TikTok 乱拳打死老师傅：硅谷大厂还在发论文，它产品已经上线了( 二 ) 突然间

GPT-3也完全没令人失望，在小范围开放测试API之后，外界人士用它开发出了各种各样神奇的demo ，展示了写段子、翻译公式、解数学题、完成用户界面设计、生成财务报表等能力。
“AI文字生成图片”也是这些能力的其中一项。

文章图片
包括OpenAI、谷歌、Midjourney、StabilityAI等一众大小公司，已经开发出了多个文字转图片生成模型，展示出神经网络模型具备令人惊讶的艺术创作能力。
从AI文字转图片生成技术开始得到公众关注，到今天各路大厂和小公司挤破头也要掺和，各种不开放的、开放的、收费和免费的模型层出不穷……也就过去了一年左右的时间。
在这些模型当中， OpenAI的DALL·E是最著名的一款。该模型一代于2021年推出，今年刚刚更新到了二代。用户只需提供自然语言描述，模型就能够生成非常写实(photorealisitic)的图片。

文章图片
除了从零开始生成全新照片， DALL·E2还有更多功能，适合现实中多种艺术工作场景。
比如它的编辑能力，可以在一张已经存在的照片中，在用户任选的位置“删除”或者“添加”物体，并且编辑后的效果仍然很写实：

文章图片
再比如DALL·E2还具备“启发”的能力，能够根据一张已经给定的图片，生成风格近相同的新照片：

文章图片
顺便一提：有个跟OpenAI没关系的第三方开发者，自己仿着DALL·E做了一个图片生成模型，还给免费开放了，取名为DALL·Emini 。
结果这个“仿制品”比正品还受欢迎，在社交网络Twitter上专门搬运这个模型生成的奇怪图片的账号，粉丝量都破了百万。甚至逼得OpenAI专门出来澄清跟它没关系，要求开发者做出改变。现在这个免费小工具已经改名为Craiyon了。
（听说此事之后，粉丝们还做了一张梗图，嘲笑OpenAI那边还在控制测试权限，这边DALL·Emini早就给全网玩嗨了……）

文章图片
而在硅谷大厂的行列当中，现在谷歌是已知动作最快的，在DALL·E2出来不久后也发布了自己的模型，名为Imagen 。
就像DALL·E的根源是语言超大模型GPT-3 ， Imagen的根源也是谷歌开发的泛用型超大语言模型T5 。至于Imagen的这个命名，其实是图片(image)+生成(generate)的混成词。

文章图片

文章图片
虽然做的比DALL·E晚，同样作为硅谷知名AI研究型公司的谷歌，还是非常不服OpenAI的，宣称找人做了一堆同类模型的盲测，结果是受试者更喜欢Imagen生成的结果，认为其在“生成质量”和“文字描述还原度”上都更胜一筹。
——当然，究竟是DALL·E2和Imagen谁的生成结果更好，还是一个很主观的，见仁见智的事情。在技术实现上，这两家其实大同小异，都是用了Diffusion（扩散）模型生成，然后再用Super-Resolution（超分辨率)技术来让生成结果更加清晰。

文章图片
还有更多规模更小的新创公司也在做AI图片生成和艺术创作这件事。