作為一名自詡“賽博寫手”的無名小編，在完成每天的工作之余，就是在各類Ai繪畫社群與某鳥上沖浪，最近一段時間的“Meme時刻”（就是常說的高光時刻）明顯已經過去了，與之伴隨的Ai整體熱度也開始下滑，沒有3月初期那種一刷信息流就全是Ai內容的“擁擠感”。

百度的Ai搜索指數(shù)

谷歌的Ai關鍵詞全球搜索指數(shù)（這越南有點東西啊）

其實這也是好事，任何獨特新鮮技術的“誕生時刻”都是惹人關注的，但想要真正有所建樹，還是需要時間的沉淀，哪怕是Ai技術的迭代是普通科技產品的指數(shù)級倍數(shù)。比如最近，谷歌的開發(fā)者大會上，劍指微軟系（/Bing/）的模型發(fā)布，不僅擁有與GPT4相抗衡的語言能力，同時還打了一套Ai組合拳來維系谷歌科技龍頭的地位。

圖片源自互聯(lián)網

模型有四個版本，按照大小從小到大分別是、、和。其中，輕量級的模型可以快速的在移動設備上運行，無需網絡連接。在超過100種語言的語料庫上進行訓練，因此它在處理多語言任務上表現(xiàn)優(yōu)異，能理解、生成和翻譯更精細、多樣化的文本。在一些基準評估中，部分成績甚至超過了GPT-4。盡管的參數(shù)數(shù)量更少，但其性能卻優(yōu)于上一代PaLM模型。

谷歌bard對話模型進步比較明顯，應該已經使用了模型

可見在短短的幾個月中，由算法、算力組織起來的Ai智慧樹已經從一棵小樹苗長成一棵碩果累累的巨樹，至于這棵樹會不會成為未來人類科技的“智慧之母”，還是要等待與辯證地看待。

丨Ai繪畫

回歸到標題上，最近在C站發(fā)現(xiàn)了一個運行在上的新模型，名字叫做BRA(ians)V5直譯為美麗逼真的亞洲人，點擊查看其效果照片，非常驚艷，不少用戶展示出的作品都能達到照片級別，于是我就下載嘗試玩玩。

圖片源自互聯(lián)網

根據該模型的創(chuàng)作者介紹，該模型使用了大約3個月的訓練失敗以及訓練合并的結果。該作者是一位在新加坡的華人，會說一點點中文與日文。

使用和該模型制作者交流一下使用心得

下面是我利用該模型配合一些特定的產出的效果圖片，部分圖片由于原生精度與分辨率不足，我利用推薦的放大軟件進行了分辨率擴展，大家可以來看看這些Ai產出的圖片是否很具有迷惑性。

丨

部分：8k,,,.2)ay

丨

丨

丨

丨

部分：,,,,,8k,

丨

丨

丨

部分：ter,,,,,

丨

丨

部分：,,,,，,

丨

丨

部分：,,,,,,，，,,8k

丨

丨

部分：,,,,50mm,F1.2,,,,

丨

丨

丨

部分：,,,,F1.2,,

丨

部分：,,,,,,

是不是感到很驚艷，不僅僅是屏幕前的大家，就算訓練過千張Ai圖片的我，當看到光線、五官、表情與神態(tài)與照片幾乎無差別的Ai生圖時也是激動得不行，要知道就在20天前我們在做《顯卡Ai算力大比拼，想畫Ai女友該怎么選？》時畫出的Ai女友也就僅僅長成這樣：

雖然也是非常美麗動人，但一眼就能覺得這是Ai出圖，在臉部與皮膚的生成上，Ai非常傾向給出非常完美的“光線效果”，讓皮膚的顏色、光感都處于絕佳狀態(tài)，眼睛與嘴唇的細節(jié)處理也偏向于極致，眼妝與口紅的色號也都是使用了“婚禮級別”，讓圖片中的女生雖然光彩動人，但是太過于“完美”，少了真實感。

但在中，在生成人像時，Ai模型甚至會刻意避開臉部的細節(jié)光線，讓圖像中的臉部處于陰暗面或者側光面，同時在臉上加入了不少“瑕疵”，比如明顯的血管紋、痘痘、雀斑等來增加人像的真實感。

圖片中的女生甚至有抬頭紋，膚色也相對更偏向真實，另外人臉的骨骼結構也更偏向真人

在該張中，女生的眼袋與雀斑也是比較明顯，同時不會出現(xiàn)Ai經典的假笑

同樣的，臉部會出現(xiàn)一些血管紋、印記等瑕疵來烘托真實感

臉部會有明顯的高光與陰影區(qū)域，符合在真實光線與攝影環(huán)境中的出圖

這樣的照片也成功騙到了我的朋友們，雖然他們已經給我打上了“我發(fā)的女生99%都是Ai畫的”標簽，但依然這幾組成功唬到了不少人。

看來，在可預見的未來，喜歡好看妹妹的男生們不僅要防過度美顏大法還要警惕Ai美女的以假亂真，這也從側面反映了，當前的Ai生圖技術的強大，那么目前流行的和的Ai繪圖軟件到底是怎么理解文字，然后生成這樣的圖片的呢？

