作者 | 奕艾
雷火藝術中心 原畫師
AI繪畫現在已經進化到什麼程度了？
前段時間剛剛發生的新聞，美國科羅拉多州的一個博覽會，有人用下面這幅名為《空間歌劇院》的作品拿到了博覽會數字繪畫的金獎。結果後來他表示：《空間歌劇院》是用AI生成的，他不僅沒有動過筆，甚至自己連一點繪畫的基礎都沒有！這讓其他參賽者非常不滿，他們從小辛辛苦苦練習繪畫，為了這次比賽也準備了很長時間，結果竟然被一個不會畫畫的人打敗了？
再來看看下面這三張圖，你們覺得哪一張是AI畫的呢？
答案是1。是不是已經有點傻傻分不清楚了？
AI繪畫無疑是這段時間業內最火的話題之一。而圍繞著它，大家的態度也基本分為了兩派：一派非常支持用AI進行創作；而另一派則會覺得它擾亂了這個行業，會影響很多從業者的工作。
今天，我就將帶大家瞭解目前比較火的一些AI繪畫平臺，並著重對其中我個人比較喜歡的Midjourney進行深入的操作心得講解；然後我就會聊一聊，我作為一個遊戲行業的美術工作者，在體驗了AI繪畫之後，對這項技術的一些看法，以及給大家的一些建議。
現在哪家AI最好用？
現在的AI繪畫平臺，正呈現出一種百花齊放的態勢。各個廠商都推出了自己的產品，有不少都是值得你去體驗的。
但你可能不知道的是，其實很早之前，谷歌就曾推出過自己的AI繪畫產品，在當時也有很多人嘗試。但是，谷歌AI生成圖片的時間過長，效果也不是特別好。而且，它在生成的過程中還不能讓電腦息屏，否則就會立即停止工作，必須重頭開始。它在當時沒能引起廣泛的討論，想必你也能知道是為什麼了。
至於現在的AI繪畫就不一樣了，它們方便、快捷、生成的圖片又快又好。在體驗AI繪畫的過程中，你甚至會覺得自己在玩一款很爽快的遊戲，因為它會不停地給你正反饋，讓你充滿驚喜和滿足，然後當你回過神來的時候才發現——自己已經把充值的額度給用完了。
在這裡，我主要向大家介紹3個平臺，它們應該算是我目前體驗下來的“AI三巨頭”：一個是我最喜歡的Midjourney，它在8月份的時候結束了內測，現在不需要邀請碼，每個人都可以去使用；一個是Stable Diffusion，目前也非常火；還有一個是Dall-E2，出品自OpenAI這家人工智能領域的巨頭公司。
嗯……本文在撰寫的時候Novel AI還沒有那麼火，現在感覺熱度已經趕上來了
因為後面我會著重去講Midjourney這個平臺，所以在這裡先簡單跟大家介紹一下Stable Diffusion和Dall-E2。
Stable Diffusion這個平臺挺神秘的，因為他們的技術很好，很多投資人想去投資，結果都被老闆給一一回絕了，說我們不差錢。有多不差錢呢，據說他們有4000張DGX A100頂級顯卡用於AI計算——以防你不知道，一塊A100大概需要20萬美元！難怪他們生成圖片的速度能這麼快。
此外，Stable Diffusion目前也已經開源了，所以現在很多公司都在根據他們的代碼，來開發自己的AI繪畫產品。他們的口號是“AI by the people, for the people”，意思就是“AI取之於民，用之於民”，也算是很直白地說出了AI繪畫的工作原理。
如果說Stable Diffusion是“低調神秘的慈善家”的話，那麼Dall-E2的稱號應該就是“甲方終結者”了，因為它生成的圖片更有3D感，對於平面類或者設計類的需求非常在行。繪畫感則稍差一些，所以可能不是那麼適合原畫師。
