ControlNet是一位正在斯坦福读博的中国人张吕敏创作的一种(zhǒng)基于(yú)控制点的图像变形算法(fǎ)，主要(yào)用于数字图像处理、计算机视觉(jué)和(hé)计算机图形学等领域。

其SD插件一经发布，在(zài)短短(duǎn)的两天内便成(chéng)为了AI绘画(huà)领域最新的(de)热(rè)点。

在此(cǐ)之前，大家用了很多(duō)方法想让(ràng)AI生成(chéng)的(de)结果尽可能(néng)的符合要求，但(dàn)是都(dōu)不(bù)尽如(rú)人(rén)意，它的出(chū)现代表(biǎo)着(zhe)AI生成开始进入真正的可控时期。

因为ControlNet可以直(zhí)接提取画面(miàn)的构图，人物的姿势和画面(miàn)的深度信息等。有了它的帮助(zhù)，就(jiù)不用频繁的用提示(shì)词(cí)来碰运(yùn)气，抽(chōu)盲盒式的创作了。

通俗的说ControlNet相当于给(gěi)AI绘画加了“魔法”，不少博主的作(zuò)品已经获得了大量(liàng)的浏(liú)览量，“viggo”就是其中之一，他用朋(péng)友的(de)照片直接带她们走(zǒu)进动(dòng)漫世(shì)界。

viggo先用StableDiffusion图片转文字。

再用Text2Prompt插(chā)件拓展找到对应的关键词；最后(hòu)用ControlNet插件(jiàn)绑定(dìng)骨骼开始换关键词试(shì)效果。

通过图片(piàn)就(jiù)可以看出来，效果十分惊艳。

更厉(lì)害的是，除了(le)真实的照片，草图也可以加上(shàng)“魔法”，知乎大牛(niú)“DevPoint”和“逗(dòu)砂”介(jiè)绍到ControlNet还能实现线(xiàn)稿转全彩图。大神张吕敏其(qí)本(běn)尊也亲自回应。

不(bù)得(dé)不(bù)说当下AIGC已(yǐ)经变得越来(lái)越强大，甚至(zhì)输出的(de)作(zuò)品都(dōu)已(yǐ)经(jīng)能以假(jiǎ)乱真了。

02

难辨虚实，AIGC技术力爆(bào)发(fā)

警惕安全问题(tí)

近日，“苏州金(jīn)鸡湖有游艇(tǐng)party”的消息火遍网络，而经过警方辟谣这所谓的“party”可(kě)能是全国第一起AI绘图诈(zhà)骗。

由(yóu)于这个活动(dòng)里面(miàn)给出的美(měi)女照片都是AI制作的真人照片绘图，因为太逼真，被大家当成真(zhēn)事传(chuán)播(bō)了(le)。

不过仔细观察可(kě)以发现，活动发起者提供的照片中有个很大的(de)漏洞可以发现并非真人(rén)，而是AI绘图(tú)，那便是图片(piàn)中女(nǚ)性的手指部分有的存在异(yì)常(cháng)。

有行(xíng)业人(rén)事表(biǎo)示(shì)：“现在因为手指部分的绘画算法比较复杂，AI还不太会画人的手，但最新看(kàn)到的图片已经有越来越(yuè)完(wán)美的AI模型出现，以后(hòu)可(kě)能就完全没有漏洞了(le)。”

类似的(de)AI作图(tú)诈骗(piàn)在国外也已有(yǒu)发生。据英国广(guǎng)播公司报道，土耳其(qí)地震期间(jiān)，有Tiktok用户使用AI合成(chéng)了儿童受灾的(de)假照片发布到网络，以此(cǐ)诱骗善良的(de)人打赏“捐助(zhù)”从而实施(shī)诈骗。

目前随着技(jì)术发展(zhǎn)，AIGC已经能做出(chū)真(zhēn)人照片般的绘图效果(guǒ)，如果这样的图(tú)片被用(yòng)来诈(zhà)骗，将(jiāng)非常可怕(pà)。

此外AIGC还引(yǐn)发(fā)了很多担忧，一方(fāng)面，批判者认为AI在(zài)“学习(xí)”了大量前人的作品之后，其创作没有任何(hé)情绪(xù)和灵魂(hún)，难以和(hé)人类的艺(yì)术(shù)创(chuàng)作相提(tí)并论。

