譯者 | 陳峻
審校 | 重樓
眾所周知，人工智能（AI）已成為我們生活中不可或缺的一部分，并正在以我們曾經(jīng)無法想象的方式對人們的創(chuàng)造、學習和交流等方式，產(chǎn)生著深遠的影響。其中，最為典型的莫過于我們處理創(chuàng)意設(shè)計的方式。例如，業(yè)界著名的Anything-v3.0 和 Pastel-mix 模型，都屬于能夠?qū)⑽淖置枋鲛D(zhuǎn)化為高質(zhì)量動畫風格圖像的AI引擎。
通過它們，開發(fā)者可以僅憑文字描述，就能生成視頻游戲的概念圖、以及動畫場景的故事板。這顯然加快了整個創(chuàng)意的過程，并為游戲、動畫甚至虛擬現(xiàn)實等行業(yè)的創(chuàng)新，開創(chuàng)了無限的可能性。
目前，Anything-v3.0 和 Pastel-mix在 AIModels.fyi 上的排名分別 233 和 1117。下面，我們將針對這兩個模型的獨特功能和潛在用途，以及局限性進行比較，以探索哪個AI模型更適合創(chuàng)建日漫元素。
關(guān)于 Anything-v3.0 模型
由 cjwbw 創(chuàng)建的Anything-v3.0，是一款非常先進的從文本到圖像的AI模型。通過采用穩(wěn)定的擴散技術(shù)，它能夠按照文本輸入，生成高質(zhì)量、細節(jié)豐富的動漫風格圖像，從而達到引人入勝的逼真輸出。您可以通過鏈接--https://www.aimodels.fyi/models/replicate/e62b0e81-a576-4f76-a3c7-0182c5c5c8ec?ref=hackernoon.com了解有關(guān)該模型的更多詳情。
簡單而言，Anything-v3.0 可謂一名AI藝術(shù)家。您只需給它一段文字描述，它就能將文字描述轉(zhuǎn)化為具有視覺吸引力的動漫風格圖像。顯然，這在視頻游戲開發(fā)、動畫和娛樂等領(lǐng)域有著巨大的潛力，畢竟在這些領(lǐng)域，快速生成概念圖、故事板或宣傳材料可以加快整個創(chuàng)意過程。
了解 Anything-v3.0 模型的輸入和輸出
- 輸入
提示字符串（prompt string）：作為主要輸入內(nèi)容，您可以在這里描述希望人工智能生成的內(nèi)容。
否定提示字符串（negative_prompt string）：是一些您不想在生成的圖像中看到的元素描述。
寬度整數(shù)和高度整數(shù)（width integer and height integer）：定義輸出圖像的尺寸。
num_outputs 整數(shù)：決定輸出圖像的數(shù)量。
num_inference_steps 整數(shù)：定義去噪的步數(shù)。
guidance_scale 數(shù)：指定無分類器（classifier-free）引導的刻度。
種子（seed）整數(shù)：用來生成圖像的隨機種子。
- 輸出
輸出是一個由生成圖像的 URI 組成的數(shù)組。
關(guān)于Pastel-mix模型
Pastel-mix 同樣是由 cjwbw 創(chuàng)建的，它也是一款高質(zhì)量的從文本到圖像的AI模型。Pastel-mix可以利用潛在的擴散技術(shù)，從文字的描述中生成細致的動畫風格圖像。
從本質(zhì)上講，Pastel-mix 的操作與Anything-v3.0比較類似，其主要不同在于：它生成的圖像具有獨特的粉彩動漫（pastel anime）藝術(shù)風格。這種模式可以讓動漫行業(yè)藝術(shù)家和設(shè)計師快速將書面概念（written concepts），轉(zhuǎn)化為細致的粉彩動漫插圖。
了解 Pastel-mix 模型的輸入和輸出
- 輸入
由于Pastel-mix 的輸入與 Anything-v3.0 相同，因此它同樣可以對圖像生成的過程進行類似的控制。
- 輸出
與 Anything-v3.0 類似，Pastel-mix 也會輸出一個代表生成圖像的 URI 數(shù)組。
