一个产品经理的AIGC实践纪要-绘画篇

不要望文生义、不要似是而非、不要以偏概全。

AIGC发展到什么地步了？一个产品经理能用它做到什么地步？这里用个人实践告诉大家。

 0、前言  

    本文是AI绘图篇，文中图片基本为本人操作生成。

    AI绘图现主流是两派：高完成度且商业化的Midjourney（大部分AI头像来源），开源的Stable Diffusion（大部分的AI绘图工具基于它搭建）。

    二者底层原理是一样的，只是呈现到用户的应用层交互、交付不同。

 1、底层原理  

    AI绘画是一种拼凑吗？如你认为AI做到的只是类似“把A画的鼻子、B画的嘴巴…排列组合成一个人”这种拼凑，那可以肯定地说：不是。

    AI绘画的底层原理是扩散模型——AI通过学习现有作品的“清晰<->模糊<->文本”阶段（ 实际更复杂），反向学会凭文/图就能进行“画面想象”。当让它画一个人时，它的想象顺序如下：

        想象一个人的轮廓-》想象模糊图像-》想象更多细节..-》完成想象

 2、基本应用  

    0和1两个数，可排列组合成各式各样的程序。万物无论大尺度还是小尺度看，都有它的基本组成单元。

    AI绘画应用层面上的基础单元是什么？文本和图片、图片和图片间关联

    1）文生图

        你可通过几个prompt（关键词）+模型就生成出来一张图片，当有更定制化的需求（如让她看向观众），只需改下prompt就能达成：

    2）图生图

    你可以给出一张图片 or 某张图片的seed，加上文本（非必要）描述生成出这张图片的变种（是的，人民群众最爱的头像制作）。这里用刘亦菲的鲜花头像尝试生成新的头像：

       同时，图生图有个基础的应用是，将模糊的图片变得更加清晰、局部改图（如只改掉刘亦菲的脸，其它地方不改），此类应用并不新鲜，不在此展开。

 3、基础应用 - 持续改进  

    1）文本理解：使用更自然的语言，而不是prompt

        “十年以后，全世界有50%工作会是提示词工程（prompt engineering），不会写提示词（prompt）的人会被淘汰。”=》个人反驳：prompt是新技术出现的阶段性特定产物，也可能很快被自然语言淘汰。

        现已可通过自然语言生成prompt （如通过GPT）或 直接通过自然语言生成图片。如只需用“a woman holding a bouquet of pink roses in her hands and looking at the camera with a serious look on her face”这段话，也能生成如下效果：

    此时问题来了：写一个prompt 或 一段话也太麻烦，能不能用一张类似的图片直接提取出来参考？=》可以的，上面那段话就是通过现有技术拿刘亦菲头像生成出来的文字，一字不改。

    2）图片（模型）：更高质量、更自定义

        去年10~12月时的ai绘画模型质量参差不齐，如今模型质量已突飞猛进。除质量提升，你甚至可以用很低的成本（几张图）就DIY出一个属于自己的模型，该模型可生成出相当稳定的、特色效果。以下是一个网友们DIY的几个热门模型：       

        只需下载下来，通过简单的prompt，就能生成跟它相近的效果：

 3、进阶应用  

    1）无限扩大图片（Infinity）

        “无限扩图”是在“图生图”基础上演变出来有趣的应用——你可圈定一张图+空白区域，让AI填充空白，以此重复生成一张无限大的图片：

        上图就是我把梵高的《阿尔夜间的露天咖啡座》不断补全，补出一张《阿尔夜间的长街》过程和结果图，效果还是高于预期的。

    2）精确控制图片（Controlnet）

        想要一个人物就按照我指定的姿势出现，用文字 or 图片怎么描述都不精准，怎么办？Controlnet满足你，只需通过一张图可反向生成骨架、手势等图，再将这些图结合模型，就能生成出一样动作的人物图片：

    3）连续的N张图片=视频（Mov 2 Mov）

       众所周知，一个视频是由很多帧图片组成。那么如果把一个视频的每一帧图片都用上图生图，不就可以用视频生视频？=》是的，你可以这么做到。以下中间视频是我基于上半部分视频+prompt一次性生成的效果：

      同理是否可以文字生成出视频？毫无疑问，现如Runway、Google的Dreamix等产品已实现类似效果。

    4）三视图+3D底模=3D模型

          如题，AI绘图是否可生成一个角色的三视图，这样我就可以用该三视图通过一些工具转化为3D模型呢？可以的，通过prompt就能达成，如下：

 4、与工具的结合

    你现在可以直接在Photoshop等越来越多工具增加插件调用 或 直接调用AI绘画 能力。所使用的能力与上述没太大差别，更多的是场景结合带来了工作流效率提升，就不在此展开了。

 5、总结：一张图说明  

       用抽象的一张图总结上面1-4的内容：

 6、尾言  

    此时应该开始瞎**畅想一番，但说实话人类最不缺乏瞎想，就不展开了。你与我能想象到的没有什么不同，从物质角度上来说只是消费了一点能量在脑海构造了几个画面，然后呢？由别人的想象带来的焦虑更是毫无意义。

    可能有意义的是你我新增长了一点真实的知识 or 你我参与其中一步步把想象变成为了现实。共勉！