Stable Diffusion和Dall-E2還在其他方面有一些區別：比方說Dall-E2會有關鍵詞的屏蔽，不能出現一些血腥、暴力、政治相關的內容，例如某德國元首就不會出現在它生成的圖片裡，哪怕你已經很明確地把他的名字輸入給了AI；而Stable Diffusion的話就沒有這些限制，你可以讓AI給你生成一個二次元風格的元首，或者是波普風格的，隨心所欲。
Dall-E2還有個特點是，不管你的關鍵詞寫的有多奇葩，它都能把你描述的詞給放進圖裡。你們猜下面這張圖的關鍵詞是什麼？是“鍵盤俠在閱兵”，黑色的地方實際上是鍵盤。
而Stable Diffusion就只能給你畫出一個閱兵的場面，沒辦法識別出更多的意思。它是有選擇性的，並不是任何稀奇古怪的關鍵詞都給你考慮進去。
Dall-E2因為是大公司出品，我雖然不敢保證未來會發展成什麼樣，但投入給它的資源應該不會少。不過就目前而言，我個人體驗下來還是Midjourney和Stable Diffusion更加推薦一些。不過需要注意的是，如果用Stable Diffusion的話，你的花費可能會大一點，而且就算花了錢，也會有張數的限制；而Midjourney只要付30美元就不會有張數的限制了，雖然可能需要你排排隊。
除了上述提到的“三巨頭”之外，其實百度最近也推出了自己的AI繪畫產品“文心”。它最大的特點是比較能貼合我們中國自己的文化。比方說它能知道孫悟空長什麼樣，而國外的產品可能連他是個猴子都不知道。包括一些國內流行的梗，比如“雞你太美”什麼的，它也知道你在說什麼。
更經典的例子是中國菜：什麼過橋米線、獅子頭，文心理解起來毫無壓力；而國外的產品，估計真的能給你畫成一座橋，再加一個獅子的頭。
此外，它還有個優勢是擅長生成古風和二次元類的繪畫，據說有些圖的質量甚至到了可交付的程度，感興趣的同學也可以去試一試。
“最強AI”Midjourney操作指南
這一部分我們會詳細地來聊一聊Midjourney這個平臺。先說說它背後的公司：它是由大衛·霍爾茲創辦的，在做這家公司之前，他主做物體追蹤領域，當時他們的物體追蹤技術比Xbox的Kinect都要先進上好多倍。後來這家公司被收購，他就去創辦了Midjourney這個平臺。
打開Midjourney的主頁，如果你之前沒有註冊過的話，應該看到的就是下面的這張圖。Midjourney有個好處是，它是個全平臺的產品：你可以用網頁、也可以用電腦客戶端、手機上也有APP——因為等下你就會知道，它本質上其實就是個“聊天軟件”，所以多端使用對它來說不是問題。
如果你想要開始創作，可以點擊第一個“Join the beta”按鈕，就會進入到Midjourney的官方discord頻道——沒錯，我們會在這個頻道里，開始我們的創作之旅。
點開之後，你會發現下面這樣一個頁面。最左邊是好友欄，旁邊是頻道——大家可以理解為是房間，你可以到對應的房間操作一些指令；然後中間的部分則是對話框。
至於如何去創作？你只需要在下面的文本框裡輸入一些關鍵詞，系統就會在對話框裡發送根據關鍵詞生成的圖，快的時候可能連一分鐘都不要——沒錯，就是這麼簡單。整個的操作流程，其實都是通過discord這個聊天軟件完成的，是不是沒想到？
下面是一些基礎的指令，那些沒有接觸過AI繪畫的同學可以來參考一下：
如果大家想要生成圖片，基本上用第一個指令“/imagine”加上一些關鍵詞就好了。而“/info”，其實就是能顯示你目前賬戶狀態的一個指令。如果你沒有訂閱的話，就會顯示你還剩多少張圖可以生成。訂閱之後，會顯示你是標準版、基礎版還是企業版等等。
