當(dāng)AI有了審美靈魂，作畫已經(jīng)真假難辨了！劃重點(diǎn)：免費(fèi)

金磊 發(fā)自 凹非寺

量子位 | 公眾號 QbitAI

家人們，咱就是說，又被國產(chǎn)AI作畫給狠狠驚艷到了！

不僅是在AI作畫的審美水平和專業(yè)度上達(dá)到頂尖水平，更是把用戶們的“福利值”直接拉滿的那種：

免費(fèi)，在線可用，易上手，畫小姐姐特別方便（bushi）！

話不多說，直接來欣賞一組照片：

如果不說是AI生成的，相信很多小伙伴會以為是俊男靚女的真人寫真了吧。

畢竟這根根分明的發(fā)絲、清晰可見的膚質(zhì)，還有縱橫交錯的光影，著實(shí)是有點(diǎn)影樓攝影級的了。

就算是打破次元壁，在二次元的作畫處理上，每張圖也都是達(dá)到了“拿來即用”的水平：

這便是來自商湯科技最新升級的AI文生圖領(lǐng)域的預(yù)訓(xùn)練模型——秒畫Artist v0.3.5 版本，而且還是時隔僅3個月迭代出來的新版本。

我們知道，預(yù)訓(xùn)練對于提高模型的泛化性幫助很大，這樣往往只需要少量訓(xùn)練和模型優(yōu)化,它就能在新的下游任務(wù)中取得出色的表現(xiàn)，也就是大家通常所熟悉的LoRA模型。

現(xiàn)在市面上，很多知名LoRA模型，例如-blindbox/大概是盲盒，都是基于Stable Diffusion，添加相關(guān)數(shù)據(jù)，來進(jìn)行訓(xùn)練，從而在某一個垂類領(lǐng)域可以達(dá)到非常出色的作畫效果。

但是，Stable Diffusion作為泛化性支撐的預(yù)訓(xùn)練模型，其本身的作畫效果并不會太突出。

那么秒畫Artist v0.3.5作為商湯最新的預(yù)訓(xùn)練模型，在不額外訓(xùn)練LoRA模型的情況下，能達(dá)到什么樣的水平呢？接下來，就讓我們從各個不同領(lǐng)域，深入來了解一下它的真實(shí)水平。

攝影級AI作畫體驗(yàn)實(shí)錄

要想看一個AI作畫的水平，首先就得主打一個方方面面，各種類型風(fēng)格需得全能hold住才可。

那么接下來，就開啟我們的多輪測試吧~

猜猜誰是真人

我們先來看下這兩張照片，你是否能猜到哪張是真人呢？

無論是人物的表情、頭發(fā)和衣物的細(xì)節(jié)，這兩張都妥妥是真人模特出鏡的水準(zhǔn)。

現(xiàn)在我們就來公布答案——右圖正是由秒畫生成的AI畫作。

而且提示詞也是極其的簡單：

中國女生，攝影風(fēng)格，敦煌飛天風(fēng)格，首飾細(xì)節(jié)精細(xì)，恢宏大氣

為了檢驗(yàn)秒畫是不是一直能夠輸出如此高質(zhì)量圖片，我們繼續(xù)輸入提示詞：

中國男孩，肖像照，黃色的花朵，白光，陽光進(jìn)來，光影。

應(yīng)當(dāng)是完全符合光看提示詞時，所腦補(bǔ)出來的畫面了。

我們再加大難度，添加一些天馬行空，但同樣頗具藝術(shù)氣息風(fēng)格的提示詞：

一位搖滾明星的肖像，全身裹著珠寶，詳細(xì)的面部，雜志，奇幻森林背景，大衛(wèi)·拉夏貝爾的作品，微光，月光，高度細(xì)致照片級真實(shí)感，細(xì)節(jié)，杰作，大師攝影作品。

毫無壓力完成畫作！所以不難看出，秒畫在專業(yè)攝影水平上是過關(guān)的。

利好二次元愛好者

自打AI作畫火爆起來之后，二次元風(fēng)格也成了檢驗(yàn)?zāi)芰Φ臉?biāo)準(zhǔn)之一。

我們再來看下秒畫在二次元上的“功力”如何。

先“投喂”幾段國漫風(fēng)的二次元提示詞：

二次元，清朝古裝男孩，漂浮和水下夸張的身體動態(tài)，糾纏著紅色和金色的錦鯉，超現(xiàn)實(shí)的油畫，廷德爾效應(yīng)，水滴，夏天，夢幻的色彩。光折射到水中產(chǎn)生虹彩反射、寶石光、超細(xì)節(jié)、廷德爾效應(yīng)、最佳質(zhì)量。

