ControlNet是(shì)一位正在斯坦福读博的中国人张吕敏创作的一(yī)种(zhǒng)基于(yú)控(kòng)制点的图像变形算法(fǎ)，主要(yào)用于数(shù)字(zì)图像处理、计(jì)算机视(shì)觉(jué)和计算机(jī)图(tú)形学等领(lǐng)域。

其SD插件一(yī)经发布，在短(duǎn)短(duǎn)的(de)两天(tiān)内便成(chéng)为了(le)AI绘画领域最新的热(rè)点。

在此之前，大家用了(le)很(hěn)多方法想让AI生成的结果(guǒ)尽可能的符合要求，但(dàn)是(shì)都不尽如人意，它的出现代表着AI生成开始(shǐ)进入真正的可(kě)控时期。

因为ControlNet可(kě)以直接提取画面(miàn)的构图，人物(wù)的(de)姿势和画面的深度信息等。有(yǒu)了它的帮助(zhù)，就不用频繁的用提(tí)示(shì)词来碰(pèng)运气(qì)，抽(chōu)盲(máng)盒式的创作了(le)。

通俗的说ControlNet相(xiāng)当于给AI绘画(huà)加了(le)“魔法”，不少博(bó)主的作品(pǐn)已经获得了(le)大量的浏览(lǎn)量，“viggo”就是其(qí)中之(zhī)一，他用(yòng)朋友(yǒu)的照(zhào)片直(zhí)接(jiē)带她们走进动漫世界。

viggo先用StableDiffusion图片转文字。

再用Text2Prompt插件拓展找到对应的关键词(cí)；最后用ControlNet插件(jiàn)绑(bǎng)定(dìng)骨骼开始换关键词试效果。

通过图(tú)片就(jiù)可以看出来，效果十分惊艳。

更(gèng)厉害(hài)的是(shì)，除了(le)真(zhēn)实的照片，草图也可以(yǐ)加上(shàng)“魔法”，知(zhī)乎大牛“DevPoint”和“逗砂”介绍(shào)到ControlNet还能实(shí)现线稿转全彩图(tú)。大神张吕敏其本尊也(yě)亲自(zì)回应。

不得不说(shuō)当下AIGC已经变(biàn)得越(yuè)来越(yuè)强大，甚(shèn)至输出的作品都已经(jīng)能以假乱真了(le)。

02

难(nán)辨(biàn)虚实，AIGC技(jì)术力爆(bào)发

警惕安(ān)全问(wèn)题

近日，“苏州金鸡湖(hú)有(yǒu)游艇party”的消息火(huǒ)遍网络，而经过警(jǐng)方辟谣这所谓的“party”可能(néng)是(shì)全(quán)国第一(yī)起AI绘(huì)图(tú)诈骗(piàn)。

由于这(zhè)个活动里面(miàn)给出的(de)美女照片都(dōu)是AI制作的真人照片绘(huì)图(tú)，因为(wèi)太逼真，被大(dà)家当成真事(shì)传播了(le)。

不过仔细观(guān)察可以(yǐ)发(fā)现，活动发(fā)起(qǐ)者提供的(de)照片中有个很大的漏(lòu)洞可以(yǐ)发现(xiàn)并(bìng)非真人，而是AI绘图，那便是图片中女性的手指部分有(yǒu)的存在异常。

有行业(yè)人事表示：“现在因为手指(zhǐ)部分(fēn)的(de)绘(huì)画算法比较复杂，AI还不太会画(huà)人的(de)手，但最新看到的图(tú)片已(yǐ)经(jīng)有越来越(yuè)完美的AI模型(xíng)出(chū)现，以后可能就(jiù)完全没有漏洞了。”

类(lèi)似(shì)的(de)AI作图(tú)诈骗在国外也(yě)已有(yǒu)发生(shēng)。据英(yīng)国(guó)广播公(gōng)司报道，土耳其地震期间，有Tiktok用户使用AI合成了儿童受灾的(de)假照(zhào)片发布(bù)到网络，以(yǐ)此(cǐ)诱骗善良的人(rén)打(dǎ)赏“捐(juān)助(zhù)”从而实施(shī)诈骗。

目前随着(zhe)技(jì)术发展，AIGC已经能做出(chū)真人照(zhào)片般(bān)的(de)绘图效果，如果这(zhè)样的图片被用来诈骗(piàn)，将(jiāng)非常可(kě)怕。