另一(yī)方(fāng)面(miàn)，AIGC背后的(de)版权、目前都并(bìng)没有(yǒu)得到有效的解决，还有(yǒu)AIGC会(huì)不会(huì)代替(tì)人(rén)类“至高无上(shàng)”的(de)创意。

马斯克也强调(diào)，人工智能的安全问题需(xū)要得到重(zhòng)视，太晚(wǎn)就来不及了(le)。

03

AIGC下一站除了视频，还有远方

技术(shù)都是有(yǒu)两(liǎng)面(miàn)性的，潜在的危害并不(bù)能(néng)掩盖(gài)其光辉(huī)的(de)贡献。现(xiàn)在看来，人工智能(néng)技术将是第四次工业革命的核(hé)心驱动力量，将(jiāng)创造新(xīn)的增长奇(qí)迹。

过去一年，人(rén)工智能(néng)在技术(shù)和商业层面都有了(le)巨大进展，AI绘(huì)画就(jiù)是人(rén)工智能(néng)技术(shù)发(fā)生方向(xiàng)性改变的(de)一个(gè)代(dài)表(biǎo)。其(qí)下(xià)一站或许就(jiù)是视(shì)频。

此前(qián)，Meta和(hé)谷歌先后发(fā)布了几(jǐ)条引爆科技圈的短视频。这(zhè)些视(shì)频引发(fā)关(guān)注并非内容做得多优秀，反(fǎn)而都非常简(jiǎn)单，比如(rú)一匹正在喝水的马，一只(zhǐ)画画的(de)玩具熊，或者一(yī)段骑摩(mó)托车的第一视角录像，随(suí)便一(yī)个有手机的人都可以随手录下一段。

但这些短(duǎn)视频的创(chuàng)作方式(shì)非常简单(dān)，创作者(zhě)仅仅需要(yào)向AI输入一段(duàn)话，甚至(zhì)只是(shì)说一下要求，AI就可(kě)以(yǐ)根据需要生成一段视频(pín)。

谷歌发布的两个AI生成视频分(fēn)别来自(zì)于Imagen Video和Phenaki，前(qián)者主要突出的是(shì)高(gāo)清(qīng)，与Meta的Make-A-Video没有太多的(de)差别(bié)。

在Make-A-Video公布了AI生成的视频(pín)后(hòu)，AI圈就已(yǐ)经玩了一波(bō)梗，一(yī)个(gè)能够(gòu)做出更高清视频的AI还不足(zú)以(yǐ)在短时间内戳中兴(xīng)奋点(diǎn)。

Phenaki更加令人(rén)震(zhèn)惊的地(dì)方在于，它可以制作出超过2分钟的连贯的也有确切内容的视(shì)频，这才是真正让人们(men)感到(dào)惊喜的(de)地方。因为(wèi)无论(lùn)AI生成的视频多么高清(qīng)，也只能是为(wèi)内容(róng)生产者提(tí)供(gōng)一个灵(líng)感，一(yī)个素材(cái)，一个过(guò)场动画。

不(bù)过(guò)能(néng)够制作出有(yǒu)具体剧(jù)情内容的视(shì)频就意味着，一些视(shì)频创作由AI代替人(rén)工完成(chéng)已经初步有(yǒu)了(le)可能。

当下AI的(de)发展速度已经(jīng)超过大部分人的想(xiǎng)象。内容产业的本(běn)质是供给创造(zào)需(xū)求，AIGC作为全(quán)新的内容生产方式，可以(yǐ)为内容产(chǎn)业带来(lái)更新的内容风格、更快的生(shēng)产(chǎn)速(sù)度，更低的生产成本，这无疑会驱动内容产业的大(dà)爆(bào)发。

除了AI绘图(tú)、视频，AIGC技(jì)术还能(néng)应用于(yú)音乐、代码、机(jī)器人(rén)动作等多种内(nèi)容形式的生(shēng)成。不难发现该项技(jì)术不仅在游戏等行业能得到有效应用，对于下一(yī)代(dài)互联(lián)网各种元素的构(gòu)建亦有关(guān)键(jiàn)意义。

从商业(yè)化的角度来看，文化娱(yú)乐、教育、传媒等诸多领(lǐng)域，本(běn)身就对基于(yú)AI的(de)可视化(huà)内容有(yǒu)强烈需(xū)求(qiú)。

