story工作流

[图片]

3、添加工作流

（1）创建工作流

[图片]

工作流名称：story
工作流描述：故事生成工作流
[图片]

（2）添加大模型节点

[图片]

将大模型和开始节点相连
[图片]

配置模型为DeepSeek-V3
[图片]

大模型输入为开始节点的input
[图片]

系统提示词如下：
你在完成用户任务的过程中可以输出以下内容：
1、故事内容story
2、故事配图提示词picture
[图片]

用户提示词为：{{input}}
[图片]

添加两个输出变量，分别为story和picture
****[图片]****

（3）添加提示词优化节点

为了让图片生成的效果更好，通常需要添加提示词优化
[图片]

将大模型与提示词优化节点相连
[图片]

设置提示词为大模型节点的picture
[图片]

（4）添加豆包图像生成

[图片]

搜索豆包图像生成，找到gen_image点击添加
[图片]

将图像生成节点和提示词优化节点相连
[图片]

图像生成节点的prompt为提示词优化节点的data
[图片]

req_schedule_conf为固定值general_v20_9B_pe
[图片]

（5）添加语音朗读插件

[图片]

搜索语音合成，点击添加
[图片]

将语音合成和大模型相连
[图片]

配置语音合成的text为大模型的story
[图片]

speaker_id为爽快思思/Skye在这里插入图片描述

（6）添加输出节点

[图片]

连接输出节点
[图片]

添加输出节点参数，分别是story、picture、audio
[图片]

设置story参数为大模型节点的story
[图片]

设置picture参数为图片合成节点的image_urls
[图片]

设置audio参数为语音朗读节点的link
[图片]

（7）结束节点设置

将输出节点与结束节点相连
[图片]

删掉结束节点的输出，这里不需要输出内容
[图片]

（8）工作流试运行

[图片]

输入讲个故事，点击试运行
[图片]

我们可以看到，输出节点三个参数均有数据，如果显示失败，重新试运行即可
[图片]

（9）发布并添加工作流

[图片]

版本描述就写工作流的描述就行：故事生成工作流
然后点击发布
[图片]

发布完成后，会弹窗提醒是否添加至智能体，点击确认
[图片]

如果上一步不小心把弹窗关了，也可以手动添加刚刚创建的工作流
[图片]

[图片]

4、卡片设计

（1）新增卡片

在工作流上，点击绑定卡片数据
[图片]

选择输出下面的绑定卡片
[图片]

新增一个卡片
[图片]

（2）设置图片

在组件中，找到图片控件，拖拽进编辑区
[图片]

点击图片区域，一定要点击图片，不要点击外框
[图片]

设置图片为宽度铺满模式
[图片]

点击(x)图标，点击新建变量
[图片]

变量名：picture
默认值可以随便写，也可以设置系统默认图标链接
https://lf-card-builder.oceancloudapi.com/obj/bot-studio-builder/4004860678112580_1706003508909477605.png
[图片]

再次点击(x)图标，绑定刚刚新建的picture变量
[图片]

（3）设置音频

在组件中，找到音频，拖拽进编辑区
[图片]

在左侧选择变量，点击新建变量
[图片]

变量名称：audio
变量默认值：随便写即可，我这里写了个mp3
[图片]

点击音频播放条，选择变量，选择刚刚新建的audio变量
[图片]

（4）设置故事文字内容

再新建一个变量
[图片]

变量名：story
变量默认值：随便敲个空格即可
[图片]

将文本组件拖拽进工作区
[图片]

点击文本组件，点击右上角的(x)图标
[图片]

选择story变量
[图片]

（5）卡片命名及发布

给卡片起个名字：故事小卡片
[图片]

点击右上角发布
[图片]

点击确定即可
[图片]

（6）绑定数据

单击故事小卡片，把story、audio、picture按如下图所示进行配置，配置完成点击确认
[图片]

5、模型选择和设置

智能体支持多种大语言模型，点击下拉菜单，选择自己喜欢的大模型作为引擎进行回复。当然也可以添加多个模型，进行“模型对比调试”
[图片]

这里我选择“DeepSeek-V3”模型。
[图片]

6、测试智能体

测试之前，先优化一下提示词
把提示词中的story删掉，输入{会自动弹出窗口，添加story工作流
[图片]

添加完后如下图所示，这样做的目的是让系统更稳定的调用工作流
[图片]

发送测试问题：最近有什么节日，写一个故事给4岁小女孩
[图片]

点击运行完毕图标，可以查看插件调用详细信息
[图片]

