大概半年前，AI 繪畫工具 Disco Diffusion 從 Text-to-Image 開發(fā)社區(qū)和設計行業(yè)，火到了普通用戶的視野中。即便它界面簡陋，滿屏英文和代碼，也“勸退”不了人們。因為對那些沒有任何美術功底的他們來說，往輸入框寫一小段字，就能指導 AI 生成畫面足夠驚艷的畫作。
Simon_阿文用 Disco Diffusion 生成，他輸入的描述詞是 ?? ?? ??｜作者授權
AI 繪畫工具進化的速度，在這半年遠超人們想象。Disco Diffusion 之后，搭在 Discord 群聊上的 Midjourney、OpenAI 擅長寫實的 DALL·E 2、開源的 Stable Diffusion 等工具涌現(xiàn)，它們更強大，更用戶友好，生成一張圖的時間甚至壓縮到了數(shù)秒。
AI 繪畫的熱度被一步步推高。在國內一些電商平臺，你甚至可以看到有零散商家在賣教程。
今天，我們整理了 3 個對普通用戶來說最容易上手的工具：它們中一個專于生成二次元畫作；一個社區(qū)氛圍濃厚，生成圖藝術感極強；一個是國內團隊的產品，這回，你用中文揮灑創(chuàng)意！
Stable Diffusion
特點：被認為是最強的 AI 繪畫工具，已完全開源，市面上還有很多”魔改版“，比如專用來生成二次元人像的 Waifu Diffusion；
事前準備：以下介紹的是 Stable Diffusion 的在線版本 DreamStudio，這種方案對設備沒有要求，只要用瀏覽器打開 https://beta.dreamstudio.ai/dream 即可。
相比 Disco Diffusion，Stable Diffusion 這個在線工具的界面非常簡潔、友好，你打開網站后注冊，然后在底下的輸入框寫好描述語句，點擊“Dream”就能一鍵生成，等待時間僅為數(shù)秒。
描述詞為 A dream of a distant galaxy（圖像主體）, by Caspar David Friedrich（藝術家）, matte painting trending on artstation HQ（繪畫風格）丨界面截圖
界面右側還有一系列的調節(jié)選項，從上到下分別是：
Width、Height：生成圖的長寬尺寸；
Cfg Scale：大概可以理解為是圖像和描述詞（prompt）的匹配程度，高于 20 容易有失真效果；
Steps：模型生成圖片的迭代步數(shù)，每多一次迭代都會給 AI 更多的機會去比對描述詞和當前結果，默認值為 50；
Number of images：生成圖的數(shù)量；
Sampler：擴散去噪算法的采樣模式；
Seed：隨機種子，系統(tǒng)每次產生的隨機種子都不同，所以即使你原封不動搬來了藝術家給的描述詞，也無法生成相同的圖片，但如果他給了你特定的隨機種子碼，就能生成。
基本的配置搞定后，開始做畫作生成中最關鍵的一步——寫描述詞。該怎么寫呢？官方提供了一份入門教程：
先輸入你圖像的對象、主體，比如一只熊貓、一個持劍的戰(zhàn)士，如果只是如此簡單的描述，生成的風格會非常隨機，所以需要描述風格來加以限定；
常被使用的風格有寫實、油畫、鉛筆畫、概念藝術等，你可以指定你要的是一幅畫（a painting of raw prompt）還是一張照片（a photograph of raw prompt）；
加上風格鮮明的藝術家關鍵詞，來進一步明確和加強生成圖的風，比如加上達芬奇、米開朗基羅、莫奈等，另外，官方還建議嘗試混合多個藝術家，這或許可以融合成更讓人驚嘆的效果；
還可以加上一些特定的描述詞，來完成最后的潤色。比如，你如果讓畫面有更逼真的光照，可以帶上“Unreal Engine”，建議的關鍵詞還有 surrealism（超現(xiàn)實主義）、sharp focus（有銳利的對焦）、8k，甚至是“the most beautiful image ever seen”。
