国产AI作画神器火了，更懂中文，竟然还能做周边( 二 )

懂中文，也懂“懒人”用起来，并不复杂。
我们从操作界面、提示词要求和性能要求几方面，对DiscoDiffusion和文心·一格等AI画画产品进行了简单对比。
操作界面上， DiscoDiffusion开放的接口不能说很复杂，但确实有点门槛。
它直接在谷歌Colab上运行，需要申请账号后使用（图片生成后保存在云盘），图像分辨率、尺寸需要手动输入，此外还有一些模型上的设置。
好处是可更改的参数更多，对于高端玩家来说可操作性更强，只是比较适合专门研究AI算法的人群：

文章图片
相比之下，文心·一格的操作只需三个步骤：输入文字，鼠标选择风格&尺寸，点击生成。

文章图片
前文已经提到，文心·一格同样也具备DiscoDiffusion的“高级自定义”功能，随后便会开放，对于想拥有更多“参数自由”的小伙伴们来说，同样是个不错的选择。
至于提示词， DiscoDiffusion的设置还要更麻烦一些。
除了描述画面的内容以外，包括画作类别和参考的艺术家风格也都得用提示词来设置，通常大伙儿会在其他文档中编辑好，再直接粘过来。

文章图片
关键一旦提示词设置得不好，生成的效果就不尽如人意，需要反复尝试、不断细化， AI最终才能生成合适的画面效果。
相比之下文心·一格倒是没有格式要求，输入150字的句子或词组都可以：

文章图片
当然，输入画家名字如莫奈，也能输出对应风格：

文章图片
最后是性能要求上， DiscoDiffusion是有GPU使用限制的，每天只能免费跑3小时。抱抱脸（HuggingFace）上部分AI文生图算法的Demo虽然操作简单些，但一旦网速不行，就容易加载不出来：

文章图片
△测试miniDALL·E时加载就失败过
相比之下，文心·一格除了使用高峰期以外，基本上都是2分钟就能生成，对使用设备也没有要求。
总体来看，同样是文字生成图片AI ，实际相比文心·一格的“真·一句话生成图片” ， DALL·E和DiscoDiffusion的生成过程都不太轻松。
所以在这背后，文心·一格生成图像，究竟是基于一个怎样的逻辑？
我们以输入“云深不知处”为例，希望能输出一幅中国风的画作。当接收到这几个字词（query）后， AI的脑细胞就开始“运作”了起来，从语法、词法、语义等角度对文本进行分析。
如果将生成过程可视化，这个阶段还看不出什么效果，处于AI理解文本的阶段：

文章图片
很快， AI“拆解”文本后，理解要怎么画这幅画了，于是在特定尺寸（用户可选）的画纸上，构思出整体的轮廓，兼具云的元素和中国画的风格：

文章图片
随后，基于扩散生成模型的原理，迭代地完善并修正画面细节，不断提高清晰度、反复检查图文描述一致性，用更精确的配色替代噪声：