信息来源：互联网   发布时间：2023-10-30

随着科技的发展，AIGC技术助推了新的人工智能浪潮，文生图大模型即使还不是很完善，但终归时间还长。下面这一篇文章是笔者整理分享的关于文生图的相关

 

随着科技的发展，AIGC技术助推了新的人工智能浪潮，文生图大模型即使还不是很完善，但终归时间还长。下面这一篇文章是笔者整理分享的关于文生图的相关内容，大家一起来看看吧！

自从进入2023年以来，AIGC技术助推了新的人工智能浪潮，AI大模型的创新应用也按下了加速键随着AI写作、AI作曲成功在多个领域落地，AI在内容创作方面的应用也变得越来越广泛，而AI绘画作为大模型最火热的应用领域之一，近几年也取得了突破性进展。

AI绘画简单来说就是“文生图”，是指输入一些描述性语言，AI可以以此生成创意画作AIGC 技术的飞速发展使得“文生图”模型不断实现更加良好的生成效果，得益于此，无论是百度、网易这样的互联网大厂，还是快手这样的新锐公司纷纷争相入局，试图借助“文生图”这一新事物，探索业务上的更多新可能。

一、快手“出其不意”前不久有消息称，快手在推出“文生文”大语言模型“快意”（KwaiYii）之后，又在“文生图”赛道取得了新的进展，推出了自研大模型“可图”（Kolors），并且已在公司内部全面开启测试。

据介绍，可图大模型能够基于开放式文本生成各类的绘画作品它有着三大突出特点：强大的文本理解、丰富的细节刻画，以及多样的风格转化而在可图大模型强大的图像生成能力背后，则与快手多年的积淀息息相关首先，快手海量的短视频素材，能为可图提供数十亿的图文训练数据。

发展至今，快手上的短视频素材已经数以万计，根据这些短视频，可图可以收集到更多的数据信息，帮助大模型准确理解用户的需求，让用户通过简单描述即可生成更加多样化风格的图片据了解，快手拥有数十亿来自开源社区和自研AI技术合成的图文训练数据，这些数据覆盖了常见的三千万中文实体概念，能更好地生成更加贴近文字描述的图片。

其次，快手较强的用户粘性，为可图的落地提供了最佳的应用场景众所周知，快手应用的累计互关用户对数超过311亿对，同比增长近50%，日均互动（包括点赞、评论和转发等）总量达80亿次，而且AI玩评也能够极大地提升用户参与评论的积极性和满意度。

不同用户画像可以丰富可图训练数据，促使可图生成更多样化的图片因此，拥有较强用户粘性的短视频评论区，可以看做可图大模型最佳的落地应用场景之一最后，快手在大模型上的创新性探索，有助于可图形成差异化优势快手研发了一个强大的中文CLIP模型，并且利用自研的中文LLM加上融合CLIP的图文特征作为文生图的文本理解模块，能让可图大模型更好地理解中文特色概念。

不仅如此，快手还更改了去噪算法的底层公式和加噪公式，实现了单一基座模型在主体完整的前提下，可生成具有丰富细节和纹理的图片而可图大模型也具有了基于Prompt的自动学习模型，能够生成不同的风格模版二、百度“声东击西”。

在文生图领域，快手的自研大模型“可图”可谓是独具一格，作为国内领先的AI技术公司，百度的AI作画产品“文心一格”自然也备受期待据了解，文心一格是基于百度文心大模型能力的AI艺术和创意辅助平台，它可以根据用户输入的文本描述和选择的风格，自动生成独一无二的画作。

而百度文心一格之所以能对用户的作画需求实现精准理解，其中的原因自然不言而喻一是文心大模型强大的语言理解能力，使文心一格对中文的理解变得更加精准文生图技术对中文语义的理解尤为关键，而文心一格的技术基础是百度文心知识增强跨模态理解大模型，百度文心学习了海量优质图文数据，能全面提升图像生成质量和语义一致性。

因此，文心一格不仅能利用知识辅助更好地理解用户的输入，并自动丰富语义细节，有效降低用户输入描述成本，还能根据不同的需求，灵活适配多种风格画作生成能力二是文心大模型在技术上的深厚积淀，在一定程度上解决了文心一格在实际应用中的技术难题。

众所周知，文心一格AI作图产品顺利落地，是百度依托于飞桨、文心大模型持续进行技术创新的结果而百度的文心跨模态大模型ERNIE-ViLG 2.0是全球首个知识增强的AI作画大模型，也是目前全球参数规模最大的AI作画大模型。

百度在训练大模型方面取得了长足的进步，也让文心一格有效解决了复杂概念、属性混淆等文生图领域的常见问题三是文心大模型丰富的产业应用场景，有助于文心一格实现商业化快速落地目前，文心大模型已大规模应用于搜索、信息流、智能音箱等互联网产品，并已通过飞桨开源开放平台、百度智能云等赋能工业、能源、金融、通信、媒体、教育等各行各业。

