AI之上 【第一弹】

AIGC运用

AI“摄影”

【商用部分收费】docs.midjourney.com/docs/plans

【网友的midjurney杰作，虚“假”难辨】

AI之上 【第一弹】
AI之上 【第一弹】

A pair of young Chinese lovers, wearing jackets and jeans, sitting on the roof, the background is Beijing in the 1990s, and the opposite building can be seen —v 5 —s 250 —q 2.

AI规划

【beta版别不能商用】firefly.adobe.com/faq

【Adobe发布AI东西：Adobe Firefly】

AI之上 【第一弹】

AI动画/视频

【商用部分收费】runwayml.com/pricing/

AI之上 【第一弹】

AI阅读理解

【开源】【国内清华团队】github.com/THUDM/ChatG…

【只要扔进去一段网址，AI主动帮你”省流””】

AI之上 【第一弹】
AI之上 【第一弹】

AIGC多模态——数字人

【商用部分收费】www.d-id.com/pricing/

AI之上 【第一弹】

“AIGC出圈”的考虑

2023最出圈产品 midjurney和chatGPT
midjurney prompt辅导具象化艺术发明，拓宽了智能发明的幻想空间，提高功率、主动化出产。
chatGPT 量变引起突变，大模型的通识体现，拓宽了智能交互的幻想空间，简化流程、降低获取信息本钱。

AIGC为什么火？

  • 关键词：【幻想】【功率】【主动化】

    • 幻想空间：曾经很多人以为AI无法完成艺术发明，以chat bot为代表的强人工智能的体现也一直被人诟病，调侃为”人工智障”，直到2022年末，两款运用横空出世…
    • 功率：学会与AI交流，为许多互联网er置换出很多的时空资源，让他们有精力聚焦在更有价值发明的地方。
    • 主动化：人类的前史无非便是“汽车替代马车夫，机器替代手艺”的进程，在这个信息爆破的时代，技能的本质其实是东西，它的最大价值，便是降低了出产力的本钱。从刀耕火种，再到青铜时代再到工业时代，人类文明前进的一个主线便是单位出产力的本钱更低了。

  • AIGC的未来：

    • 依赖prompt：

      • 尽管有了海量数据的投喂，大模型的泛化才能已经很强，但无论是midjurney仍是GPT，想要得到一个好的答案或者作用，仍然需求一个精准的问题描绘。而一个明晰准确的好问题，需求良好的逻辑，准确的语言，以及厚实的常识面对AI给到的成果进行验证和反应。这恰恰是最难的，很多人实际上并不具有提出一个好问题的才能。

    • “智能发明”的止境：也许是AI短视频、AI制片、AI动画

    • “智能交互”的止境：也许是端交互、可视化交互、沉溺式交互、多模态交互

考虑一：供给幻想力价值

假如未来一切的劳务都被AI替代，人类仅有还能出产的便是幻想力，科技是榜首出产力，幻想力是推进出产的源动力。

当下的人们该怎么去认知人工智能？人工智能的开展还要解决哪些问题？未来人工智能究竟会走向何方？会不会推翻人类自己？咱们人类究竟该怎样去开展人工智能？关于群众而言，这些问题似乎很难有答案。

爱因斯坦说，“常识是有限的，而幻想力却能漫游国际。” 幻想力是打开科技前进之门的榜首把钥匙。

考虑二：养“懒”客户

AI的优势是协助客户快速、降本、主动化解决问题。“培育”客户慵懒，供给高品质体会，顺着人道、抚摸人道、引导人道。

数字营销 互动娱乐 发明共享
替代用户完成他们需求做但做不到、不想做的事 AI运营 24h客服、24h直播、24h陪聊 无间断更新
协助用户完成他们需求做但比较难或投入过多的事 AI带货、AI写文案 AI讲师、AI主持、AI说明 AI辅佐工作、AI绘图、AI规划、AI编排
引导用户做他们喜爱做却又没做过的事 AI模特、AI制片 智能NPC AI制片、AI动画、AI摘要视频、AI演绎小说