[图片]

7、发布智能体

[图片]

默认为coze商店发布，如果有其他需求自行勾选
[图片]

发布成功可以对话，也可以复制链接发给别人
[图片]

AI智能体 | 使用Coze制作小红书英语短文视频（附保姆级教程）
李同学Lino的博客
04-29 133
还在为制作英语学习视频熬夜剪辑、反复调试而头疼？小红书上的高赞英语短文视频，其实只需输入一个标题，AI就能自动搞定！借助Coze智能体，无需复杂代码或专业剪辑技能，17个节点的工作流即可实现从文案生成、语音合成、图文排版到视频合成的全流程自动化。
2️⃣ Coze创建智能体教学（2025年全新版本）
李同学Lino的博客
04-07 884
扣子平台提供强大支持，可将智能体轻松集成至各类社交平台，使智能体得以服务更为庞大的用户群体。当下支持集成的平台如下：​1️⃣豆包：作为聚焦 AI 内容创作的平台，非常适合发布充满创意、娱乐性强的智能体。​2️⃣飞书：适合发布用于办公协作的智能体，助力团队提升工作效率。​3️⃣微信：借助公众号或小程序的形式，能够服务海量微信用户。​4️⃣抖音：适合发布与短视频相关的智能体，为用户提供创意与娱乐服务。​
梦想编织者Luna：COZE从童话绘本到乐章的奇妙转化
qq_62012466的博客
06-16 1687
最近做一个coze，主题是童心。我思考了挺久的，我觉得这款coze的功能不应该仅仅只是面向儿童，更应该是面向每一个任然拥有童心的人。
6 款超实用的 Coze 插件，让你的智能体开发效率提升 200%
Jay的个人博客
10-28 2932
我们可以在 Coze 里调用大模型，直接帮我们编写或优化文章内容，然后一键上传到公众号的草稿箱，最后稍微调整一下就可以直接发布，非常高效。测试了一下，从我提供的公众号文章链接中，不仅标题和内容都能快速被解析出来，整个过程只用了 6 秒，效率确实挺高的！在每次搭建智能体之前，我们可以拆解好功能列表，再去 Coze 插件商店寻找合适的，尽可能优先选择官方提供的插件。当找不到现成插件时，不妨自己动手搭建一个。
政安晨【超级AI工作流】—— 以“主题播客工厂”的AI应用为例详细讲述Coze平台的AI工作流应用搭建技巧
政安晨——致力于AI人工智能数字互动领域
03-15 1015
希望政安晨的博客能够对您有所裨益，如有不足之处，欢迎在评论区提出指正！本篇我们以Coze平台上这个同宇宙的“主题播客工厂”的应用为例，详细讲解搭建AI工作流。扣子扣子是新一代 AI 大模型智能体开发平台。整合了插件、长短期记忆、工作流、卡片等丰富能力，扣子能帮你低门槛、快速搭建个性化或具备商业价值的智能体，并发布到豆包、飞书等各个平台。没有扣子账号的小伙伴可以免费注册一个，很好玩的。
分享可用的谷歌镜像网站总结，AI工具集合包括：文生图、文生视频、AI 视频生成器工具，工具涵盖了自然语言处理、图像处理、机器学习、自动化工作流等多个领域，提升TikTok或抖音人气以及直播人气的工具
代码讲故事
07-26 5325
分享可用的谷歌镜像网站总结，AI工具集合包括：文生图、文生视频、AI 视频生成器工具，工具涵盖了自然语言处理、图像处理、机器学习、自动化工作流等多个领域，提升TikTok或抖音人气以及直播人气的工具。 2024年一些优秀且可在线免费使用的AI工具，AI软件开发工具，提升TikTok或抖音人气以及直播人气的工具和方法主要包括内容优化工具、数据分析工具、社交媒体管理工具、推广和营销工具等。
【AIGC学习笔记】扣子平台——精选有趣应用，探索无限可能
bailichen800的博客
01-25 1872
由于近期业务发展的需求，我开始接触并深入了解了扣子平台的相关知识，并且通过官方教程自学了简易PE工作流搭建的技巧。恰逢周会需要准备与工作相关的分享主题，而我作为一个扣子平台的初学者，也想探索一下这个平台的开发能力究竟能达到怎样的水平。因此，我从扣子的官方商店中精心挑选了以下这些针对不同领域的有趣应用。每个应用我都附上了链接、测试案例，以及我个人对其实用程度和趣味程度的评分。欢迎对扣子平台感兴趣的读者们进行测试体验，并交流使用心得。
Cursor从小白到专家
喜欢打篮球的普通人
03-22 769
在使用 Accept All 时需谨慎：虽然 Accept All 可以快速应用所有建议，但在应用之前最好仔细检查 Cursor 提供的建议是否符合你的需求，避免引入不必要的错误。composer模式下，cursor不仅会进行长篇代码的编写，更改还会帮你把生成的代码直接弄到文件里，不用我们手动复制粘贴。chat模式下，cursor会根据我们的开发需求给出相应的代码，但是需要我们手动创建相关的文件并把代码复制进去。接着就是根据cursor的提示，以及你自己的需求一步步完善这个插件的代码。
【大模型学习】大模型入门的第一课从了解大模型是什么开始
AUG2468的博客
04-28 585