而在这个基础模型职场，文心一格也能结合各个领域的、少量的任务数据，再进行训练、调优，之后就可以适用更多场景，从而进一步拓宽落地的广度，加深产业应用的深度三、网易“蓄谋已久”无论是新晋独角兽快手，还是老牌互联网大厂百度都相继进入了AI绘画领域，互联网科技公司网易自然不会落后。

事实上，网易很早就对“文生图”领域有所研究网易旗下专业从事游戏与AI研究和应用的顶尖机构网易伏羲，就自研了文生图模型——“丹青”而网易丹青之所以能生成让用户满意的图片，自然也与其独一无二的优势息息相关一是，网易伏羲对中文和美的理解深刻，有助于丹青生成更高质量的图片。

生产好的内容之前，需要先理解好的内容丹青模型基于原生中文语料数据及网易自有高质量图片数据训练，不仅对中文的理解能力更强，对中华传统美食、成语、俗语、诗句的理解和生成也更为准确比如，与其他文生图模型相比，丹青模型更容易听懂用户的意思，在丹青生成的图片中，鱼香肉丝没有鱼，红烧狮子头也没有狮子，生成的图片效果用户满意度更高。

二是，网易伏羲顶尖艺术家的真实反馈，使得丹青创作出的作品更能满足中式审美网易会请一些美术专家对模型进行把控，让其从艺术的角度对生成图片效果、插件、版本给予专业意见，丹青则会及时根据艺术家们的反馈意见，进一步迭代优化。

比如，依赖于较强的中文理解能力，以及对美学的专业理解，丹青模型生成的图片更具东方美学，既能生成“飞流直下三千尺”的水墨画，也能生成符合东方审美的古典美人三是，网易伏羲对文生图的多年研究，能为丹青的快速落地和推广提供助力。

事实上，网易伏羲对文生图的研究起步较早，在Stable Diffusion还没开源之前，就已经在不断地投入，到现在已经有了很多积累据了解，网易伏羲团队已在世界顶级学术会议发表论文200余篇，申请发明专利550余项。

不仅如此，网易伏羲还根据实际应用效果不断对文生图模型进行迭代优化，以便将其更好更快地应用于实际场景中四、前路“危机四伏”随着快手、百度、网易等玩家的文生图大模型相继亮相，国内外发布文生图模型的数量也在不断攀升，模型生成效果和效率也在逐渐迈上新的台阶，文生图模型商业化落地指日可待。

只不过，在此之前，文生图领域仍有些问题不容忽视一方面，文生图尚处于探索时期，生成细节还不够完美虽然文生图具有一些创新性和实用性，但是不能全面理解用户的语义，生成的图像质量自然也就不会很理想，不是人物的脸部或手部细节呈现得不够完美，就是图像与文本的相关性不够紧密，甚至会出现一些毫无逻辑的图像和文本的组合。

显然，AI绘画在语义理解、宏观结构、细节刻画、逻辑推理等方面还有较大改进空间另一方面，文生图只是AI辅助创作，生成内容缺乏创造力和情感表达毫无疑问，技术是标准化的，审美却是非标准化的设计师、画师可以借助AI，提高自己的创作效率，甚至激发无穷的想象力，但AI并不是设计师、画师本人，不能拥有人的情感和灵感，不能和人一样感同身受，而且目前的AI技术对外界生活无法感触，对真实世界的很多需求自然也是无法精准捕捉和理解，所以短期内，AI绘画还是很难代替设计师、画师的。

除此之外，国内外正接连涌现出新的文生图公司，AI绘画领域的竞争也将进一步加剧事实上，除了快手、百度、网易伏羲等走上中国式文生图的道路之外，国内其他加码AI绘画的玩家也都正源源不断地赶来，国外文生图应用的景象也是十分热闹。

而国内外每一家模型结构都不是完全一样的，无论是图片还是文本都做了优化，且都包含着自己的特色，所以文生图领域的竞争局面可想而知尽管文生图大模型目前尚有一些缺陷，但回顾人类的发展历史不难发现，一项新技术的出现，往往需要不断改进和完善，因此对于AI绘画，我们仍然抱有很多期待。

而在流量红利逐渐消退的当下，百度、网易、快手等企业主动去拥抱“文生图”这样的新技术或许是最好的选择只不过，最后这些入局者能做到何种程度，或许只有时间能给出答案专栏作家刘旷，微信公众号：刘旷（liukuang110），人人都是产品经理专栏作家。

海南三车网络科技有限公司董事长、购团邦资讯创始人、知名自媒体题图来自 Pixabay，基于 CC0 协议。该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务。

免责声明：本站所有信息均搜集自互联网，并不代表本站观点，本站不对其真实合法性负责。如有信息侵犯了您的权益，请告知，本站将立刻处理。联系QQ：1640731186