值得注意的是這個/private私人隱私訂閱。Midjourney裡的頻道，其實就相當於是一個公共的聊天室，所有人打上去的字，包括系統生成的圖，大家全都能看到。但有了隱私訂閱之後，你在頻道里輸入的東西就只對你一個人可見了。目前有不少國內的博主會選擇這個訂閱，因為他們不希望自己的關鍵詞被公開——畢竟如果別人也用了這些關鍵詞，那麼很容易就能做出類似的圖片了。
沒錯，對於目前的AI繪畫來說，關鍵詞的調教可以說是重中之重。生成的圖好不好，是不是自己想要的效果，全靠它。下面我們也會重點來說一說這個模塊。
首先，你需要輸入一個你想要的主題。比如，我想要AI畫一個平遙古城，那麼我就輸入平遙古城的英文——記得，不能打拼音。你也可以直接用中文，也能識別，但是效果不保證，所以我建議大家還是去維基百科上查詢官方的英文譯名比較好。
輸入好關鍵詞，然後點擊生成。因為你沒有規定它的畫幅比例，所以它默認生成出來的圖就是1X1的，每次都會給你生成4張，效果如下：
如果想在這個基礎上增加更多想要的效果，那麼可以在主題描述不變的情況下，在後面加入一些新的關鍵詞。比如我想要晚上的平遙古城，那就加一個Night就可以。不同的關鍵詞之間可以用逗號去隔開，也可以用加號，那樣就會把兩個關鍵詞融合在一起，偶爾會出現不倫不類的情況，所以我大多數情況下還是用逗號連接。
你也可以去手動規定生成圖片的比例，比如16:9，21:9，這些都可以。或者可以用“-w”和“-h”來規定寬和高，來輸出類似1920x1080這樣精確尺寸的圖。
在加上Night這個關鍵詞之後，AI生成的圖片就都是晚上的平遙古城了。但因為我沒有寫明想要什麼色調，所以AI同時給出了黃色和藍色兩種色調的圖。這也是AI繪圖的一個運行邏輯：如果你沒有給AI一個明確的需求，那麼它就會對你沒有規定的部分做出一些猜測。但如果你規定了你就想要藍色的，那它就肯定不會給你生成黑色或者紅色的——它不會違揹你的命令，頂多就是有點任性。
然後我們繼續去細化我們的關鍵詞。我在原有的基礎之上增加了“美麗的燈光”，然後又加了一個引擎渲染的效果，我希望它生成的圖帶有虛幻引擎的感覺——當然，如果你想要其他引擎的效果也是可以的，添加相應的關鍵詞就行。
另外，我也加了一個藝術家的名字進來，我希望畫面也能有他的風格。不過需要注意，很多時候藝術家的風格和遊戲引擎的風格是衝突的。如果藝術家本身的風格是寫實那就還好，加上虛幻引擎說不定能更加分；但如果藝術家本身是二次元風格，那還是不要強行把它們放在一起吧。
這麼調教下來的效果如下圖，個人認為還是挺令人驚喜的：
後來，我把虛幻引擎的關鍵詞去掉，然後把藝術家的名字換成了葛飾北齋，得到了下面這一組圖，效果也不錯：
不過，葛飾北齋和燈光這個關鍵詞其實是有點衝突的，如果你單純只是想要葛飾北齋的風格，那就可以把燈光這個關鍵詞給去掉，得到下面這一組圖：
另外，根據很多人的測試，好像豎畫幅的構圖更容易出片。於是我又把藝術家的名字換成了唐伯虎，再把參數裡的畫幅由橫構圖換成了豎構圖，最終得到的成品如下：
其實AI繪畫用的多了之後，你會發現AI的思維和人類的思維是很像的。譬如我們在看到一些關鍵詞的時候，其實腦海中浮現的也都是一些模糊的、整體的印象。比如提到故宮，你能想到紅色的宮牆、黃色的屋頂、大氣磅礴的中式建築這些概念，但很難想到某一個具體的圖案或者結構。AI也是類似，很多時候它就是把關鍵詞的整體感覺呈現給你，但如果你仔細觀察的話，會發現圖片在一些地方存在著雜亂的效果堆積——就跟人類在想象某個物體的時候對於細節的缺失感一樣。
不過呢，Midjourney也有對應的功能，去完善缺失的細節。下圖的“U”就是放大添加細節的功能，而“V”則是按照構圖重新計算一次，1、2、3、4則對應著四張圖片，很好理解：
