國產AI作畫神器火了，更懂中文，竟然還能做周邊！_風聞

　　金磊 蕭簫 發自 凹非寺

　　量子位 | 公眾號 QbitAI

　　家人們，聽説了嗎？

　　最近在“一句話生成畫作”這個圈子裏，又一個AI工具悄然火起來了。

　　不是你以為的Disco Diffusion、DALL·E，再或者Imagen……

　　而是全圈子都在講中國話的那種。

　　瞧，已經入圈的小夥伴們，都開始紛紛曬自己搞出來的傑作了：

　　從網友們上傳的諸多畫作來看，這個AI可以cover的風格還真不少。

　　腦洞大開的《熊貓騎摩托》，中國山水畫裏的春天小雨，絢麗的概念插畫《亞特蘭蒂斯》，甚至一隻黑白色調的戴帽子抽煙的狗……

　　那這個既能支持中文，又能hold住眾多畫風的AI工具，到底是什麼來頭？

　　不賣關子。

　　它的廬山真面目，正是百度最新對外發布的一款中文作畫AI——文心·一格。

　　類似這種“你説我畫”的AI，聽説在國外已經火了很長一段時間。

　　現在終於等到了個國產版的，那麼它到底好不好用呢？

　　「文心·一格」的初體驗

　　既然在這個圈子流行講中文，那咱就先從“中國風”開始上手。

　　例如輸進去極具古典韻味的“江南水鄉”，然後在方向和風格上選擇“傳統”、“中國風”。

　　僅需等待片刻時間，“啪的一下”，一幅符合語義和風格的畫作就誕生了：

　　嘿~還別説，這畫還真有一股子“小橋流水人家”的味道。

　　既然是國風，那就更傳統一點，直接輸入一句古詩詞，看文心·一格會作何反應：

　　雲深不知處。

　　‍

　　整體來説，這幅畫作確實是把“雲之深”韻味展現得到位了。

　　據瞭解，文心·一格還可以繼續加大難度。針對AI圖像生成技術的資深用户，一格即將開放高級自定義功能，支持文本描述結合參數設置的方式探索更多創意。

　　當然，也可以在”藝術家精品畫廊”裏先瀏覽下內測用户已經生成的圖片，像下面這張：

　　講真，若非知道這是AI創作的，第一眼還以為是哪個動漫中的場景，是有夠絢爛的了。

　　還有下面這一張，也同樣稱得上是驚豔絕倫。

　　但正所謂“貨比三家”，那麼文心·一格作為AI作畫這條賽道的“後起之秀”，和國外的產品相比又如何呢？

　　下一個挑戰環節，就是國內AI vs. 國外AI——惡犬咆哮。

　　較為明顯的是，Disco Diffusion的風格更趨向於狂野；而文心·一格則是更偏向現實主義一些。

　　再拿文心·一格和DALL·E 2做個比較——畢加索風格的貓：

　　在看完這兩者的創作對比，你覺得誰家的更畢加索一些呢？

　　不過在這般效果背後，對應的問題也隨之而來：

　　要生成風格更全面的圖片，文心·一格的用法會更復雜嗎？

　　懂中文，也懂“懶人”

　　用起來，並不複雜。

　　我們從操作界面、提示詞要求和性能要求幾方面，對Disco Diffusion和文心·一格等AI畫畫產品進行了簡單對比。

　　操作界面上，Disco Diffusion開放的接口不能説很複雜，但確實有點門檻。

　　它直接在谷歌Colab上運行，需要申請賬號後使用（圖片生成後保存在雲盤），圖像分辨率、尺寸需要手動輸入，此外還有一些模型上的設置。

　　好處是可更改的參數更多，對於高端玩家來説可操作性更強，只是比較適合專門研究AI算法的人羣：

　　相比之下，文心·一格的操作只需三個步驟：輸入文字，鼠標選擇風格&尺寸，點擊生成。

　　前文已經提到，文心·一格同樣也具備Disco Diffusion的“高級自定義”功能，隨後便會開放，對於想擁有更多“參數自由”的小夥伴們來説，同樣是個不錯的選擇。

