當(dāng)AI有了審美靈魂，作畫(huà)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(hào) QbitAI

家人們，咱就是說(shuō)，又被國(guó)產(chǎn)AI作畫(huà)給狠狠驚艷到了！

不僅是在AI作畫(huà)的審美水平和專(zhuān)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(huà)小姐姐特別方便（bushi）！

話不多說(shuō)，直接來(lái)欣賞一組照片：

如果不說(shuō)是AI生成的，相信很多小伙伴會(huì)以為是俊男靚女的真人寫(xiě)真了吧。

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

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

這便是來(lái)自商湯科技最新升級(jí)的AI文生圖領(lǐng)域的預(yù)訓(xùn)練模型——秒畫(huà)Artist v0.3.5 版本，而且還是時(shí)隔僅3個(gè)月迭代出來(lái)的新版本。

我們知道，預(yù)訓(xùn)練對(duì)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(lái)進(jìn)行訓(xùn)練，從而在某一個(gè)垂類(lèi)領(lǐng)域可以達(dá)到非常出色的作畫(huà)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(huà)效果并不會(huì)太突出。

那么秒畫(huà)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(lái)，就讓我們從各個(gè)不同領(lǐng)域，深入來(lái)了解一下它的真實(shí)水平。

攝影級(jí)AI作畫(huà)體驗(yàn)實(shí)錄

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

那么接下來(lái)，就開(kāi)啟我們的多輪測(cè)試吧~

猜猜誰(shuí)是真人

我們先來(lái)看下這兩張照片，你是否能猜到哪張是真人呢？

無(wú)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(lái)公布答案——右圖正是由秒畫(huà)生成的AI畫(huà)作。

而且提示詞也是極其的簡(jiǎn)單：

中國(guó)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(huà)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(guó)男孩，肖像照，黃色的花朵，白光，陽(yáng)光進(jìn)來(lái)，光影。

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

我們?cè)偌哟箅y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(jí)真實(shí)感，細(xì)節(jié)，杰作，大師攝影作品。

毫無(wú)壓力完成畫(huà)作！所以不難看出，秒畫(huà)在專(zhuān)業(yè)攝影水平上是過(guò)關(guān)的。

利好二次元愛(ài)好者

自打AI作畫(huà)火爆起來(lái)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?cè)賮?lái)看下秒畫(huà)在二次元上的“功力”如何。

先“投喂”幾段國(guó)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(dòng)態(tài)，糾纏著紅色和金色的錦鯉，超現(xiàn)實(shí)的油畫(huà)，廷德?tīng)栃?yīng)，水滴，夏天，夢(mèng)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?tīng)栃?yīng)、最佳質(zhì)量。

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

再來(lái)：

二次元，中國(guó)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(guó)漫風(fēng)水準(zhǔn)。

我們繼續(xù)上難度，若是把“賽博朋克”和“中國(guó)武俠”來(lái)個(gè)混搭，秒畫(huà)又該如何接招？

動(dòng)漫，中國(guó)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(dòng)作皮膚，精致五官，漢服機(jī)甲，投影全息顯示。中國(guó)武術(shù)動(dòng)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(xiě)實(shí)、寫(xiě)實(shí)細(xì)節(jié)、微小細(xì)節(jié)、細(xì)致描繪、未來(lái)主義、3D渲染、虛幻引擎、超高清、8K。

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

接下來(lái)，我們?cè)俅笞冿L(fēng)格，再來(lái)個(gè)lol同好們，最喜歡的金克絲同人畫(huà)創(chuàng)作：

如何？是你心目中的金克絲嗎？

再來(lái)一個(gè)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(lái)自漫畫(huà)美少女戰(zhàn)士，繪畫(huà)，筆觸。

宛如動(dòng)畫(huà)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(huà)之后，我們?cè)賮?lái)測(cè)試一下秒畫(huà)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(yè)面，低角度，膠片圖像，融化，劃痕，刺穿，撕裂，抽象。