***大模型，英文名叫Large Model，大型模型。早期的时候，也叫Foundation Model，基础模型。大模型是一个简称。完整的叫法，应该是“人工智能预训练大模型”。预训练，是一项技术，我们后面再解释。我们现在口头上常说的大模型，实际上特指大模型的其中一类，也是用得最多的一类——语言大模型（Large Language Model，也叫大语言模型，简称LLM）。除了语言大模型之外，还有视觉大模型、多模态大模型等。现在，包括所有类别在内的大模型合集，被称为广义的大模型。
『MaxKB业务实战（四）』在MaxKB中实现图片问答
老陈聊架构
05-07 1294
本文详细介绍了在MaxKB中实现图片问答功能的完整流程，包括图片上传、存储、展示以及AI返回图片回答的步骤。AI应用通过关联知识库，能够返回图片回答，提升用户体验。此外，文章还介绍了如何创建高级编排应用并设置图片上传参数，以便后续接入图片大模型进行识别。
解锁DeepSeek模型微调：从小白到高手的进阶之路
邓邓子的博客
05-05 1766
本文围绕 DeepSeek 模型微调展开系统阐述。首先介绍 DeepSeek 模型在 AI 领域的重要地位及其优势，点明微调对提升模型性能的关键意义。接着深入解析微调原理，涵盖迁移学习基础与参数更新机制。随后详细讲解数据准备、模型选择加载、微调训练实战等核心步骤，包括数据收集标注预处理、参数设置与策略选择。还通过实战案例展示微调全流程，并基于评估结果提出优化改进方法。最后对 DeepSeek 模型微调进行总结，展望其未来发展方向，为希望掌握 DeepSeek 模型微调技术的读者提供全面指导。
基于对应点分类的对象识别 报错
qq_25194681的博客
05-07 314
【代码】基于对应点分类的对象识别 报错。
基于MATLAB图像中的圆形目标识别和标记
xrgs_shz的博客
05-05 928
这个公式的来源是，对于圆来说，这个值等于1，因为圆的周长P=2πr，面积A=πr²，代入得4π*(πr²)/(4π²r²)=1。例如，正方形的面积是a²，周长是4a，所以圆度为4πa²/(4a)^2 =4πa²/(16a²)=π/4≈0.7854。'y', 'FontSize',14,'FontWeight','bold') %在边界左侧显示圆度。
《目标检测项目总结》
最新发布
2502_90678230的博客
05-08 457
典型算法：- R-CNN（Region-based Convolutional Neural Networks）- Fast R-CNN- Faster R-CNN- Cascade R-CNN2. One stage算法定义：One stage算法将目标检测任务作为一个端到端的任务，直接在输入图像上预测目标的类别和位置，无需显式生成候选区域。COCO数据集的优势和劣势：优势：1. 规模庞大：包含20万个图像和80个类别，标注目标超过50万个，适合训练复杂的目标检测模型。解决COCO数据集标注复杂的问题，
Qwen3 混合思维模版解读
qq128252的博客
05-07 532
在人工智能迅速发展的今天，大型语言模型（Large Language Models，简称LLM）正逐渐成为各类应用的核心组件。其中，对话模板（Chat Template）作为连接用户与模型的关键桥梁，对确保高质量的交互体验至关重要。本文将深入解析Qwen3使用的对话模板，揭示其如何优雅地处理多轮对话、工具调用等复杂场景。
英伟达语音识别模型论文速读：Token-and-Duration Transducer（TDT）架构
weixin_52582710的博客
05-05 1513
论文提出的 TDT 模型通过在传统 Transducer 模型中加入显式的持续时间建模，在语音识别、语音翻译和口语理解等多个序列任务中均优于传统 Transducer 模型。TDT 模型不仅在准确率上表现相当或更好，而且在推理速度上显著提升，最高可达 2.82 倍加速。此外，TDT 模型在抗噪声和处理重复 token 方面也展现出更强的鲁棒性。未来的工作将致力于进一步提高 TDT 模型的计算效率和准确性，并开发高效的 TDT 模型束搜索算法。
Deepseek基础-api key申请及应用(java)、硅基流动api key申请及应用(dify)
简单记录
05-05 978
要识别的车票和发票图片。
大学之大：杜伦大学2025.5.4
sinat_34897952的博客
05-04 817
杜伦大学以其千年历史底蕴与现代创新精神，在保持学院制传统的同时，积极应对全球挑战。其优势学科覆盖人文、科学与商科，科研实力位居世界前列。未来，杜伦将继续深化可持续发展与数字化教育，巩固其作为全球顶尖研究型大学的地位，为学生提供兼具学术深度与实践价值的教育体验。
Free Draft Model！Lookahead Decoding加速大语言模型解码新路径
PAN_Andy的博客
05-04 1194