模型比較
盡管 Anything-v3.0 和 Pastel-mix 都能夠?qū)⑽谋巨D(zhuǎn)化為動畫風格的圖像，但它們在美學輸出和使用案例上卻有所不同。
如上所述，Anything-v3.0 可以生成高質(zhì)量、細節(jié)豐富的動漫風格圖像，廣泛適用于從游戲到娛樂的各種應用。而且它尤其適合那些需要逼真的動漫風格輸出的項目。
另一方面，Pastel-mix 可以被用來專門制作那些具有獨特粉彩動漫藝術(shù)風格的圖像。正是這種獨特的美學風格，能夠吸引那些追求柔和風格化視覺輸出的創(chuàng)作者，尤其適用于動漫行業(yè)的角色設(shè)計和插圖領(lǐng)域。
可見，這兩種模型滿足不同的需求，具體該如何選擇，則取決于項目的特定要求和藝術(shù)偏好。
從文本到圖像的AI模型的局限性
盡管以 Anything-v3.0 和 Pastel-mix為代表的從文本到圖像的AI模型，在根據(jù)文本描述生成圖像方面已取得了長足進步，但它們也并非沒有局限性。在實際使用這些模型時，我們需要注意以下幾個方面：
- 輸出質(zhì)量和準確性：即使是最先進的從文本到圖像模型，所生成的圖像也不一定總是 100% 準確的。有些文本描述可能過于抽象或復雜，讓模型無法準確解讀，進而導致生成的圖像與用戶的意圖不完全一致。
- 語境理解：有時候，人工智能模型在理解和翻譯上下文或抽象信息時，可能會遇到困難。尤其是，當給定的文本提示在很大程度上依賴于文化背景或主觀解釋時，例如在面對“一個胸有成竹的男人”的描述，國外的人工智能可能無法生成符合人類期望的圖像。
- 倫理和隱私問題：與任何人工智能技術(shù)一樣，我們需要考慮道德相關(guān)問題。濫用這些模型創(chuàng)建的欺騙性甚至有害內(nèi)容，是一個令人焦慮的問題。此外，輸入到模型中的任何文本，都有可能被存儲、并以用戶意想不到的方式使用，從而引發(fā)隱私等問題。
- 資源密集需求：從文本到圖像模型往往屬于計算密集型，且需要高性能的硬件，如果被廣泛使用或用于生成高分辨率的圖像的話，它可能會產(chǎn)生大量的成本。
- 缺乏互動性：目前的模型主要是單向的，即根據(jù)初始輸入直接生成圖像，尚不支持根據(jù)輸出，進行來回細化或交互式編輯。
- 依賴訓練數(shù)據(jù)：模型的性能和偏差，在很大程度上取決于其訓練數(shù)據(jù)。如果模型是用一組有限的圖像、或有偏差的數(shù)據(jù)進行訓練的，那么其輸出結(jié)果很可能會反映出相應的局限性和偏差。
無論是出于個人、商業(yè)還是研究目的，在使用文本到圖像模型時，我們都需要留意這些局限性。雖然人工智能技術(shù)仍在不斷進步，但是它目前尚無法完全替代人類的創(chuàng)造力和對上下文的理解。
小結(jié)
隨著人工智能技術(shù)在各個領(lǐng)域的不斷迭代與增強，它正在徹底改變著許多行業(yè)和創(chuàng)意運作模式。得益于Anything-v3.0和Pastel-mix等模型，我們在文本到圖像的過程中，只需一句簡單的描述性語言，便可將想象中的創(chuàng)意轉(zhuǎn)化為有形的、令人興奮的視覺效果。
盡管這些模型的能力令人印象深刻，但是它們在理解語境、確保準確性、以及避免潛在道德問題方面并不盡完美。不過，AIModels.fyi 等平臺為我們展示了豐富的模型系列，以及可用于不同需求和應用的各種工具。它們能夠協(xié)助和增強我們在創(chuàng)造性過程方面的巨大潛力。
譯者介紹
陳峻（Julian Chen），51CTO社區(qū)編輯，具有十多年的IT項目實施經(jīng)驗，善于對內(nèi)外部資源與風險實施管控，專注傳播網(wǎng)絡(luò)與信息安全知識與經(jīng)驗。
原文標題：Anything-v3 VAE vs Pastel-Mix: Which AI Model is Best for Creating an Anime Character，作者：Mike Young