在線版本目前調教功能偏弱，比如無法批量生成圖像等，如果你想有更好的生成體驗，可以將已開源的 Stable Diffusion 部署到自己的電腦上，配置要求 RTX 2060 顯卡等 6GB 顯存（及以上）顯卡等。這里不展開了。
自 Stable Diffusion 開源以來，市面上迅速出現(xiàn)了它的各種“魔改版”，其中近期熱度最高的要數(shù) Waifu Diffusion。Waifu 指漫畫、動畫、游戲中的一些女性角色，有些玩家、觀眾喜歡這類角色到了會將她們當成妻子。可見，這是一個專于生成“紙片人”的模型。
界面截圖
只要打開 https://colab.research.google.com/drive/1_8wPN7dJO746QXsFnB09Uq2VGgSRFuYE#scrollTo=1HaCauSq546O，然后點擊上方的“全部運行”，等幾分鐘就能看到描述詞的輸入框。
界面截圖
至于描述詞參考，可以在 Twitter 上搜索“waifudiffusion ALT”，之后你就會看到玩家們的圖像，圖像上如果有 ALT 標識，點開即可找到生成圖的描述詞。
界面截圖
在 Stable Diffusion 上試驗 AI 作畫的人太多了，各渠道累計日活用戶超過 1000 萬。創(chuàng)始人 Emad Mostaque 說，“我們遲早會到達每天生成 10 億張圖片的階段，尤其是當動畫生成的功能被解鎖后。”
現(xiàn)在，甚至有人建起了 AI 作畫關鍵詞相關的搜索引擎，比如 KERA。
界面截圖
目前，KERA 已經收錄了百萬條關鍵詞，比如搜索“Elon Musk”就能得到以上結果，如果對某一個結果感興趣，還可以點進去看看對應的描述語句。
收費標準：有大概 200 張的免費生成額度，之后需要付費購買點數(shù)（生成越復雜，尺寸越大，消耗的點數(shù)越多）
版權要求：可以商用自己創(chuàng)作的圖像，但圖像如果是通過 DreamStudio 生成的，就自動變成了 CC0 1.0 授權，這樣，服務提供商 Stability.ai 也能處理你的圖像，無需付費甚至不會經過你同意，也會一并成為通用公共領域 royalty-free 的圖片資源。如果是你自己部署了開源的 Stable Diffusion，消耗的是你自己的 GPU 資源，那著作權都歸你所有。
Midjourney
特點：可以邊聊天邊生成，社區(qū)氛圍濃重，畫作藝術感強；
事前準備：備好電腦，以及注冊一個通訊軟件 Discord 的賬號，打開 https://discord.gg/midjourney。
點擊上方鏈接進入官方服務器后，你在左側頻道列表中找到任意一個 #newbies 頻道進入，然后在對話框輸入/imagine，在其后出現(xiàn)的填空框里輸入描述詞，按下回車。Midjourney bot 會在 60 秒內生成 4 張圖像。
如圖所示的紅框內，是屬于我們 #newbies 的頻道 | Midjourney 頁面截圖
圖像生成后，下方會附帶 4 個“U”和 4 個“V”選項，U 代表 upscaling（提升清晰度），V 代表 variations（基于已生成圖像的風格再生成四張不同的圖像）。你可以點擊它們進一步優(yōu)化圖像。
描述詞為埃德加·艾倫·坡的塔羅牌，新藝術風格，安妮·麥卡弗里 --s 1250 | Midjourney 頁面截圖
Midjourney 設在一個人聲鼎沸的聊天室，初次接觸 Discord 的人或許會有些暈頭轉向，這里有幾點需要注意：首先，你在公開的頻道里試用時，生成結果是所有人可見的！同時，你的請求可能會混入快速變化的信息流，不要走開！如果真的找不到了，不要慌張，點擊右上角的收件箱找回你的請求。
任意時間點進去，都有很多人在跟你一起玩 | Midjourney 頁面截圖
對于描述詞，官方給出了一些建議：
使用已經存在大量視覺圖像的物體，比如 Wizard（巫師）、Angel（天使）、Rocket（火箭）等；
使用風格、藝術家、繪畫媒介作為提示詞，比如賽博朋克、達利、吉卜力、水墨畫、雕塑等；
避免否定句，因為模型通常會無視它，比如當你輸入“一頂不是紅色的帽子”，模型看到的更可能是“帽子”、“紅色”；
