随着深度学习和计算机视觉的进步，AI 绘画逐渐成为了可能。通过大量的数据训练和复杂的算法模型，AI 可以学习艺术家的绘画风格，并生成以假乱真的艺术作品。这种技术的突破，使得 AI 能够模仿各种绘画风格，从古典到现代，从印象派到抽象艺术，尽显无限创造力。
本期我们以 AI 绘画开源作品 Stablediffusion 为例进行讲解，简称 SD，但是 SD 目前最大的问题还是显存占用问题，特别是个别视频插件，包括最近出的Stability videoAI，更是将显存占到了极限，再加上4090的禁售，这对硬件玩家很不友好，那么可以考虑将您的 AI 绘画 应用部署到 腾讯云，结合GPU 服务器达到线上使用的效果，使用 COS 对象 存储您的图片。
AI 绘画三件套
以 Stable diffusion 为例：
稳定扩散（Stable Diffusion）是一种用于图像生成的人工智能模型，它基于扩散过程。扩散过程是指，将一个图像经过多次迭代，逐渐变得模糊、扩散的过程。在这个过程中，图像的细节信息会逐渐消失，只保留下整体的结构信息。稳定扩散这个名字来源于这个过程的稳定性，即在扩散过程中，模型能够学习到图像的稳定特征，从而生成具有较高质量的图像。
稳定扩散模型通常使用生成对抗网络（GAN）进行训练。GAN 由两个部分组成：生成器和判别器。生成器负责生成图像，判别器负责判断图像是真实图像还是生成的图像。在训练过程中，生成器和判别器互相对抗，生成器试图生成更真实的图像以欺骗判别器，判别器则试图识别出真实图像和生成图像。通过不断的迭代训练，生成器能够提高生成图像的质量。
U-Net 是一种特殊的生成对抗网络结构，它主要用于图像生成任务。U-Net 的结构呈“U”形，它将生成器和判别器都拆分成两个部分，分别位于“U”形的两端。其中，一端的生成器负责生成低分辨率的图像，另一端的生成器负责生成高分辨率的图像。判别器也同样分为两部分，分别对应低分辨率和高分辨率的生成器。 U-Net 之所以有效，是因为它采用了一种称为“跳跃连接”的技术。跳跃连接允许低分辨率生成器直接获取高分辨率生成器的输出，从而帮助低分辨率生成器更好地学习到高分辨率图像的细节信息。通过这种方式，U-Net 能够生成高质量、高分辨率的图像。
AI 绘画生成原理
当我们想要构建一幅脑海中的画面，我们先构思画面来书写提示词，下面我们会专门介绍关于提示词部分的书写，然后由模型解析文本，反推汉字或者文本到Clip 学习，接着由 U-Net 端到端的生成图片，然后由 VAE 来上色，那么一个简单的绘画流程就完成了，这个图片由噪点逐步变为清晰的过程，我们称之为扩散。
其中 clip 一共有12层，2表示在倒数第二层停止处理，通常不能超过6，当参考层的深度浅且在这个阶段就被跳过时，传递的信息量也会减少，最终以不准确的信息噪声影响生成的图像，以认为 Clip Skip 和 CFG Scale 之间没有相互作用，它们是完全不同的东西。
当向平静的湖面扔了一个小石子，水波纹向周边扩散最终恢复平静的过程，我们称之为稳定扩散，在图像生图原理中扩散过程是指，将一个图像经过多次迭代，逐渐变得模糊、扩散的过程。在这个过程中，图像的细节信息会逐渐消失，只保留下整体的结构信息。稳定扩散这个名字来源于这个过程的稳定性。
AI 绘画提示词
文生图：根据文本提示生成图像。
图生图：根据提供的图像作为范本、结合文本提示生成图像。
提示词由主题人物，元素，背景，灯光等多个维度构成，提示词对于 prompt 属于小维度，在 prompt 维度包含文本对话提示词，AI 绘画提示词等，但遵循原则是统一标准，大部分的画面或者效果是可以通过提示词实现的。
注意：
提示词不能包含换行符（非绝对），逗号分割除外。
提示词语法
() 强调更多
[] 强调较少
{} 是 NAI 对 () 的“实现”
<> 用于嵌入小数指定 (1:1.5) 的数量
(eye) 在最终结果中会比 [eye] 有更多的权重
(eye:1.4) 会比正常情况多增加约 40%
(eye:0.6) 会减少约 40 % 这也可以对某个地方增加画面的权重