頗有《大魚海棠》的味道了！而且畫質(zhì)上也比普通二次元風(fēng)格要精進(jìn)不少。

再來：

二次元，中國古代少年將軍，女性，目光銳利，輕甲，勁裝，暗紅色布料，銀色花紋，護(hù)肩，護(hù)腕，玉佩。

同樣是妥妥可以出片兒的國漫風(fēng)水準(zhǔn)。

我們繼續(xù)上難度，若是把“賽博朋克”和“中國武俠”來個混搭，秒畫又該如何接招？

動漫，中國少女仿生人，3D風(fēng)格臉型，紫色，戰(zhàn)斗中，黑煙流中間，紫色煙霧繚繞，符文環(huán)繞，武俠動作皮膚，精致五官，漢服機(jī)甲，投影全息顯示。中國武術(shù)動作、全息光環(huán)、熒光、豐富背景、賽博朋克、特效、3D美術(shù)、OC渲染、超寫實(shí)、寫實(shí)細(xì)節(jié)、微小細(xì)節(jié)、細(xì)致描繪、未來主義、3D渲染、虛幻引擎、超高清、8K。

可以說是非常符合國漫的二次元風(fēng)格，并且每幅作品都可以直接拿來當(dāng)封面了有木有！

接下來，我們再大變風(fēng)格，再來個lol同好們，最喜歡的金克絲同人畫創(chuàng)作：

如何？是你心目中的金克絲嗎？

再來一個童年回憶，美少女戰(zhàn)士！

二次元，克勞德·莫奈的風(fēng)格，印象派，月野兔來自漫畫美少女戰(zhàn)士，繪畫，筆觸。

宛如動畫片的某一幀鏡頭，人物的眼神和表情也是非常符合提示詞的要求。

天馬行空的創(chuàng)造力

中規(guī)中矩的作畫之后，我們再來測試一下秒畫的想象力。

實(shí)驗(yàn)電影技術(shù)，前衛(wèi)電影肖像，被底片遮蔽，多層頁面，低角度，膠片圖像，融化，劃痕，刺穿，撕裂，抽象。

不得不說，當(dāng)看到這幅作品的時候，有被深深的震撼到；不論是作品的靈感亦或是妝造，都著實(shí)有點(diǎn)太前衛(wèi)了。

再來看幾組腦洞大開的未來科幻大作：

同樣，依舊是被科幻與大膽的想象力所震撼。

經(jīng)過多輪測試，我們可以發(fā)現(xiàn)，秒畫Artist v0.3.5模型，作為一個基礎(chǔ)的預(yù)訓(xùn)練模型，不僅保持了很好的泛化性，在畫面的細(xì)節(jié)效果上也有很優(yōu)秀的表現(xiàn)，在某些垂類的作畫領(lǐng)域，甚至可以達(dá)到與LoRA模型相媲美的效果。

與Midjourney同臺競技

在縱向看完秒畫的最新能力之后。相信很多人希望我們請出來更具挑戰(zhàn)性對手——Midjourney。

我們做比較的方式非常簡單粗暴：同樣的提示詞，直接比效果。

我們第一個提示詞是：

一位美麗的異域女子，蓬松飛揚(yáng)的長發(fā)，印第安風(fēng)格頭飾，金屬風(fēng)格，逆光，皮膚紋理，廢土風(fēng)，細(xì)節(jié)感，攝影作品。

A beautiful exotic woman with long, fluffy hair, Indian style headdress, metallic style, backlight, skin texture, wasteland, sense of detail, photography.

秒畫給出的作品結(jié)果如下：

Midjourney給出的效果是這樣的：

不得不說，在最終效果上是難分伯仲的，都非常符合提示詞要求的意境。

再來動漫與科幻結(jié)合的比拼：

一個穿著白色服裝的男人被一個巨大的圓盤包圍，看起來，低角度視圖，夜核風(fēng)格，深青色和深紅色，機(jī)甲動漫，未來派色波，噩夢，錯綜復(fù)雜。

A man in a white costume surrounded by a huge disc, looks, low angle view, nightcore style, dark cyan and crimson, Mecha anime, futuristic color wave, nightmare, intricate.

秒畫的輸出結(jié)果如下：

而Midjourney從不同角度給出了它的“理解”：

單單是在這個“題目”上，個人更傾向于秒畫的作品，構(gòu)圖和意境相對更加完善一些。

最后前衛(wèi)抽象派的水平：

抽象的臉，拼貼。

an abstract face, collage style.

那么對于二者的比較，你覺得誰更勝一籌呢？

不過在實(shí)用性上，秒畫單是在免費(fèi)這一條上，應(yīng)當(dāng)算是更勝一籌了。

其實(shí)秒畫作為預(yù)訓(xùn)練模型，在這樣的對標(biāo)比拼中能夠展現(xiàn)這樣的作畫能力，已經(jīng)十分令人驚喜。

我們還了解到，用戶可以基于秒畫Artist v0.3.5 模型進(jìn)一步訓(xùn)練小模型的功能，目前已經(jīng)在B端開放應(yīng)用了，這樣企業(yè)可以基于秒畫的能力，訓(xùn)練打磨自己的專屬模型。

