跳到主要内容

tech/AI绘图

· 9 分钟阅读

AI绘画属于AIGC中的一项应用场景，目前常见的绘画产品有：Midjourney、Stable Diffusion、DALL·E、Novel AI（二次元风格），最新的Midjourney和DALLE付费用户生成出的图像是有使用版权的。

Midjourney​

它都能做什么？

  • 文生图(给一段文字生成图片)
  • 图生图(垫图，参考图片风格绘制新的图像)
  • 图生文(将喜欢的图片拆分为AI能够识别的文字进行二次创作)
  • 融图(把我的脸和彭于晏的身体合成)

官方教程中，最简单的Prompt结构就是一段文本描述： image.png

以下是官方解释：

Prompt是一个简短的文本短语，Midjourney Bot 会解释该短语以生成图像。Midjourney Bot 将提示中的单词和短语分解为更小的部分，称为标记，可以与其训练数据进行比较，然后用于生成图像。准确的Prompt可以帮助制作独特而令人兴奋的图像。

使用 Prompt 快速生成一张图片:

The cat sleeping at the entrance of the coffee shop. (在咖啡店门口睡觉的猫) image.png

Prompt实践​

Midjourney不理解语法、句子结构或人类一样的词汇。词语选择也很重要。在许多情况下，更具体的同义词效果更好。不要使用"大"，尝试使用"巨大"、"庞大"或"极大"。在可能的情况下删除词语。较少的词语意味着每个词语都具有更强大的影响力。使用逗号、括号和连字符来帮助组织思维，但要知道mj Bot可能不会可靠地解释它们。mj Bot不考虑大写。

进阶版的Prompt： image.png

简单说，Midjourney 机器人最适合使用简单、简短的句子来描述您想要看到的内容。避免长串的描述。 举个例子：

不要说：给我看很多盛开的加利福尼亚虞美人花的照片，让它们明亮、充满活力的橙色，并以彩色铅笔的插图风格绘制它们。 请尝试：用彩色铅笔绘制的明亮橙色加利福尼亚虞美人花。

重要：顺序会影响结果，越早出现的词，对结果影响越大。

Image2Image（图生图）​

假如有如下需求：

  • 喜欢的图片，但没有版权，需要付费
  • 图片大体符合需求，细节需要微调

以下图实践一下

我们只需以 Image Prompt + Text Prompt 就可以修改掉之前的图像：

图片链接 + one Afican-American hand and one Asian woman hand(一只非洲裔美国人的手和一只亚洲女人的手)

文生图的常见注意事项​

语法​

prompt 不是越长越好。特别是各种定语从句，它根本就不懂，还不如把指令用逗号隔开，一个个输入。

官方的语法建议：

  • 使用形容词+名词的词序来替换介词短语。
    • hair flowing in the wind 应该改为 flowing hair
    • a carrot for a nose 应该改为 carrot nose
  • 使用非常具体的动词来替换介词短语。
    • a girl with a flashlight 应该改为 a girl using a flashlight
    • a girl with a big smile on her face 应该改为 smiling girl
单词​

在单词的部分，Midjourney 跟 ChatGPT 有点类似，它对同义词的理解也不是很好。比如举两个例子：

  1. big （大）这个词，到底指多大？越具象的大，对于 Midjourney 来说，效果越好，比如用 gigantic 就比用通用的 big 好。
  2. cats（猫）这个词是个复数，但到底是多少只？对于 Midjourney 来说，two cats（两只猫）比 cats 更明确。
明确需求​

考虑哪些细节重要，因为图像信息的信息量远超过文字，所以很多时候，Midjourney 会随机填充一些内容给你，它既是缺陷，也是亮点功能。如果你想减少这些随机性，就需要用到一些 prompt 框架（或者所谓的模板） 自然语言支持不太好，使用标准的Prompt（咒语）格式生成效果更佳。

关键词的常用结构是：主题+环境+构图+风格+图像设定

尽量明确您重要的任何上下文或细节。考虑以下内容：

  • 主题：人物，动物，角色，地点，物体等。
  • 媒介：照片，绘画，插图，雕塑，涂鸦，挂毯等。
  • 环境：室内，户外，月球上，纳尼亚，水下，翡翠城等。
  • 照明：柔和，环境，阴天，霓虹，工作室灯等。
  • 颜色：充满活力，柔和，明亮，单色，多彩，黑白，淡彩等。
  • 情绪：宁静，平静，喧闹，充满活力等。
  • 构图：肖像，特写，特写，鸟瞰视角等。
实践一下​

the owner's orange cat is stretching, In the coffee shop, indoors, afternoon, cloudy (在咖啡店内，店主养的橘猫正在伸懒腰，室内，下午，阴天) image.png

the owner's orange cat is stretching on the sofa, In the coffee shop, Indoors, afternoon, cloudy day(在咖啡店内，店主养的橘猫正在沙发上伸懒腰，室内，下午，阴天) 指名了沙发，你不说，模型就会随机给你 image.png

