量子位 | "大众年夜众号 QbitAI
家人们，听说了吗？
最近在“一句话天生画作”这个圈子里，又一个AI工具悄然火起来了。
不是你以为的Disco Diffusion、DALL·E，再或者Imagen……
而是全圈子都在讲中国话的那种。
瞧，已经入圈的小伙伴们，都开始纷纭晒自己搞出来的精品了：
从网友们上传的诸多画作来看，这个AI可以cover的风格还真不少。
脑洞大开的《熊猫骑摩托》，中国山水画里的春天小雨，绚丽的观点插画《亚特兰蒂斯》，乃至一只黑白色调的戴帽子吸烟的狗……
那这个既能支持中文，又能hold住浩瀚画风的AI工具，到底是什么来头？
不卖关子。
它的庐山真面孔，正是百度最新对外发布的一款中文作画AI——文心·一格。
类似这种“你说我画”的AI，听说在国外已经火了很长一段韶光。
现在终于等到了个国产版的，那么它到底好不好用呢？
「文心·一格」的初体验既然在这个圈子盛行讲中文，那咱就先从“中国风”开始上手。
例如输进去极具古典韵味的“江南水乡”，然后在方向和风格上选择“传统”、“中国风”。
仅需等待少焉韶光，“啪的一下”，一幅符合语义和风格的画作就出身了：
嘿~还别说，这画还真有一股子“小桥流水人家”的味道。
既然是国风，那就更传统一点，直接输入一句古诗词，看文心·一格会作何反应：
云深不知处。
整体来说，这幅画作确实是把“云之深”韵味展现得到位了。
据理解，文心·一格还可以连续加大难度。针对AI图像天生技能的资深用户，一格即将开放高等自定义功能，支持文本描述结合参数设置的办法探索更多创意。
当然，也可以在”艺术家佳构画廊”里先浏览下内测用户已经天生的图片，像下面这张：
讲真，若非知道这是AI创作的，第一眼还以为是哪个动漫中的场景，是有够残酷的了。
还有下面这一张，也同样称得上是惊艳绝伦。
但正所谓“货比三家”，那么文心·一格作为AI作画这条赛道的“后起之秀”，和国外的产品比较又如何呢？
下一个寻衅环节，便是海内AI vs. 国外AI——恶犬咆哮。
较为明显的是，Disco Diffusion的风格更趋向于狂野；而文心·一格则是更倾向现实主义一些。
再拿文心·一格和DALL·E 2做个比较——毕加索风格的猫：
在看完这两者的创为难刁难比，你以为谁家的更毕加索一些呢？不过在这般效果背后，对应的问题也随之而来：
要天生风格更全面的图片，文心·一格的用法会更繁芜吗？
懂中文，也懂“我们从操作界面、提示词哀求和性能哀求几方面，对Disco Diffusion和文心·一格等AI画画产品进行了大略比拟。
操作界面上，Disco Diffusion开放的接口不能说很繁芜，但确实有点门槛。
它直接在谷歌Colab上运行，须要申请账号后利用（图片天生后保存在云盘），图像分辨率、尺寸须要手动输入，此外还有一些模型上的设置。
好处是可变动的参数更多，对付高端玩家来说可操作性更强，只是比较适宜专门研究AI算法的人群：
比较之下，文心·一格的操作只需三个步骤：输入笔墨，鼠标选择风格&尺寸，点击天生。
前文已经提到，文心·一格同样也具备Disco Diffusion的“高等自定义”功能，随后便会开放，对付想拥有更多“参数自由”的小伙伴们来说，同样是个不错的选择。
至于提示词，Disco Diffusion的设置还要更麻烦一些。
除了描述画面的内容以外，包括画作种别和参考的艺术家风格也都得用提示词来设置，常日大伙儿会在其他文档中编辑好，再直接粘过来。
关键一旦提示词设置得不好，天生的效果就不尽如人意，须要反复考试测验、不断细化，AI终极才能天生得当的画面效果。
比较之下文心·一格倒是没有格式哀求，输入150字的句子或词组都可以：
当然，输入画家名字如莫奈，也能输出对应风格：
末了是性能哀求上，Disco Diffusion是有GPU利用限定的，每天只能免费跑3小时。抱抱脸（HuggingFace）上部分AI文生图算法的Demo虽然操作大略些，但一旦网速弗成，就随意马虎加载不出来：
△测试mini DALL·E时加载就失落败过
比较之下，文心·一格除了利用高峰期以外，基本上都是2分钟就能天生，对利用设备也没有哀求。
总体来看，同样是笔墨天生图片AI，实际比较文心·一格的“真·一句话天生图片”，DALL·E和Disco Diffusion的天生过程都不太轻松。
以是在这背后，文心·一格天生图像，究竟是基于一个若何的逻辑？
我们以输入“云深不知处”为例，希望能输出一幅中国风的画作。当吸收到这几个字词（query）后，AI的脑细胞就开始“运作”了起来，从语法、词法、语义等角度对文本进行剖析。
如果将天生过程可视化，这个阶段还看不出什么效果，处于AI理解文本的阶段：
很快，AI“拆解”文本后，理解要怎么画这幅画了，于是在特定尺寸（用户可选）的画纸上，构思出整体的轮廓，兼具云的元素和中国画的风格：
随后，基于扩散天生模型的事理，迭代地完善并改动画面细节，不断提高清晰度、反复检讨图文描述同等性，用更精确的配色替代噪声：
末了，天生名为《云深不知处》的完全画作：
看似“一句话天生图片”不难，实在对AI语义理解和图像天生能力提出了进一步哀求。
为了能更好地理解文本、提升输出效果，文心·一格还在百度文心的图文天生跨模态模型ERNIE-VilG的根本上，进行了更详细的优化。
为了提升图文理解能力，在知识增强的根本上，引入跨模态多视角比拟学习；
为了降落输入哀求同时提升效果，采取基于知识的文本遐想能力，让模型学会自己扩展提示词的细节和风格；
为了提升图像天生能力，采取渐进式扩散模型演习算法，让模型来选择效果最好的天生网络。
此外，在演习和数据上，文心大模型的家当级能力也进一步给文心·一格供应了帮助，例如AI演习数据和平时在家当实践中积累的履历，都能运用到文心·一格的模型中去；至于百度知识图谱的算法能力，则进一步提升了模型通用性。
值得一提的是，如果开拓者想将文心·一格的能力用到产品中，直接调用ERNIE-VilG的API接口就行，可以说是非常方便了。
One More Thing我们在试玩文心·一格的时候，还创造了左下角这些故意思的运用处景，一键就能天生预览：
例如，颇有自若风格的装饰画：
老板批量发年货时印的编织袋（手动狗头）：
实在，这也是文心·一格差异于Disco Diffusion、OpenAI的DALL·E 2的另一个特点——更强的实用性。
不仅普通玩家可以用来天生自己想画但画不出来的内容，绝不会有两幅相同的画作，脑洞再放大点，就连媒体作者等笔墨内容创作者，也能用它高质量高效率配图。
（嗯，往后你看量子位的文章，说不定有些配图便是用AI天生的）
专业画师、或是设计师和艺术家，更可以用它来启示灵感、赞助创作。
当然，从官网看来，这个产品还在更新迭代、进一步优化中。
至于未来是否会在更多数字藏品、插画、海报和电影动漫中，瞥见文心·一格的画作？
我们拭目以待。
— 完 —
量子位 QbitAI · 头条号签约
关注我们，第一韶光获知前沿科技动态