　　至於提示詞，Disco Diffusion的設置還要更麻煩一些。

　　除了描述畫面的內容以外，包括畫作類別和參考的藝術家風格也都得用提示詞來設置，通常大夥兒會在其他文檔中編輯好，再直接粘過來。

　　關鍵一旦提示詞設置得不好，生成的效果就不盡如人意，需要反覆嘗試、不斷細化，AI最終才能生成合適的畫面效果。

　　相比之下文心·一格倒是沒有格式要求，輸入150字的句子或詞組都可以：

　　當然，輸入畫家名字如莫奈，也能輸出對應風格：

　　最後是性能要求上，Disco Diffusion是有GPU使用限制的，每天只能免費跑3小時。抱抱臉（HuggingFace）上部分AI文生圖算法的Demo雖然操作簡單些，但一旦網速不行，就容易加載不出來：

　　****△測試mini DALL·E時加載就失敗過

　　相比之下，文心·一格除了使用高峯期以外，基本上都是2分鐘就能生成，對使用設備也沒有要求。

　　總體來看，同樣是文字生成圖片AI，實際相比文心·一格的“真·一句話生成圖片”，DALL·E和Disco Diffusion的生成過程都不太輕鬆。

　　所以在這背後，文心·一格生成圖像，究竟是基於一個怎樣的邏輯？

　　我們以輸入“雲深不知處”為例，希望能輸出一幅中國風的畫作。當接收到這幾個字詞（query）後，AI的腦細胞就開始“運作”了起來，從語法、詞法、語義等角度對文本進行分析。

　　如果將生成過程可視化，這個階段還看不出什麼效果，處於AI理解文本的階段：

　　很快，AI“拆解”文本後，理解要怎麼畫這幅畫了，於是在特定尺寸（用户可選）的畫紙上，構思出整體的輪廓，兼具雲的元素和中國畫的風格：

　　隨後，基於擴散生成模型的原理，迭代地完善並修正畫面細節，不斷提高清晰度、反覆檢查圖文描述一致性，用更精確的配色替代噪聲：

　　最後，生成名為《雲深不知處》的完整畫作：

　　看似“一句話生成圖片”不難，其實對AI語義理解和圖像生成能力提出了進一步要求。

　　為了能更好地理解文本、提升輸出效果，文心·一格還在百度文心的圖文生成跨模態模型ERNIE-VilG的基礎上，進行了更詳細的優化。

　　為了提升圖文理解能力，在知識增強的基礎上，引入跨模態多視角對比學習；

　　為了降低輸入要求同時提升效果，採用基於知識的文本聯想能力，讓模型學會自己擴展提示詞的細節和風格；

　　為了提升圖像生成能力，採用漸進式擴散模型訓練算法，讓模型來選擇效果最好的生成網絡。

　　此外，在訓練和數據上，文心大模型的產業級能力也進一步給文心·一格提供了幫助，例如AI訓練數據和平時在產業實踐中積累的經驗，都能應用到文心·一格的模型中去；至於百度知識圖譜的算法能力，則進一步提升了模型通用性。

　　值得一提的是，如果開發者想將文心·一格的能力用到產品中，直接調用ERNIE-VilG的API接口就行，可以説是非常方便了。

　　One More Thing

　　我們在試玩文心·一格的時候，還發現了左下角這些有意思的應用場景，一鍵就能生成預覽：

　　例如，頗有自如風格的裝飾畫：

　　老闆批量發年貨時印的編織袋（手動狗頭）：

　　其實，這也是文心·一格區別於Disco Diffusion、OpenAI的DALL·E 2的另一個特點——更強的實用性。

　　不僅普通玩家可以用來生成自己想畫但畫不出來的內容，絕不會有兩幅相同的畫作，腦洞再放大點，就連媒體作者等文字內容創作者，也能用它高質量高效率配圖。

　　（嗯，以後你看量子位的文章，説不定有些配圖就是用AI生成的）

　　專業畫師、或是設計師和藝術家，更可以用它來啓發靈感、輔助創作。

　　當然，從官網看來，這個產品還在更新迭代、進一步優化中。

　　至於未來是否會在更多數字藏品、插畫、海報和電影動漫中，看見文心·一格的畫作？

　　我們拭目以待。