Stable Diffusion 体验——一点 AI 绘图的流水账

事因

国庆期间趁有时间组了一台稳定 4K 60Hz 级别的 PC，本着不浪费显卡算力的原则，试着学习一下 AI 跑图， 心想没准以后还能实现壁纸自由。不过，亲身实践过才知道事情并没有想得那么简单，下面做个简单的记录，再发散一下思维。

准备

想玩 AI 跑图，首先，你得有一块过得去的显卡。

作为一个臭打游戏的，N 卡现在作为生产力工具溢价太高，完全没考虑的必要，所以我一直在 A 卡里纠结。 最终让我决定入手 RX 7900 XTX 的是微软 Olive 的助攻， AI 不管在游戏层面还是系统层面都是 Windows 未来的必要组件，所以 DirectML 还是可以期待一下的。

有 DirectML 支持，AMD 继续战未来

Olive 目前还不是很成熟，上面 AMD 文章里提及的版本号是 0.2.1，我运行成功的版本号是 0.3.1， 过程中依赖管理各种版本问题，远没有达到可用于生产力的开袋即食阶段。

然后，你还需要一个稳定且流量充足的梯子，Hugging Face 作为 AI 界的 Github，国内是无法直接访问的。 至于为什么要流量充足，看下模型少则 2GB 多则 7GB 的文件大小就知道了。

从入门到放弃

虽然目前 Stable Diffusion WebUI 在国内已经有不少热心人做到近乎一键运行，感觉很容易的样子。 但我一开始真的没想到，想出成品还是需要一点绘画功底，远没有各路贩卖焦虑的新媒体说得那么容易。 下面大致介绍一下 AI 绘图作为生产力工具的流程，非教程（出处在 B 站可自行搜索关键字：Stable Diffusion AI 绘画工作流）。

首先是准备底图样张。纯文字作图不是不行，但就好比猴子敲字，跑出好图的概率不是没有，只是极低。 好的底图不仅可以事半功倍，还能稳定控制 AI 发散结果（转头看看 Stable Diffusion 的名字）。 所以这里就需要一点绘画和 PhotoShop 功底，自己画底图，或者找参考图自己修改。举个例子：

图一，参考图原图
图二，改过的样子

然后是准备提示词，大概是这个样子的：

AI 绘图结果千变万化的本质是发散，提示词分为正向和负向，正向提示词用于鼓励 AI 往指定的方向发散，负向提示词的作用则反过来限制 AI 的发散。 好的提示词背后其实还隐藏着各种风格的模型使用问题，Stable Diffusion 虽然有官方的模型，但要自定义程度高点还是得神农尝百草试一下各种模型，甚至干脆自己训练。

图三，跑图结果

这个结果对业余的我来说已经惊为天人，然而把 AI 绘图作为生产力工具的专业人士还要进行更深度的处理，比如弄个 pose 图调整细节：

图四，面部细节

图五，最终成品

图五是经过换手、换脸、增加细节等流程后的成品，科学的力量真伟大！

所思

首先，未来 prompt engineer 成为一种职业并不是一个简历梗，而是现实。 把 AI 作为生产力工具和玩具的区别就是使用者的专业能力区别，越专业的人的 AI 产出也越好越专业。 所以，至少在绘图行业，AI 并不会完全替代画师，它可能会淘汰一些能力欠佳的画师岗位，但也可以让能力欠佳的画师作为 prompt engineer 产出更高水平的作品； 而更高水平的画师则可以成为 training engineer，使用自己的作品训练 AI 模型，创造自己的风格。 整体来说 AI 是提高行业水平的推手，而非消灭行业岗位的杀手。

然后，自 AlphaGo 2014 年初登场，2016 年击败世界冠军李世石、柯杰，2022 年 Stable Diffusion、ChatGPT 相继发布， 算上研发期可以说经过上一个十年间的孕育期，AI 可能是下一个十年的朝阳产业，和还在画饼阶段的区块链、元宇宙相比它是真正可以改变世界的技术。

最后，图穷匕见，放一个十年前开的坑，Love Whisper 的小说版本，构想是现实世界、AI 世界、游戏世界三重交织叙事， 最近捡起来也是因为 AI 成熟，似乎可以自己整点周边玩玩。回过头看一下，语音操作被各种语音助手实现了， 但是离成为真正的助手可能等的就是 AI 成熟的机会；而量子脑力学大概也许真的还得再等等。

传送门：Love Whisper - The Novel Version Part 1

以上，十年，打卡！