選了U放大之後，它會生成一張新的圖，同時再多給你幾個選項：第一個按鈕是重新做變化，也就是根據當前這張的構圖，它會重新生成一張差不多的圖片；第二個是細節尺寸放大，也就是在U放大之後，你可以再放大一版；第三個是降噪，所謂降噪其實就是把一些細節稍微模糊掉一點，講道理效果並不是特別好，所以我也不常用；然後是增加細節處理，你可以讓圖片裡的細節變得更多；最後就是重製了，完全地重新制作，這也是一個新推出的功能，同樣我個人覺得也不是那麼好用。
下圖是放大尺寸和增加細節過後的對比。可以看到，增加細節處理之後，整個畫面就有點過於銳化了，這不是我們想要的效果。而且，生成這些細節更多、尺寸更大的圖，耗費的時間也會更長。
如果你去社交媒體上看很多人的分享，你可能會發現他們出的圖都特別精細。但其實他們一般都不是直接在Midjourney上放大的，他們會拿著AI畫的圖去其他平臺做像素放大，又實惠又快捷，效果還更好。
除了關鍵詞之外，其實你也可以添加網絡圖片的地址，或者直接上傳本地的圖片，讓AI參考圖片來繪圖。
但要注意，AI可能不會去識別這張圖的構圖和顏色，而是試圖去理解這張圖裡呈現出來的元素。比如深藍色的面積比較大，那AI可能就會識別這是一片海。如果海里面有一艘很小的船，可能它就識別不出來了，或者會把它識別成一條魚。在識別了這些元素之後，AI在後臺會把它轉化成關鍵詞，然後再去生成圖片。你需要明白這個功能的原理，否則可能做不到你想要的效果。
此外，AI也不能完全根據圖片來生成新圖，它會同時參考關鍵詞和圖片，並且有一個可調節的權重。你可以在參數裡用“--iw”來調節參考圖與關鍵詞之間的權重比例，最高好像是5，也就是1:1，圖片和文本的參考度對半分。
我在這裡也總結了一些其他常用的參數。如“--no xxx”，其實就是在你的關鍵詞可能會有歧義的時候用的。比如你想要一個熱狗，你就可以加上“不要出現真的狗”，否則說不定AI就能給你畫出來一隻著了火的狗。
長寬比就很好理解，不過你們也可以試著直接輸入“HD”，AI就會自動給你生成1920x1080的分辨率，很方便。
“-q X（1-5）”指的是精細度，q後面的數字越高，代表精細度越高，花費的時間也就越長。
風格化，這個數字越高，它的風格化越強，也就越平面；數字越低，那它就越接近真實。
然後是渲染停止，如果是stop50的話，那它渲染到一半就會停下來，直接輸出一個半成品給你。如果你有特殊需求的話，不妨去試一試這個參數。
然後我也把一些你可能用得上的關鍵詞分門別類總結了出來，供大家參考。值得一提的是，除了鏡頭的視角你可以規定之外，甚至你還可以自定義相機的品牌，比如索尼相機，或者是尼康相機等等。不同的相機品牌，它生成出來的效果也是會有細微差別的，非常好玩。
至於要添加多少關鍵詞才合適，我想說其實很多人都不會弄一長串單詞在上面，因為關鍵詞一多，相當於就多了很多侷限。雖然AI生成的圖可能會更符合你想要的效果，但就會少了很多驚喜。
Midjourney最多能識別60個左右的關鍵詞，再多它的系統就處理不過來了——當然，我想也不會有人真的放那麼多詞在上面吧？
然後，記得在撰寫關鍵詞的時候不要把一些前後矛盾的描述同時輸入進去。這就像是跟設計說我想要一個五彩斑斕的黑一樣，AI在接到這樣的指令的時候也會覺得懵逼的。
另外在使用關鍵詞的時候，也多去使用一些明確的定義，避免使用“不是xxx”這樣的描述。“不是xxx”，可選擇的範圍就太大了，生成出來的結果可能就和你想要的相去甚遠。
