突然间，AI文字转图片成为了全球科技业的一大流行技术趋势。

几周前我们报道了“新一代梗图之王”DALL·Emini，一个脑洞十分清奇的文字转图片AI小工具。当时我们也提到，包括谷歌、OpenAI等大公司和顶级研究机构都在开发相关模型，就连时尚杂志《COSMO》都采用AI来设计杂志封面。图片来源：COSMO杂志

然而令许多人没想到是：

就在各家硅谷大厂斥巨资研发、砸了无数的人力、发了无数的论文，却还在测试相关技术的时候，TikTok居然异军突起，首先把AI文字转图片做到了产品里，而且直接交到了全球十亿用户的手上……

乱拳打死老师傅，中国速度太快了

在TikTok的特效菜单下，最近增加了一个名叫“AI绿幕”(AIGreenscreen)的新选项。

点击这个选项，然后在屏幕中间的对话框里输入一段文字描述，只用不到5秒的时间，TikTok就可以根据文字描述生成一张竖版画作，用作短视频的背景：

图片来源：硅星人截图

TikTok用的这个文字转图片模型，还是非常简单的。硅星人测试了几个含义大相径庭的提示，生成的图片可以说都十分的“迷幻"，没有任何写实色彩。

但这并不是缺点点——正相反，生成结果具有非常强的水彩/油画感觉，风格迁移(styletransfer)的痕迹明显，而且用的颜色也都鲜亮明快，给人一种耳目一新的感受。

图片来源：TechCrunch截图

我还想单独说一下下面我自己生成的图片：

下图左边的提示字段是知名游戏“最后生还者”。生成结果的辨识度太高了，这不正是游戏主角Ellie被泥浆血水浸湿的头发吗？

右图更有意思，提示是“轰炸”：我完全没有想到如此“不和谐”的字段，TikTok的模型居然生成的结果却相当的“自洽”，特别是图中的“轰炸机”反而看起来像是代表和平的“白鸽”——是否你也能读出一点讽刺的意味？

图片来源：硅星人截图

当然话说回来，这些只是我自己的解读和感受，绝不可能是模型的“本意”。但是有趣的艺术作品不正应该是这样嘛，让人能够发现一些巧妙的“彩蛋”，甚至浮想联翩，解读出另外的含义。

从这一角度，我还是非常认可TikTok目前部署的这个模型的。

模型的质量也值得一提。TheVerge、TechCrunch等美国媒体测试了一些特殊的敏感字段，AI绿幕生成结果更加抽象了，显示出字节部署的模型在争议字段上可能已经做出了提前规避。

要知道AI文字生成图片本来就不是简单技术，避免争议/道德风险更是一项相当复杂的工作。

图片来源：TheVerge截图

正如文章前面提到，谷歌、OpenAI等巨头公司和知名机构开发的AI文字生成图片模型，目前都处于刚刚发布或者小范围测试，还在“纸上谈兵”的阶段。

这边TikTok不仅很快跟进推出了同类模型，更厉害的是已经将其投放到全球十亿用户量级别的产品里了。

本来以为AI艺术创作的潮流还是几个硅谷大厂在引领，没想到字节跳动居然“乱拳打死老师傅”——必须给中国互联网科技公司的工作速度和质量点赞了。

AI创作成潮流，硅谷大厂挤破头

早在00年，全球知名的人工智能基础科研机构OpenAI发布了一个名为GPT-3语言模型。当时OpenAI的论文题为“LanguageModelsareFew-ShotLearners”，直接点出了超大规模语言模型在多种非训练人物上具备强大、快速的学习和掌握能力。

GPT-3也完全没令人失望，在小范围开放测试API之后，外界人士用它开发出了各种各样神奇的demo，展示了写段子、翻译公式、解数学题、完成用户界面设计、生成财务报表等能力。

“AI文字生成图片”也是这些能力的其中一项。

图片来源：硅星人

包括OpenAI、谷歌、Midjourney、StabilityAI等一众大小公司，已经开发出了多个文字转图片生成模型，展示出神经网络模型具备令人惊讶的艺术创作能力。

从AI文字转图片生成技术开始得到公众

转载请注明:http://www.aideyishus.com/lkzp/7578.html