([提示]:[数字小于 1]) = [使用此语法] 2 of {} = 1 of ()，准确率 <1%
通常的 AI 绘画都要依靠于硬件，对于显卡的要求显存，内存都有相当高的要求，以 Stablediffusion 为例，基础部署流程同云服务器部署步骤一样显卡建议 N 卡即英伟达的显卡，显存建议12G以上，固态建议2T，与主板兼容读写速度更佳。
1. 显卡配置要求为 N 卡优先，适配程度高，CPU 与主板要求不高，但需要跟显卡适配，运行过程温度较高，所以散热需要跟上，需要 ATX3.0 电源或者850以上（针对90系列显卡），可以物理降温，空调拉倒最低。
本地部署步骤，下面有一键安装包无需任何操作，不需要准备任何环境，但基础环境需要自己准备，方便后续使用。（优先有 N 卡的，其次 1060/ti 的）
2. 苹果电脑需要系统在12.1+。
3. 使用笔记本也可以，所有的 N 卡在低配环境下可以使用 CPU 跑图，但是建议您使用 N 卡。
AI 绘画提示词步数与 CFG 之间的关系
低 CFG：图片糊、看起来雾蒙蒙的，色彩对比弱，构图也比较差，总之，图片结构未定型。
高 CFG：图片对比度非常强，色彩非常饱和，甚至会过饱和，颜色和结构失调，正常情况下不会超过6，实际测试超过6虽然也会出现正常图片，但不建议超过2。
腾讯云大模型图像创作引擎
1. 进入 大模型图像创作引擎控制台，勾选请先阅读并同意相关协议后，单击立即开通。
2. 服务开通后，单击界面右上角接口文档，在出现弹窗后，单击在线调试，进入调试界面。
3. 调试界面分为参数区和代码区。
4. 选择离自己近的大区，并填写正向反向提示词。
5. 单击星号可以跳转到参数说明。
6. 填入自己想要的风格，我选择赛博朋克风格113，其他参数如果不清晰可以不填写。参数接口文档请参见 智能文生图风格列表。
7. 成功响应后会返回图片的 base64 内容，我们需要二次解析，代码方面进行接口解析即可，可以改变 Rsp 的类型为 URL，即可返回图片 URL。
import base64import requestsdef png_to_base64(file_path):with open(file_path, "rb") as image_file:encoded_string = base64.b64encode(image_file.read())return encoded_string# 图像Base64信息image_base64 =png_to_base64(r'')# API端点URLurl = "png-info"# 构造请求参数payload = {"image": image_base64}# 发送POST请求response = requests.post(url, json=payload)# 打印请求响应print(response.text)
8. 腾讯云智能图像创作平台 (tencent.com) 分为在线体验的两个版本 ，分别为智能文生图和智能图生图。
9. 只需要输入简单的正向反向提示词即可实现自己想要的画面，选择合适的风格，我们这里选择插图风格。
10. 现在我们开始体验智能图生图功能，不输入任何提示词便可以转换为日系动漫风格。
11. 输入提示词：一位睿智的老人，穿着中国传统服装，表情庄重，凝视远方，（最佳质量，4k，8k，杰作：1.2），超精细，（逼真，写实，写真：1.37），雾山景观，寺庙建筑，戏剧性的天空，生动的色彩，金色的阳光，（概念艺术，历史插图，史诗艺术），忧郁的心。
12. 图片生成效果如下图：
AI 绘画行业案例
目前已知的在实际生活中能够受到 AI 绘画影响最深的几个行业：
1. AI 原画师
2. 广告与设计
3. 游戏原画师/设计师
4. 室内设计与建筑行业
5. 创意设计 Logo 设计
6. AI 漫画小说视频等
AI 绘画设计案例
Logo 二创
工业风格/室内设计/室内饰品
创意字体 原子组件 字母 light flow
电商出图