此外AIGC还引发了很多担忧，一方面，批判(pàn)者认为AI在(zài)“学习(xí)”了(le)大量前人的作品(pǐn)之后，其创作没有任何情绪(xù)和(hé)灵魂，难以(yǐ)和人类的艺术创作相提并论。

另一方面(miàn)，AIGC背后的版(bǎn)权、目前(qián)都并没有得到有效的解决，还(hái)有AIGC会不(bù)会(huì)代替人类“至高无上”的创意。

马斯克也强(qiáng)调，人工智(zhì)能的安(ān)全问题需(xū)要得(dé)到(dào)重视，太晚就来不及了。

03

AIGC下一站除了视频(pín)，还有远方(fāng)

技术都是有两面性的，潜在的危害(hài)并不能(néng)掩盖其光(guāng)辉的贡献。现(xiàn)在(zài)看来，人工智能技术(shù)将(jiāng)是第四次工(gōng)业革命(mìng)的核心驱动力量(liàng)，将创造(zào)新的增长奇迹。

过去一(yī)年，人工智能在技术和商业层面(miàn)都有了巨大进展，AI绘(huì)画就是(shì)人工智能技术发生方向性(xìng)改变的一个代表。其下一站(zhàn)或许就是视频。

此前，Meta和谷歌先(xiān)后发布了几条引爆科技圈的(de)短视频。这些视频(pín)引发关注并(bìng)非内容做得多(duō)优秀，反(fǎn)而(ér)都(dōu)非常简(jiǎn)单，比如一匹(pǐ)正在喝水的马，一(yī)只画(h心情五味杂陈啥意思，打翻了五味杂陈啥意思uà)画(huà)的玩(wán)具熊(xióng)，或者一段骑摩托车的第(dì)一视角录像，随便一个有手机的人都可以随手录下一段。

但(dàn)这些短视(shì)频的创(chuàng)作方(fāng)式非常简单(dān)，创(chuàng)作者仅仅需(xū)要(yào)向(xiàng)AI输入一(yī)段话，甚至只(zhǐ)是说一下(xià)要求，AI就可(kě)以根据需(x心情五味杂陈啥意思，打翻了五味杂陈啥意思ū)要生成一段视频(pín)。

谷歌发布的两个AI生成(chéng)视(shì)频分(fēn)别来自(zì)于(yú)Imagen Video和Phenaki，前者(zhě)主要(yào)突出的是(shì)高清，与Meta的(de)Make-A-Video没有(yǒu)太(tài)多的差别。

在(zài)Make-A-Video公布(bù)了(le)AI生(shēng)成的视频后，AI圈就已经玩了一波(bō)梗，一个能够做出更高清视频的AI还不足以在短(duǎn)时间(jiān)内戳(chuō)中兴奋点。

Phenaki更(gèng)加令(lìng)人震惊的地(dì)方在于，它(tā)可以制作出(chū)超(chāo)过2分钟(zhōng)的连贯的也有确切(qiè)内容的视(shì)频，这才是(shì)真(zhēn)正(zhèng)让(ràng)人(rén)们感到(dào)惊喜的地(dì)方。因为(wèi)无(wú)论AI生成的视频多(duō)么高清，也只(zhǐ)能是为内容生产者提供一个灵感，一个(gè)素材(cái)，一个(gè)过(guò)场(chǎng)动(dòng)画。

不过能够制作出有具体剧(jù)情内容的视(shì)频就意味着，一些视频创(chuàng)作由AI代(dài)替人工(gōng)完成已经初步有(yǒu)了可能(néng)。

当下(xià)AI的(de)发展(zhǎn)速(sù)度(dù)已经超过大部分人(rén)的(de)想象。内(nèi)容产业的(de)本质是供给创造需求，AIGC作为全新的内容生产方式，可以(yǐ)为内容产(chǎn)业带来更新的内容风格、更快的生产速度(dù)，更低(dī)的生产成本，这(zhè)无(wú)疑会(huì)驱动内容产(chǎn)业的大(dà)爆发(fā)。

除了(le)AI绘图、视频，AIGC技(jì)术还(hái)能应用于音乐、代码、机(jī)器人动作等(děng)多种内容(róng)形式的(de)生成。不难发现该项技术不仅在游(yóu)戏(xì)等(děng)行业能得到有(yǒu)效(xiào)应用，对于下(xià)一代(dài)互(hù)联网各种元素(sù)的构建亦(yì)有关键(jiàn)意(yì)义。