不得不說(shuō)，當(dāng)看到這幅作品的時(shí)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(lái)看幾組腦洞大開(kāi)的未來(lái)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(guò)多輪測(cè)試，我們可以發(fā)現(xiàn)，秒畫(huà)Artist v0.3.5模型，作為一個(gè)基礎(chǔ)的預(yù)訓(xùn)練模型，不僅保持了很好的泛化性，在畫(huà)面的細(xì)節(jié)效果上也有很優(yōu)秀的表現(xiàn)，在某些垂類(lèi)的作畫(huà)領(lǐng)域，甚至可以達(dá)到與LoRA模型相媲美的效果。

與Midjourney同臺(tái)競(jìng)技

在縱向看完秒畫(huà)的最新能力之后。相信很多人希望我們請(qǐng)出來(lái)更具挑戰(zhàn)性對(duì)手——Midjourney。

我們做比較的方式非常簡(jiǎn)單粗暴：同樣的提示詞，直接比效果。

我們第一個(gè)提示詞是：

一位美麗的異域女子，蓬松飛揚(yáng)的長(zhǎng)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(huà)給出的作品結(jié)果如下：

Midjourney給出的效果是這樣的：

不得不說(shuō)，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(lái)動(dòng)漫與科幻結(jié)合的比拼：

一個(gè)穿著白色服裝的男人被一個(gè)巨大的圓盤(pán)包圍，看起來(lái)，低角度視圖，夜核風(fēng)格，深青色和深紅色，機(jī)甲動(dòng)漫，未來(lái)派色波，噩夢(mèng)，錯(cuò)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(huà)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(gè)“題目”上，個(gè)人更傾向于秒畫(huà)的作品，構(gòu)圖和意境相對(duì)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(duì)于二者的比較，你覺(jué)得誰(shuí)更勝一籌呢？

不過(guò)在實(shí)用性上，秒畫(huà)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(huà)作為預(yù)訓(xùn)練模型，在這樣的對(duì)標(biāo)比拼中能夠展現(xiàn)這樣的作畫(huà)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(huà)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(kāi)放應(yīng)用了，這樣企業(yè)可以基于秒畫(huà)的能力，訓(xùn)練打磨自己的專(zhuān)屬模型。

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

如何“食用”？

在操作上，秒畫(huà)也是非常的好上手。

在官網(wǎng)注冊(cè)登陸之后，直接點(diǎn)擊“開(kāi)始創(chuàng)作”，即可開(kāi)啟AI作畫(huà)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(lèi)社區(qū)開(kāi)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(huà)還將ControlNet這一寶藏工具進(jìn)行了整合，用戶無(wú)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(jiǎn)單？

如果大家靈感枯竭，也可以點(diǎn)擊“靈感廣場(chǎng)”，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(shí)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(yè)的上方菜單欄中即可進(jìn)行選擇。

不難看出，秒畫(huà)在用戶體驗(yàn)上也是主打的一個(gè)“方便易懂”。

怎么做到的？

正如我們前文提到的，秒畫(huà)3.5的版本迭代，僅僅耗時(shí)3個(gè)月。

而追溯到更早的版本，秒畫(huà)也在不斷成長(zhǎng)：

• 2023年1月：秒畫(huà)Artist v0.1.0模型，內(nèi)測(cè)上線。
• 2023年4月：秒畫(huà)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(huà)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(huà)Artist v0.3.5模型，正式公測(cè)。

可以看到，近乎是每3個(gè)月便有一次版本的更新。

隨之而來(lái)的一個(gè)問(wèn)題便是：怎么做到的？

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

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

這個(gè)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(huà)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(guò)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(tái)和數(shù)據(jù)、算力等領(lǐng)域都有長(zhǎng)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(chǔ)備了超過(guò)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(guò)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(lái)強(qiáng)化文本理解和生成能力。

簡(jiǎn)單來(lái)說(shuō)，這項(xiàng)技術(shù)是通過(guò)堆疊數(shù)十個(gè)“多專(zhuān)家模型”（ Mixture-of-Experts，MoEs），包括空間維度和時(shí)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(gè)擴(kuò)散路徑。

而這些個(gè)路徑，每個(gè)都可以視為一個(gè)“畫(huà)家”， 用擴(kuò)散時(shí)間步長(zhǎng)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(lái)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(shí)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(dòng)態(tài)文本尺度控制等算法，提升AI作畫(huà)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(huà)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(huà)每三個(gè)月做到版本迭代就不難理解了。

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

秒畫(huà)入口：
https://miaohua.sensetime.com/