翻车示例： 下面两个Prompt属于Midjourney生成翻车的示例，对应的不翻车版本可以后面的章节看DALL·E生成的（DALLE更像个听话的孩子，Midjourney更喜欢按它自己的思路做一些“创造”）

the owner's orange cat is stretching on the sofa, In the coffee shop, indoors, there are two guests chatting happily in the afternoon, cloudy day (在咖啡店内，店主养的橘猫正在沙发上伸懒腰，室内，旁边有两个客人在开心的聊天，下午，阴天) image.png

the owner's orange cat is stretching on the sofa, In the coffee shop, Indoors, afternoon, cloudy day, Cyberpunk (在咖啡店内，店主养的橘猫正在沙发上伸懒腰，室内，旁边有两个客人在开心的聊天，下午，阴天，赛博朋克) image.png

总结​

image.png

实战插画​

企业插画的魔法公式，主要基于关键词Corporate Flat Illustration（企业平面插画）构成，再结合常用的设计风格，比如孟菲斯风格，线条艺术，等距视图等关键词辅助，然后根据产品需求，融合插画色彩等组成 企业插画魔法公式：

公式：Corporate Flat Illustration + 主题＋色彩 + 风格参考

魔法词：Corporate Flat Hllustration 辅助词：corporate memphis style（孟菲斯风格），Business Style Illustration（商业风格插画），Boho Watercolor（波西米亚水彩画），Cottagecore （Cottagecore公司），Ethereal lllustration（空灵的插图），Innovative Design Aesthetics（创新设计美学），Verdadism（维达主义），Line Art （线条艺术），Danish Design（丹麦设计），MatissePoster（马蒂斯海报），Animation Style（动画风格），Isometric Illustration（等距插图），Isometric Data Visualization（等距数据可视化），Isometric Figures（等距数字），white background（白色背景），dreamy color palette（梦幻色调），with charts（用图表），simple and clean（简单干净），light color（浅色），Teamwork concept（团队合作），minimalist （极简主义），website（网页）

扁平化风格​

办公室职员站在仪表板前的平面插图，图表，蓝色和青色，渐变 Flat illustration of a office worker standing in front of a dashboard with chart, blue and cyan, gradient --niji 5 --aspect 1:1 --stylize 50 --quality 1 --chaos 0 --style original image.png

插画​

一个贪婪的年轻人拿着金币快乐地奔跑，蓝色和金色的企业扁平图案。 A greedy youth running happily with gold coins, Corporate Flat Hllustration, in blue and gold. --niji 5 --aspect 1:1 --stylize 50 --quality 1 --chaos 0 --style original image.png

这里有一篇插画实战的文章，有更多的例子

相关网站推荐​

DALL·E3​

支持自然语言，不需要像Midjourney那样需要特殊的咒语。得益于chatgpt，可以将我们的白话文描述转为DALLE的Prompt。对新手更友好

与Midjourney同样的提示词做对比​

刚刚mj的示例交给DALLE再生成一遍，但是只给他中文的描述：

（一）在咖啡店门口睡觉的猫 image.png

（二）在咖啡店内，店主养的橘猫正在伸懒腰，室内，下午，阴天 image.png

（三）在咖啡店内，店主养的橘猫正在沙发上伸懒腰，室内，下午，阴天 你不说，模型就会随机给你 image.png （四）在咖啡店内，店主养的橘猫正在沙发上伸懒腰，室内，旁边有两个客人在开心的聊天，下午，阴天 image.png

（五）在咖啡店内，店主养的橘猫正在沙发上伸懒腰，室内，旁边有两个客人在开心的聊天，下午，阴天，赛博朋克 image.png

总结​

目前只对更主流的Mj和DALLE进行了调研，Stable Diffusion只是浅尝辄止，只用别人的模型玩过，而且难度比另外两个更高。下面是之前用sd生成的图像： Stable Diffusion可以在本地部署生成图像，其它的产品在线使用更方便，个人感觉它的上限应该会更高，但也更难控制。

AI生成的图像对语言的处理能力有限，尤其是中文会出现各种乱码。如果应用在工作设计中，个人理解，正确的工作流应该是：

  1. AI生成想要的插图起手，作为素材；
  2. AI生成合适的背景，作为素材；
  3. 挑选生成想要的艺术字，作为素材。可以用一些免费商业授权的字体，也可以试试阿里的绘图大模型通义万相_AI创意作画_AI绘画_人工智能-阿里云看下效果；
  4. 将以上三个素材在自己合成为完整的图像。 这里有一个完整的视频例子来实现海报banner【MJ辅助B端】仅需6步，轻松设计商业banner图_哔哩哔哩_bilibili

真正用在工作中的话，还需要考虑：

  • 设计一致性，一个产品应该有一套完整的设计语言。AI的话就需要自己整理一套Prompt规范来控制；
  • AI不可控，所以很容易翻车，需要不断尝试
  • 版权问题