从商业化的角(jiǎo)度来看(kàn)，文化(huà)娱乐、教育、传媒等(děng)诸多领域，本身(shēn)就对基于AI的(de)可视(shì)化内(nèi)容有强烈需求。

因此，AI绘画及视频或不是结果(guǒ)，而(ér)只(zhǐ)是AI进程中的一块重要(yào)拼(pīn)图(tú)，有望在(zài)技(jì)术更(gèng)新(xīn)的加(jiā)持下(xià)实现更大的应用价值。

AI从理解内容，走向(xiàng)了可(kě)以生(shēng)成内容(róng)，甚(shèn)至(zhì)能够创(chuàng)造出独(dú)立价值和独立视(shì)角的内(nèi)容。AIGC的再次出圈，更代表(biǎo)着未来的先进生(shēng)产力即将到(dào)来。

04

紧抓大模型与算(suàn)力，牢固(gù)AIGC底(dǐ)座

从技术的发展(zhǎn)也可以看出，在语言大(dà)模(mó)型、图像大模型之(zhī)后，多模态大模型已经成为了(le)新的趋势。

大模型被誉为(wèi)当前人工智(zhì)能(néng)发展的智能底座，是全球竞争最激烈的研究方向(xiàng)之一，包(bāo)括(kuò)谷歌、亚马逊、百度、阿(ā)里(lǐ)、腾(téng)讯(xùn)等众多头部(bù)企业都在竞相发力。

不过训练大模型的(de)确价(jià)格不菲，以国盛证券发布的《ChatGPT需(xū)要(yào)多(duō)少(shǎo)算力》报告估算，GPT-3训练一次的(de)成本约为140万美(měi)元。而对于一(yī)些(xiē)更大的LLM(大型语言模型)，训练成本则(zé)介(jiè)于200万美元至1200万美元高(gāo)价(jià)之间。

以ChatGPT在2023年1月(yuè)的独立访客平均数1300万计算，其对应芯(xīn)片需(xū)求(qiú)为3万多片英伟达A100 GPU，初始投入成本约为8亿美(měi)元，每日仅电费就在5万美元左右。

此(cǐ)外不论(lùn)是ChatGPT还是AIGC，都离不开庞大算力支持。在关注(zhù)各类大模(mó)型的发展同时，更应该关(guān)注算力网络的建设。

算力网(wǎng)络正驱动AI产业发展(zhǎn)进入史(shǐ)诗级加速(sù)进程，让AIGC及通用AI这(zhè)一人(rén)工(gōng)智(zhì)能发展的终(zhōng)极(jí)目标离得更(gèng)近。

因为算力可以对突破性技术(shù)创新提供大力的支持。这方面，多模态大模(mó)型是典(diǎn)型。作为面向未来强人工智能、通用人(rén)工智能(néng)的重要技术创新，多模态(tài)大模型已经在人工(gōng)智能领域(yù)提(tí)出了很多年，业界也(yě)有不少技术突破，但是(shì)，多模(mó)态大模型进一步往下走，算力需求呈几何(hé)式上升(shēng)，一(yī)般(bān)的(de)算力基础设(shè)施很快将难以(yǐ)胜任。

从图像(xiàng)、文字、语(yǔ)音(yīn)单独一项的训练，到双模态、三模态的跃迁，让人工智能可以(yǐ)灵活应对不同模(mó)态的转化(huà)、像(xiàng)人与(yǔ)世界交互(hù)一样自然(rán)，这(zhè)方面，由算力网络来驱(qū)动将(jiāng)有明显(xiǎn)优势。

此(cǐ)外，还有很多(duō)需要爆(bào)发式增(zēng)长的算(suàn)力来支撑的技(jì)术创(chuàng)新，将(jiāng)在人(rén)工智能(néng)算力网(wǎng)络支(zhī)撑下快(kuài)速推进。

AIGC已经露出曙光(guāng)，期待在大(dà)模型和大算力的支持下AIGC能(néng)持续颠(diān)覆(fù)内容生产的方式(shì)，将创造的边际成本降(jiàng)低，让万众受(shòu)益(yì)。

未经允许不得转载：惠安汇通石材有限公司 心情五味杂陈啥意思，打翻了五味杂陈啥意思