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。

包括 OpenAI、谷歌、Midjourney、Stability AI 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。

这边 TikTok 不仅很快跟进推出了同类模型，更厉害的是已经将其投放到全球十亿用户量级别的产品里了。

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·E mini。

本来以为 AI 艺术创作的潮流还是几个硅谷大厂在引领，没想到字节跳动居然“乱拳打死老师傅”——必须给中国互联网科技公司的工作速度和质量点赞了。

Stable Diffusion 和前面介绍的几个写实派模型没有太大不同。但是和产品、公司名称里的“稳定”正相反，这个模型在有害/争议字段的处理上，可以说完全没有任何作为。而又因为产品是完全免费提供给公众的，已经有很多用户用它制作 deepfake、暴力、恐怖主义、虚假新闻图片等有害的内容了……

然而令许多人没想到是：

“AI 文字生成图片” 也是这些能力的其中一项。

最近大半年，AI 图片生成已经成为了一个名副其实的科技行业“热词”，只是没想到，Open AI 和谷歌做了这么多年，却被 TikTok 给悄无声息地跑赢了。接下来，应该会有更多的科技公司也参与其中，不少全民应用背后的大厂估计又要忙活着把这项技术加到产品中了。

正如文章前面提到，谷歌、OpenAI 等巨头公司和知名机构开发的 AI 文字生成图片模型，目前都处于刚刚发布或者小范围测试，还在“纸上谈兵”的阶段。

就在各家硅谷大厂斥巨资研发、砸了无数的人力、发了无数的论文，却还在测试相关技术的时候，TikTok 居然异军突起，首先把 AI 文字转图片做到了产品里，而且直接交到了全球十亿用户的手上……

其中一家比较有意思的公司就是 Midjourney，其创始人是原知名动作感应技术公司 Leap Motion 创始人 David Holz；公司的投资人和顾问团队更是相当强大，都是苹果、特斯拉、AMD、GitHub 等知名公司的核心人物。

Midjourney 跟 OpenAI、谷歌的写实方向背道而驰，而是在抽象、艺术性、独特风格之间寻求某种巧妙的结合点，这也是这家公司和其模型比较特别之处。另外 Midjourney 开放模型技术的做法也很“年轻化”，不是发布 API 和文档，而是把服务接口做到了聊天软件 Discord 里。

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。

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。

突然间，AI 文字转图片成为了全球科技业的一大流行技术趋势。

文章来源：《中国科技论文》 网址: http://www.zgkjlwzz.cn/zonghexinwen/2022/0816/856.html