使用词做诗的程序通常涉及以下步骤：
数据预处理
文本清洗：去除无用的字符、标点符号等。
分词处理：将文本分割成单独的词或短语。
去除停用词：删除常见的、对诗歌意义不大的词，如“的”、“是”等。
特征提取
词向量表示：使用词向量模型（如Word2Vec、GloVe）将词转换为数值向量，以捕捉其语义信息。
上下文嵌入：对于更复杂的模型，可能会使用上下文嵌入技术（如BERT）来理解词的上下文。
模型训练
神经网络模型：采用深度学习模型（如循环神经网络RNN、长短期记忆网络LSTM、Transformer等）来学习文本的语言模式和规律。
关键词或主题生成：模型通过学习大量诗歌数据，生成符合特定关键词或主题的诗句。
诗歌生成
输入关键词或主题：用户输入想要表达的关键词或主题。
模型推理：模型根据输入的信息，结合学习到的语言模式，生成新的诗句。
后处理：对生成的诗句进行韵律调整、格式修正等，使其更符合诗歌的审美要求。
用户交互
自定义设置：用户可以选择诗歌的风格、格式、韵律等参数，以个性化定制生成的诗歌。
预览和编辑：用户可以预览生成的诗歌，并进行必要的编辑和调整。
诗歌生成器：用户输入3种花、2个词、1个对象，软件智能生成一首诗。
AI智绘：通过自定义关键词或主题，快速方便地生成各种类型的诗句。
Hugging Face：基于Hugging Face的中文歌词模型，提供中文歌词生成功能。
Ada AI Poet、 Poet AI Poet：运用深度学习技术，根据用户输入生成具有丰富情感和艺术感的诗歌。
Rhymer、 Poemgen、 DeepArt：结合自然语言处理和机器学习算法，自动生成各种风格的诗歌。
这些程序和工具通过不同的技术实现，但总体流程相似，均依赖于人工智能和自然语言处理技术来生成诗歌。