AI 能否将描述真实场景的自然语言文本转换为视觉图像和视频？如果人工智能必须以视频的形式再现哈利波特的故事，它如何解释它？如果有人可以帮助我了解通过 AI 进行文本到图像转换所需的文献，那将会很有用