如果你是個新手，需要一些關於關鍵詞的引導，那你可以去promptomania這個網站看一看。它收集了很多關鍵詞，並且一步一步、分門別類地為你整理好了。你只需要根據網站給出的步驟，從它的關鍵詞庫裡選擇你想要的效果，然後把這串關鍵詞直接複製到Midjourney裡就好。把“填空題”變成“選擇題”，非常方便。
下面這個工具也和上面的類似，你可以看看哪個更適合你的操作習慣。網址：點擊跳轉
另外，如果你想把關鍵詞準確地翻譯成英文，可以試試這個網站：deepl。這個網站翻譯出來的內容，比谷歌翻譯更好一些，能夠讓AI更加準確地識別你的意思。
畢竟Midjourney是外國的平臺，它對於很多詞語的理解都是基於西方的理解之上的。比如我們想要一條中國龍，就不能簡單地告訴它想要一隻“Dragon”，而是要去描述它有蛇的身體、魚的鱗片、鱷魚的手足、鹿的角等等，這樣可能才能得到你想要的結果。
AI繪畫對我們的影響
其實AI繪畫這個東西在剛出現的時候，我並沒有特別大的感觸。因為當時AI的技術還不過關，有的時候甚至還需要自己去改代碼，出圖的質量也非常糟糕，所以也不會覺得它可以替代人類做很多事。
但我沒想到AI繪畫的發展居然可以這麼快。等到Midjourney出來了之後，忽然之間你就會覺得，這項技術好像已經非常成熟了。服裝設計、插畫、建築工藝、平面設計，當然還有我們的遊戲行業，或多或少都受到了它的影響。誠然，它現在還不能一下子完成一個可交付質量的東西——特別是像很多人調侃的那樣：“你給我生成一個帶分層的PSD文件試試啊？”但實話實說，至少對於前期的概念設計來講，目前的AI已經相當夠用了。
所以，我覺得AI繪畫對一部分的插畫設計從業者，衝擊會比較大。因為插畫這個行業，有相當一部分的甲方沒有太多的審美要求，他們可能只是需要插圖整體的一個效果，不需要太多細節，只要能讓受眾get到意思就行了。所以，有了AI繪畫之後，很多工作甲方自己就可以完成，對乙方的需求量就會大大減少。
此外，我覺得AI繪畫對電影行業的衝擊可能也會不小。因為電影所需求的一些繪畫內容，大多都集中在前期的概念階段。這些概念圖的關注點都在情緒的表達和氛圍上，本身就不需要多少細節。這些工作也是可以用AI去替代的。
而對於我們遊戲行業來說，因為我們對美術的要求是非常高的，所以AI繪畫的衝擊相對來說就不會那麼大。相反，它的出現，對我們還有很多好處。
比如，它可以充當我們前期的創意工具。AI的運行原理，就是把整個互聯網當做是自己的數據庫，從中尋找參考，然後生成一張的新的圖。而我們在做設計的時候，其實也是這樣，先去搜索一些參考的素材，然後再根據自己的想法做一些概念上的融合，畢竟設計是沒辦法憑空產生的。因此你會發現，AI的創作思路，和我們人類的思路是相通的，那麼在前期尋找創意的階段，就可以讓AI來代勞，它的效率更高，往往也能給到你驚喜。
甚至於，策劃也可以利用AI來提升效率。以往策劃同學和我們溝通，通常也是要自己先找幾張參考圖，然後告訴我們想要的感覺——但是這樣畢竟不直觀。現在有了AI之後，其實他就可以自己生成一些他想要的概念圖直接給到我們，省去了大量的溝通成本和理解成本。後續，我們也可以直接在概念圖的基礎上進行修改——但要注意的是，一般來講場景改的會比較快，但是角色類的圖改起來會比較麻煩。因為如果你要動五官或者透視的話，基本相當於是重畫一張圖了。
AI繪畫還有個好處是降低了美術的門檻，這樣可以讓更多的創意加入進來。因為有很多同學，其實他們有非常好的點子，但就是因為他們不會畫畫，所以只能通過文字來表達，或者乾脆不去表達。那其實這些人就可以通過AI繪畫讓自己腦海裡的東西具象化，大大地擴充了我們的創意來源。