因此(cǐ)，AI绘(huì)画及视(shì)频(pín)或不是结果，而(ér)只是AI进程中的一块(kuài)重要拼图(tú)，有望在技术(shù)更新的加(jiā)持下实(shí)现更大(dà)的应用价值。

AI从理解内(nèi)容，走向了可(kě)以(yǐ)生成(chéng)内容，甚(shèn)至(zhì)能够(gòu)创(chuàng)造出独立价值和独立(lì)视(shì)角的内容。AIGC的再次出圈(quān)，更代表着未(wèi)来的(de)先进生产力即将到来。

04

紧抓(zhuā)大模型与算力，牢固AIGC底座

从技(jì)术的发(fā)展也可(kě)以看(kàn)出，在(zài)语言(yán)大模型(xíng)、图(tú)像大(dà)模型之后，多模(mó)态(tài)大模型已经成为了新的趋势。

大模型被(bèi)誉为(wèi)当前人工智(zhì)能发(fā)展的智能底座(zuò)，是全球竞争最激烈的研(yán)究方向之一，包括谷歌(gē)、亚马逊、百度(dù)、阿里、腾讯等众多头部(bù)企业都在竞相发力。

不过训练(liàn)大模型的确(què)价格不(bù)菲，以国(guó)盛证券(quàn)发(fā)布(bù)的《ChatGPT需要多少算天兵天将指哪个生肖，天兵天将指哪个生肖的动物力》报告估算，GPT-3训练一次的成本约(yuē)为(wèi)140万美元。而对于一(yī)些更(gèng)大的LLM(大型(xíng)语言模型)，训练成本则介于(yú)200万美(měi)元至1200万美元高价(jià)之(zhī)间。

以ChatGPT在2023年1月的(de)独立访客平均数1300万(wàn)计算，其对应(yīng)芯片需求为3万(wàn)多片英伟达A100 GPU，初始投入成本约(yuē)为(wèi)8亿(yì)美元，每日仅电费(fèi)就在5万美(měi)元左右。

此外(wài)不论是ChatGPT还是(shì)AIGC，都离(lí)不开(kāi)庞大算力支(zhī)持(chí)。在(zài)关注各类大模型(xíng)的发展同时(shí)，更(gèng)应该关注算力(lì)网络(luò)的建设。

算力网络(luò)正(zhèng)驱(qū)动AI产业(yè)发展进(jìn)入史诗(shī)级加速进程，让AIGC及通(tōng)用AI这一(yī)人工智能(néng)发展(zhǎn)的(de)终极目标(biāo)离得更近(jìn)。

因为算力可(kě)以对突破性技术(shù)创新提(tí)供大(dà)力的(de)支持(chí)。这方面(miàn)，多模态大(dà)模型是典型。作(zuò)为面向未(wèi)来强人工(gōng)智(zhì)能(néng)、通用人工智(zhì)能的(de)重(zhòng)要技术创新，多模态(tài)大模(mó)型(xíng)已经在人工智能领域(yù)提(tí)出了(le)很多年，业界也有不少技术突破，但是，多模(mó)态大模型进一步(bù)往下走，算力需(xū)求(qiú)呈(chéng)几(jǐ)何式上(shàng)升，一般(bān)的算力基础设施(shī)很快将难(nán)以胜任。

从图像、文字(zì)、语(yǔ)音单独一项的(de)训练，到双(shuāng)模态、三模态(tài)的跃(yuè)迁，让人工智能可以灵(líng)活(huó)应对不(bù)同(tóng)模态的(de)转化、像(xiàng)人与(yǔ)世界交互一样自然，这方面(miàn)，由算力网络来驱动将有明显优势(shì)。

此外，还有很多(duō)需要爆(bào)发式增长的算(suàn)力来支撑的技(jì)术创新(xīn)，将(jiāng)在(zài)人工智能(néng)算(suàn)力网络(luò)支撑下快速(sù)推进。

AIGC已经露出曙光，期待在大(dà)模型和大(dà)算(suàn)力的支持下AIGC能持续颠覆内容生产的方式，将创造的边(biān)际成本降低，让万众受益(yì)。

未经允许不得转载：IDC站长站，IDC站长，IDC资讯--IDC站长站 天兵天将指哪个生肖，天兵天将指哪个生肖的动物