丨

接下來就來為大家揭開Ai畫圖的奧秘，但其中會涉及大量的技術類名詞，為了更方便大家的理解，我會用大量的比喻來代替。

教學時刻

使用過和的小伙伴都應該清楚，Ai繪圖都一個從“模糊到清晰”的過程，不論是基于本地的還是基于線上高性能服務器的。

這模糊到清晰的過程就是當前Ai繪畫的主流手段-（擴散模型），簡單點說，Ai繪畫會先把圖片進行“降維”然后訓練，這個降維的過程很像是大家平時使用的榨汁機，將一個蘋果放在榨汁機里去打碎了，變成蘋果泥，然后吃一口，記住蘋果泥的味道，從而知道這個味道的果泥就是蘋果。

丨Ai繪畫

而Ai則是將圖片進行“嚼碎”（加噪點）來變成一組組的馬賽克圖片，這樣的用意是在有限的算力下盡可能地多學習幾組圖片，多生成幾組圖片。因為馬賽克的數(shù)據值是精確圖片的1/100甚至1/1000.

那現(xiàn)在知道了Ai是如何快速學習圖片的，那如何生成呢？還是拿蘋果泥舉例，在我們吃過了許多的果泥，比如蘋果的、西瓜的、哈密瓜的、香蕉的，我們即使蒙上眼睛，只需要通過一點點的果泥就能分辨這個水果，然后回答出來。

丨Ai繪畫

Ai也是重復類似的過程，通過大量的圖片加噪點得到的馬賽克圖片，Ai也總結出了這個馬賽克是貓、那個馬賽克是狗之類的規(guī)則（具體邏輯比較深，不做贅述）。那就可以通過馬賽克來反向還原圖像，這一步就叫做反向擴散。

那么，Ai是如何理解我們的語言，并根據我們的想法畫出“我們想要的小姐姐”的呢？過程中需要將文本進行“分詞器”然后進行“clip”再進行“嵌入”，就可以讓機器學習、認識到了！謝謝大家！

好了，不鬧了。這些拗口且復雜的概念應該留給更加專業(yè)的小伙伴去學習，我們只需要知道，Ai（不管是繪圖的，還是GPT類型的）都是通過將文字“降維”的方式來理解并學習，有點像是上述提到的“蘋果泥”概念，Ai會將用戶輸入的文本拆分為更小的單元（詞或字符），然后將分詞后的文本轉換成數(shù)學向量，這樣模型才能更好地理解和處理。

Ai理解就是將文本碎片化、數(shù)字化丨丨Ai繪畫

然后就要用到轉換器模型（）：這是一個能夠處理序列數(shù)據（如文本）的深度學習模型。它通過捕捉文本中的依賴關系和上下文信息，為生成圖像提供豐富的信息。類似于專業(yè)的語言學家來幫計算機處理文本的關系，比如用戶輸出“可愛的貓”，不至于出現(xiàn)“貓的愛可”這樣的計算機識別錯誤。

轉換器模型就是將成堆的拼圖碎片轉換成一張張完整的拼圖丨丨Ai繪畫

理解完文本，就到了畫畫的過程了，就要用到噪聲畫畫這個概念，如同吃水果泥來辨別水果，噪聲預測器（）：這一步利用轉換器模型提供的信息，逐漸生成圖像。通過迭代過程，噪聲預測器會從粗糙的圖像開始，逐步細化細節(jié)。這就是為啥我們看到的Ai畫圖都是從模糊到清晰的過程。也像是一個畫家根據一段描述開始創(chuàng)作，先繪制大致輪廓，然后不斷添加細節(jié)，直至完成一幅畫作。

也可以理解為慢慢地去雕刻一塊巨石丨丨Ai繪畫

接下來，我利用給大家展示一個小姐姐的生成過程，

給Ai輸入小姐姐的關鍵詞（)

輸入一定的特定咒語，比如什么高級渲染，8K渲染，HDR渲染之類的，還有一定的反面詞，比如不要奇怪的手部，不要畸形之類的。

開始繪圖，得到結果

如果在這過程中，我們中斷一下模型的進度就可以得到類似于帶有噪點的圖片

從繪圖過程中，我們可以看到繪圖一開始的過程中，Ai就是先生成一個比較模糊的人物形象，一個大致的輪廓，然后逐漸地去填充，在繪圖進度46%的時候就可以初見人物的雛形，后續(xù)都是把人物的細節(jié)進行糾正修改。

丨

這就是可以以假亂真的小姐姐的誕生過程了，感興趣的小伙伴可以嘗試用SD來畫自己喜歡的小姐姐形象，但是請注意的是，目前國內的部分內容平臺已經開始針對Ai生圖進行了掃描識別并下架部分涉嫌違規(guī)的內容。目前Ai領域的規(guī)則還是處于空白階段，所以針對版權保護等行為還沒有徹底上線。

丨

希望各位在利用Ai工具的同時也要敬畏技術帶來的沖擊，我很喜歡老黃在大會上提到的“我們處于Ai的時刻”，正如徹底顛覆了手機市場一般，我們也需要辯證地看待Ai將會帶來的改變。

技術沒有黑白之分，是一把達摩克利斯之劍。