大语言模型（LLMs）在当今AI领域大放异彩，但其自回归解码方式锁死了生成效率。本文将为你解读一种全新的解码算法——Lookahead Decoding，它无需Draft Model就能实现投机采样，加速LLM解码，在多项任务中实现显著提速，为大语言模型的应用带来新突破，快来一探究竟！
coze 图片识别文字
03-08
### OCR技术用于图片中文字的识别与提取 对于从图片中提取文字的任务，可以采用OCR（Optical Character Recognition，光学字符识别）技术。这项技术能够自动解析并转换图像中的文本内容到可编辑的形式。 #### 使用百度OCR API进行文字识别 当使用百度提供的OCR服务时，开发者可以通过调用API接口来获取图片内的文字信息[^1]。具体操作流程如下： ```python from aip import AipOcr APP_ID = 'your-app-id' API_KEY = 'your-api-key' SECRET_KEY = 'your-secret-key' client = AipOcr(APP_ID, API_KEY, SECRET_KEY) def get_file_content(filePath): with open(filePath, 'rb') as fp: return fp.read() image = get_file_content('example.jpg') result = client.basicGeneral(image); for word in result['words_result']: print(word['words']) ``` 这段Python代码展示了如何利用百度AI平台上的AIP库完成基本的文字识别工作。需要注意的是，在实际应用前需替换`your-app-id`, `your-api-key`, 和 `your-secret-key`为真实的密钥值，并指定待处理的图片路径。 #### 利用腾讯云OCR SDK实现文字检测 除了百度之外，还可以选择腾讯云所提供的OCR解决方案。这里介绍基于SDK的方式来进行通用印刷体识别[^2]。安装相应的SDK之后，可以根据官方指南编写简单的程序读取本地图片文件并提交给服务器端做进一步分析。 ```java import com.tencent.cloud.ocr.OcrClient; import com.tencent.cloud.common.profile.HttpProfile; import com.tencent.cloud.common.profile.ClientProfile; // 初始化客户端配置... HttpProfile httpProfile = new HttpProfile(); httpProfile.setEndpoint("ocr.ap-guangzhou.tencentcloudapi.com"); ClientProfile clientProfile = new ClientProfile(); clientProfile.setHttpProfile(httpProfile); OcrClient ocrClient = new OcrClient(new Credential("secretId", "secretKey"), "", clientProfile); String base64ImageStr = Base64.getEncoder().encodeToString(FileUtils.readFileToByteArray(file)); GeneralBasicOCRRequest request = GeneralBasicOCRRequest.builder() .imageBase64(base64ImageStr) .build(); try { GeneralBasicOCRResponse response = ocrClient.GeneralBasicOCR(request); System.out.println(response.toJsonString()); } catch (TencentCloudSDKException e) { e.printStackTrace(); } ``` 上述Java代码片段说明了怎样借助腾讯云的Java SDK执行基础的文字识别任务。同样地，记得更新认证凭证以及目标图片的数据源部分。 #### 图片识别的最佳实践建议 为了提高OCR系统的准确性，应该遵循一些最佳做法[^3]： - **预处理阶段**：确保输入图片质量良好，比如调整亮度对比度、去除噪声干扰等； - **版面布局理解**：如果可能的话，尝试了解文档结构以便更好地定位特定区域的内容； - **多引擎组合策略**：有时候单独依靠某一家服务商未必能获得最理想的结果，因此不妨考虑融合多个来源的信息作为最终输出；
评论
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