使用單數(shù)或具體數(shù)字，而非“一堆”、“很多”、“一些”；
避免空泛概念，你知道的，就是老板開會時經常會說的那些，以及甲方的需求。
火龍，但是建筑草圖風格
真正的“高玩”還可以加入一些“黑話”，也就是一系列以“--”為前綴的提示詞為圖片設定條件。比如，輸入--ar 16:9”，圖片比例會變成 16 乘 9；輸入“--s”加一個數(shù)值，你可以決定 AI 要在風格化這條路上走多遠，數(shù)字越大越離譜，--s 60000，天知道會發(fā)生什么！”
實在寫不動描述詞了，或者某張圖片符合你想要的感覺，也可以直接把圖片鏈接寫進描述詞里。
看看別人是怎么寫的是個很好的學習渠道。當然，你也可以隨時在 #prompt-chat 頻道禮貌請教：我想生成特定樣式的圖像，該用怎樣的提示詞呢？或者常在官方畫廊（https://www.midjourney.com/showcase/）那里逛逛，可以參考自己與別人生成的作品。
與別的模型相比，Midjourney 以其藝術性聞名。有人如此評價，“Midjourney 就像一個有它自己風格的藝術生?！鄙砩细街砂偕锨囆g家先輩的魂靈。
從生成結果也能看出，不管你輸入什么，Midjourney 都更傾向于給你輸出一幅繪畫一樣的圖像，而不是假照片。比如，同樣是面對描述詞“女孩發(fā)現(xiàn)生命的意義”，Midjourney 和 DALL-E 得到的分別是以上的樣子｜https://dallery.gallery/midjourney-guide-ai-art-explained/
這也讓它備受美術領域青睞，此前廣受爭議的在數(shù)字藝術比賽上獲獎的作品《太空歌劇院》就是由 Midjourney 生成（后用 Photoshop 潤色）。
《太空歌劇院》｜Jason Allen
新平臺層出不窮的情況下，讓 Midjourney 仍能保持吸引力的是它的超級社群——目前人數(shù)已經超三百萬，遠超原本占據(jù)頭部的 Minecraft 和《堡壘之夜》。在紅杉總結的當前 AIGC 創(chuàng)業(yè)圖譜中，只有 Midjourney 同時具備了圖像生成和消費者 / 社交兩項特性。
社群里，人們會自發(fā)地為新手答疑解惑，互相稱贊，大方分享自己使用的描述詞。官方也會定期發(fā)起主題創(chuàng)作，舉行 Office Hour。用創(chuàng)始人的話說，他想讓人們體驗“一起做一件事”的快樂：你“畫”出一只“狗”，有人會添一筆把它變成“太空狗”，緊接著有人把它變成“阿茲特克太空狗”……
你能不能在 Midjourney 里用中文呢？也不是不可以，但它似乎不是很懂。
收費標準：任何人都可以免費在公共頻道生成 25 張圖片，之后繼續(xù)使用需要會員訂閱?；A會員價格為每月 10 美元，可生成 200 張圖片；標準會員為每月 30 美元，生成次數(shù)不限。
版權要求：公共頻道里生成的作品默認為 CC BY-NC 4.0 版權，意味著他人可任意使用或改動你的這些作品。付費用戶可以任意商用生成的圖片，但有一個例外，如果是一家年收入超 100 萬的公司在使用，就需轉而訂閱企業(yè)會員。
6pen
特點：支持用中文描述，還列出了很多藝術家和風格限定詞供參考；
事前準備：在 iOS 平臺下載 app，或者打開 https://6pen.art/ 直接在網頁生成。
Disco Diffusion 大火之后，國內一些團隊開始嘗試降低其使用門檻，將它產品化，比如說重整 UI、提供云端算力、對模型做 finetune（微調）等。6pen 就是其中一支團隊。
6pen 基于市面上已有的開源模型 Latent Diffusion 和 Disco Diffusion，做了自研模型，還根據(jù)生成速度和體量，分別研發(fā)了擅長小體量、簡單場景的南瓜模型，和擅長復雜場景，但響應速度較慢的西瓜模型。官方表示，相比原版，自研模型比較重要的優(yōu)化部分，是提高分辨率和支持中文。
