文字生成类AI飞速发展, 越发强大. 而随着OpenAI Sora的发布, 相信大家都意识到, AI已经是能够实实在在成为我们的好帮手了.
不仅是OpenAI这样的私有化AI愈发强大, 类似Meta的LLama 2, 国内阿里的QWen等开源AI也雨后春笋的发展起来.
上周六又看到字节发布了开源的SDXL-Lightning, 于是我花了一些时间来学习Text To Image的提示词技巧. 现在把我学习到的一点东西整理成文章, 分享给大家.
Text To Image
先解释下什么是Text To Image
Text To Image就是文本生成图片. 就是你输入一段文字, AI根据你的文字生成对应的图片. AI方面, 文字生成图片的发展也非常迅速, 令人眼花缭乱.
但总体来说, 前沿的文本生成图片包括
-
Midjourney: 出现的比较早的, 直到现在也非常流行的文本生成图片服务. 属于私有商业服务 -
DALL·E: 最著名的AI公司OpenAI的Text To Image服务, 早期2版本水准较差, 但现在3版本后, 已不弱于Midjourney -
Stable Diffusion: 文本生成图片方面最有名的开源实现
比如今天字节跳动发布的SDXL-Lightning, 并不是自己完全原创的, 而是基于stabilityai/stable-diffusion-xl-base-1.0上的改进与优化
提示词
如果你关注AI, 一定知道Prompts这个单词, 中文就是提示词.
AI能力虽然强大, 但一个很关键的点就是你要写出足够好的提示词. 因为提示词的重要性, 互联网有很多专门做提示词优化的服务.
可见提示词的重要性.
同样, 对于Text To Image来说, 提示词同样重要.
技巧
好了, 前面说了很多, 接下来进入这篇文章的主题.
这是我今天花了一点时间, 学习如何写出好的Text To Image的一些技巧.
技巧1: 尽量使用英文
好吧, 也许你看到这个, 会觉得有点难受. 但我想说的是, Text To Image的效果最好的是英语
这个是完全可以理解的, 任何AI都是事先经过大量数据训练的. 无论是文本生成 ,语音生成, 或是图片生成, 甚至是未来的视频生成.
这些大量的数据都是什么语言?
当然是英语.
所以, 理所当然, AI对英语的理解最到位, 如果都没有中文数据训练, AI怎么可能知道“元宵节”是什么东西? 而且对于图片生成, 还有光效, 色彩, 流派等, 这些英文更容易让AI理解.
效果差: 使用中文
这个是在字节的SDXL-Lightning的DEMO中生成的
提示词: 生成一个元宵节快乐的图片
看到没, 图不对题.
因为这个开源的AI可能没有经过大量中文训练, 很可能理解不了“元宵”
改进: 使用英文
提示词: A image of The Chinese Lantern Festival
是不是有点像模像样了?
可以预料, 这个AI的英文的训练数据中, 元宵是和灯笼这些相关联的. 所以AI生成了灯笼有关的图片.
技巧2: 具体的描述
我们再来看下前面的提示词, 生成一个元宵节快乐的图片
这个太抽象了. 越是抽象, AI生成的东西越不可预测, 什么都有可能. 所以对于AI来说, 你的提示词要明确, 具体. 越细越好.
比如就上面这个提示词, 我们思考下:
-
什么时候? 什么地方, 有什么样的人或景物
所以, 我们把提示词改进为: 中国元宵节的形象，人们在游玩享受，背景有一个月亮
记住前面我在前面说的, 用英文, 也就是:
An image of The Chinese Lantern Festival with people enjoying and a moon in the background
如何, 这个效果就会好很多了.
技巧3: 添加风格,特效
图片通常是有风格或特效的, 比如卡通, 写实, 印象, 超现实等. 同样有一些特效, 比如模糊, 光晕等
我们生成一幅元宵的卡通风格.
A cartoon style, also Chinese style of image of The Chinese Lantern Festival with a child and her parents enjoying and a moon in the background
已经是个非常好的图片了.
最后
当然, 这只是我今天在学习相关的资料时, 整理到的一些点, 希望对阅读这篇文章的你有一些帮助. 但这些技巧可能远远不够.
如果我没有记错, AI才一年多前我才听到, 当时就是OpenAI的文本生成. 一年才过, 无论是Openai, Google的Gemini等私有化AI发展迅速, 开源的AI也日益强大.
而AI的能力已经从单纯的文本生成扩展到了图片, 视频, 语音等各个不同的角度. 就以我们程序员来说, Meta前段时间发布了更强大的开源的Code LLama 2, 专门辅助编程的, 这可以是我们很好的伙伴.
迎接AI时代, 已经不可避免.
原文始发于微信公众号（微言码道）：文本生成图片：只需几句话，就能创造你的想象
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 举报，一经查实，本站将立刻删除。
文章由极客之音整理，本文链接：https://www.bmabk.com/index.php/post/248609.html