當然，AI繪畫目前也有一些缺點，比如目前AI生成的圖片依然很隨機，可能它不會一下子給到你最想要的那種感覺。當然，如果你只是想要一些創意，想讓AI給自己來一點驚喜，那這算是個好處；但如果你想把AI繪畫當生產力工具，融入自己的工作流當中，那出圖靠運氣這種事情就會很煩人了。有的時候你的關鍵詞已經寫得足夠精確了，但AI就是做不出你想要的那個樣子。
其次，它的藝術加成邏輯性非常差。如果你仔細觀察的話，你會發現AI生成的一些結構，或者是它畫面元素的一些組合其實是沒有什麼邏輯性的。但在我們的工作中，無論是畫場景還是畫角色，我們都要考慮到合理性，不是光好看就行了。
還有一個問題是，由於現在相同的關鍵詞過於氾濫，這會導致生成的圖片同質化非常嚴重。因為除了那些多花了20美元開通了隱私模式的“土豪”，所有其他在頻道里輸入的內容，大家都能看到。然後大家看到有些關鍵詞的效果好，就一窩蜂地都在用這些關鍵詞，這就讓作品變得越來越沒有新意了。
不過就像我之前說的，雖然AI繪畫還有很多缺點，但它進化的速度特別快。下面是我早些時候利用Midjourney生成的，給出的關鍵詞是《海賊王》和《火影忍者》角色的融合。可以看到效果並沒有那麼好，角色都顯得比較畸形，有點恐怖。
但短短几個星期過去，你就很少能看到這樣畸形的角色了：
而且非常強大的是，如果你就想要那種畸形、抽象的感覺，你也可以通過相關參數讓AI變回去，很有意思。
所以，現在AI的缺點，也許在未來很快就會被它克服。畢竟全世界每天這麼多人都在拿現成的圖“喂”它，它的成長速度可能會超過我們的想象。
AI繪畫的未來
前段時間有一個新聞，是關於谷歌的一個智能語音助理項目的，叫LaMDA2。有一次，一個谷歌倫理部門的工程師在跟LaMDA2對話的時候，發現這個AI似乎有了自己的意識。它覺得自己是有形態的，你問它在哪裡，它還會說自己無法描述，它正處於一種虛無的狀態，就好像是一個靈魂那樣。這個工程師後來把他們的對話給公佈了出來，前段時間也是鬧得沸沸揚揚。
之所以提這個新聞，我是想說，不管你喜不喜歡，很多公司已經在研究這些我們以為未來才會出現的高智能AI了。像是《銀翼殺手》裡的仿生人，還有《我，機器人》裡帶有智慧和意識的機器人，也許在不遠的將來，它們就將成為現實。別以為聽上去很誇張，要知道50年前的人類，他們也無法想象一臺巨大且昂貴的電腦可以被塞進一個屏幕裡。而現在，我們習慣稱這臺電腦為iPad，而且它能便宜到很多學生都在使用。
我的意思是，科技的發展是一條不可逆的道路。大家只能去適應和學習這些新的技術，然後為自己所用，讓自己更具競爭力。畢竟，不管你喜不喜歡，總是會有很多新技術正在被研究出來。
對於我們原畫師來說，現在網上很流行一段話：AI不會替代原畫師，但是可能會替代不會AI工具的原畫師。你會AI之後，你的競爭力也會更強。就像blender剛出來的時候一樣，這項新技術讓很多同學的作品質量突飛猛進。
不過這也警醒了我們：還是要多關注自己的創造力。在技術工具氾濫的情況下，創造力、想象力、基本功的積累會變得更加重要。舉個例子，如果你沒有基本功的話，你就算拿著AI出的圖給到甲方，甲方覺得有一些地方需要修改，你也是沒法改的。所以不管怎麼樣，這些基礎的能力都是不可或缺的。
還有的就是審美。AI創作出來的圖，我們也要根據自己的審美能力去提煉、去判斷。並不是每一張AI出的圖效果都好，那它不好在哪裡，好的圖又是什麼樣的，這就依賴於你的審美能力了。否則就算AI生成了高質量的圖，可能你也會拿著質量不怎麼樣的那一張去交差——這就會貽笑大方了。
積極地擁抱這些新事物，為自己所用，並且關注自己的獨特價值與不可替代性，我覺得這是我們看待AI繪畫，乃至未來所有新技術時應該有的一種態度。
歡迎關注：