6pen 很自信，在合適的文本描述和風格修飾下，他們相信 6pen 可以實現(xiàn)不輸于 Midjourney 甚至 DALL·E 2 的效果。
界面簡潔，引導細致，還列出了很多藝術家和風格限定詞供參考丨app 界面截圖
官方自己有一份非常詳細的使用教程，手把手教，親切地像生怕你學不會的老母親。
我們整理了這樣一些建議：
你可以直接使用中文描述！
描述詞要具體，講出你要的物體和它的特征，但物體不要太多，兩到三個就好；
放棄描述情緒和事件，模型不會懂什么是“她愛不愛我”并畫下來；
視角、細節(jié)和紋理、物體占據(jù)畫面的大小、色調、畫面特點、年代、渲染 / 建模工具，這些是模型可以處理的信息；
如果點選的參考藝術家畫過很多裸體，會有概率出現(xiàn)純黑的圖片（系統(tǒng)判定你在“搞黃色”）；
描述詞之外，可以加入畫面類型、藝術家、尺寸等信息，他們有點像濾鏡，能讓你的畫看起來更像那么回事兒；
如果你有繪畫基礎，可以自己畫底稿，再由 AI 在你的基礎上描繪具體場景，底稿建議使用色塊和形狀而非純線稿，因為 AI 不會自動填色。
官方給的描述詞案例丨界面截圖
此外，6pen 還會返回每個生成過程的迭代圖，Loss 曲線，甚至電量消耗等數(shù)據(jù)，讓用戶更好了解生產過程，幫助改進。
在等待生成期間，6pen 會讓你為一些生成作品投票，看看哪張作品效果更好。這時你會覺得自己像一個給 AI 的打工者，幫助模型升級進步。
6pen 的創(chuàng)始人王登科指出過 AI 繪畫技術目前的不足，比如人的肢體（主要是手指）和眼球效果較差，多主體對象生成效果差，也無法進行有邏輯延續(xù)的故事性生成。
收費標準：可以免費排隊生成，也可以付費快速生成，價格為 0.1 元起；
版權要求：6pen 的自研模型都采用 MIT 協(xié)議開源，生成出來的圖片版權完全授權給生成者本人。6pen 也支持采用 CC0 協(xié)議的 Stable Diffusion，這時產生的作品版權就不由生成者獨享了。生成者如果使用了還在世的藝術家作為畫面參考，且生成作品的風格與藝術家相似，也可能存在版權爭議。同理，如果使用了參考圖，且參考圖并非原創(chuàng) (如攝影、繪畫)，那么生成的結果也存在版權爭議。
AI 繪畫還在狂奔路上，現(xiàn)在這些工具解決的是“寫寫字就能畫畫”，未來可能會進一步解決“寫寫字就能畫多好”的問題。
隨著這些工具的基礎功能，以及背后的模型逐步完善，我們要爭的，就是如何寫 prompt 了。
那天，我看到有人問“prompt 這個詞現(xiàn)在有中文翻譯了嗎？”底下有人回答，“咒語?！?/strong>
參考文獻
[1] 中國 AI 繪畫行業(yè)調查報告——技術，用戶，爭議與未來 https://mp.weixin.qq.com/s/CSdAfew2wPbt2yhsNWav8g
[2] 當下最強的 AI art 生成模型 Stable Diffusion 最全面介紹 https://mp.weixin.qq.com/s/Q4ZYjUxt22Jsx2W2179C8Q
[3] @Simon_阿文 的微博“這是我所知道的關于 AI 繪畫的一切” https://share.api.weibo.cn/share/342626167,4780343335326874.html?weibo_id=4780343335326874
[4] https://midjourney.gitbook.io/docs/
[5] https://www.nytimes.com/2022/09/02/technology/ai-artificial-intelligence-artists.html
[6] https://tokenizedhq.com/midjourney-copyright-commercial-use/#:~:text=Can%20I%20use%20Midjourney%20commercially,Midjourney%20for%20any%20business%20purpose.
作者：翁垟、睿悅、biu
聯(lián)系客服