考虑三：ToB or ToC

ToB是“stable”的，ToC是“flow”的。

AIGC，说到底，终极矛盾依然是toC。toC商场对用户的喜爱是敏感的，技能的演进和迭代，需求用户继续不断的输入和反应，才能构成出产闭环。数字人的开展未来最好的一种形式：通过对司内业务的支持，直接捕捉C端商场的爱好变化以注入业务生机，一起推进商业形式和技能创新，再反哺到ToB才能上，这样的正循环更有利于培育业务壁垒，构成的商业才能护城河。

AI作图

“AI作图”主流运用

AI之上 【第一弹】

聊聊开源模型SD

  • Stable diffusion:
大模型，SD的推理其实便是通过文本编码来辅导图画去噪的进程，输入的prompt在embedding后能够在潜空间寻找与目标描绘最类似的图画分布特征。【Git】github.com/CompVis/sta… 【Course】www.bilibili.com/read/cv2156…
AI之上 【第一弹】
  • +stable diffusion WebUI
一款功用反常强大的AI图片生成器。 它不仅支持生成图片，运用各种各样的模型来达到你想要的作用，还能练习自己的专属模型。 Stable Diffusion WebUI使得Stable Diffusion有了一个更直观的用户界面，更适合新手用户。
AI之上 【第一弹】
  • +Lora
小模型，通过设置权重能够叠加对根底大模型的作用影响。 调整画风：
AI之上 【第一弹】
AI之上 【第一弹】
 换脸、换装：
AI之上 【第一弹】
AI之上 【第一弹】
  • +ControlNet
一款强大的精准控图插件：能够主动识别图画canny、depth、hed、openpose等多种融合特征，辅佐文本描绘词，完成用户想要的任何作用。
AI之上 【第一弹】
AI之上 【第一弹】
AI之上 【第一弹】

  • 常用模型：

    • 文生图/图生图 NovelAI Stable diffusion v1.5 Chilloutmix CharTurnerBeta
      日系二次元模型 现实通用模型（景色作用好） 写实写真模型（人物作用好） 三视图模型

  • 常用东西：

    • 下载模型：

      模型网站 Prompt tag网站
      （H站） huggingface.co/facebook tag.muhou.net/
      （C站）civitai.com/ aitag.top/
      tags.novelai.dev/
      www.wujieai.com/tag-generat…

  • 实践：

    • 根底大模型(sd)：人物/景象/景色/构图/质感/画风

    • 小模型(lora)： 角色/什物/风格/画风

    • 人物学习（>=10张） SD根底模型 + lora风格模型

    • 画风学习（>=50张） lora模型 / hypernetwork

AIGC的版权危险

  • “AI作图”面临的侵权危险

版权问题应该是“AIGC”领域最大的争议，公司的法务团队也在评估中…

当时国内外关于AIGC获取与运用版权著作进行算法练习是否合法存在诸多争议，AI绘画的版权问题尚在风口浪尖，尚无立法和司法层面的清晰一致；Stable Diffusion通过充分练习后，能够依据用户给出的文本输出最终图画。但这些生成的图画内容，很大的概率包含并展现出作为练习数据的版权著作的元素及特征。

谷歌公司的研究人员Kevin P. Murphy指出：机器学习模型有时会重建输入数据的特性，而不是反映这些数据的潜在趋势。此类模型能够视为生成著作的概率模型，落入原作“复制品”或“衍生著作”的广泛定义，存在侵略“复制权”与“改编权”的危险。

  • 运用中需求注意什么

  1. 关于模型练习的危险预警和应对：

    1. 像chatGPT、SD这种大模型的练习依赖于海量的数据集，大模型练习尽可能避开有版权的数据集。
    2. 除了著作权的危险，一起也要防止运用带有商标、人物肖像或者特殊外观规划的未授权数据，否则有可能会构成对专利权、商标权、肖像权的侵权。
    3. 运用水墨画、二次元等较高艺术形式的数据版权危险更高，尽可能避开。

  2. 关于AIGC成果的侵权预警：

    1. 假如练习集自身已授权，则生成成果同样无危险。
    2. 假如练习集未授权或无版权，且类似度小于80%，则生成成果版权公开，不归于任何人。
    3. 假如练习集未授权，且生成成果和原图类似度大于80%，就归于侵权行为。