也讓我們期待這一功能面向C端開放，讓秒畫能夠進(jìn)一步釋放全部實(shí)力。

如何“食用”？

在操作上，秒畫也是非常的好上手。

在官網(wǎng)注冊登陸之后，直接點(diǎn)擊“開始創(chuàng)作”，即可開啟AI作畫之旅。

根據(jù)自己的需要，選擇自行選擇商湯自研大模型（Artist）或各類社區(qū)開源模型，也可根據(jù)風(fēng)格傾向自行LoRA模型。

在圖生圖界面，新版本的秒畫還將ControlNet這一寶藏工具進(jìn)行了整合，用戶無需跳轉(zhuǎn)，直接在“圖生圖”功能下即可使用，進(jìn)階創(chuàng)作更快捷。

是不是很簡單？

如果大家靈感枯竭，也可以點(diǎn)擊“靈感廣場”，進(jìn)行“充能”哦。

例如，匯集了用戶諸多優(yōu)質(zhì)作品，包括完整的提示詞，可以在靈感枯竭的時候“充能”。

并且在模型與數(shù)據(jù)集的選擇上也并非單一不可改，在主頁的上方菜單欄中即可進(jìn)行選擇。

不難看出，秒畫在用戶體驗(yàn)上也是主打的一個“方便易懂”。

怎么做到的？

正如我們前文提到的，秒畫3.5的版本迭代，僅僅耗時3個月。

而追溯到更早的版本，秒畫也在不斷成長：

• 2023年1月：秒畫Artist v0.1.0模型，內(nèi)測上線。
• 2023年4月：秒畫Artist v0.2.0模型，正式上線，是商湯首款基于14億參數(shù)文生圖模型打造的C端應(yīng)用。
• 2023年7月：秒畫Artist v0.3.0模型，參數(shù)量提升至70億，并采用全新的生成模型架構(gòu)。
• 2023年10月：帶有全新美學(xué)引導(dǎo)算法的，秒畫Artist v0.3.5模型，正式公測。

可以看到，近乎是每3個月便有一次版本的更新。

隨之而來的一個問題便是：怎么做到的？

其實(shí)早在半年前，商湯站在AIGC新時代下，圍繞數(shù)據(jù)、算法和算力三要素給出了一個新公式：

計(jì)算量（GPU數(shù)量 x 運(yùn)行時間 x 并行效率 ）=?模型參數(shù)量?x?處理數(shù)據(jù)量。

這個公式側(cè)重體現(xiàn)的是大數(shù)據(jù)和大算力方面的發(fā)力，但除此之外，我們發(fā)現(xiàn)商湯實(shí)則在算法方面也做了不少的工作。

據(jù)了解，秒畫的預(yù)訓(xùn)練模型是由商湯科技基模型研究團(tuán)隊(duì)支撐完成。

過去的幾年中，商湯在大模型結(jié)構(gòu)設(shè)計(jì)、訓(xùn)練優(yōu)化、平臺和數(shù)據(jù)、算力等領(lǐng)域都有長期的深耕與投入，有架構(gòu)設(shè)計(jì)和優(yōu)化方面的豐富經(jīng)驗(yàn)和積累。不但儲備了超過50億的有效圖文數(shù)據(jù)，更發(fā)表10+相關(guān)論文。

例如在上半年提出的RAPHAEL算法，便是通過探究生成模型的內(nèi)在性質(zhì)，設(shè)計(jì)更高效的稀疏架構(gòu)來強(qiáng)化文本理解和生成能力。

簡單來說，這項(xiàng)技術(shù)是通過堆疊數(shù)十個“多專家模型”（ Mixture-of-Experts，MoEs），包括空間維度和時間步維度等等，從而實(shí)現(xiàn)從網(wǎng)絡(luò)輸入到輸出的數(shù)十億個擴(kuò)散路徑。

而這些個路徑，每個都可以視為一個“畫家”， 用擴(kuò)散時間步長將特定文本概念描繪到指定圖像區(qū)域上。

從綜合實(shí)驗(yàn)上來看，RAPHAEL在圖像質(zhì)量和美學(xué)吸引力方面已經(jīng)優(yōu)于當(dāng)時眾多的尖端模型。

在此之后，商湯還在基礎(chǔ)文生圖預(yù)訓(xùn)練模型方向進(jìn)一步探索更高效的基礎(chǔ)網(wǎng)絡(luò)架構(gòu)、大規(guī)模訓(xùn)練優(yōu)化算法、美學(xué)算法引導(dǎo)架構(gòu)設(shè)計(jì)、空間感知的動態(tài)文本尺度控制等算法，提升AI作畫的生成質(zhì)量和能力。

在這般努力之下，也就有了我們目前看到的秒畫3.5版本了。

總而言之，有大數(shù)據(jù)、有大算力、有大模型，算法技術(shù)也在不斷優(yōu)化，商湯能夠讓秒畫每三個月做到版本迭代就不難理解了。

最后，秒畫的地址放下面了，感興趣的小伙伴可以開啟高質(zhì)量、免費(fèi)的AI作畫之旅了~

秒畫入口：
https://miaohua.sensetime.com/