我给梵高当Tony：这三款AI绘图工具，就离谱-技术圈

来源：果壳
本文约2500字，建议阅读5分钟
AI生成图像完成，并不代表创意就结束了。

很多人说今年是“AI 绘画元年”。先是 Disco Diffusion 火出了圈，从 Text-to-Image（用文字生成图像）开发社区和创意设计行业，火到了普通人的视野中。

人们热衷将两种完全不搭界的对象，比如“达芬奇”和“iPhone”字样，输入 AI 程序，然后等着画面层层渲染完成。

又比如，我就把荷包蛋揉进了云朵里丨作者用 Disco Diffusion 生成

那是一种“拆盲盒”般的体验。对于没有任何美术基础和绘画能力的人来说，AI 的“融梗”图大多足够惊艳，即便效果“翻车”，也能通过调整描述词继续优化。

紧接着，AI 绘画工具 Midjourney 也火了。和 Disco Diffusion 满屏英文和代码的简陋界面不同，Midjourney 直接搭载在 Discord 频道上，输入指令的过程和给人发微信没什么不同，更让人吃惊的是，它生成画作的时间一般在 60 秒左右。

神说：“要有 Wi-Fi”丨作者用 DALL·E 2 生成

然后，OpenAI 的 DALL·E 2 半途杀出，和前两者擅长“概念画风”不同，DALL·E 2 更“写实”，60 秒不到可以生成 10 张图，不满意还可以擦去局部重新生成……短短几个月，“最强 AI 画师”的称号几次易主。

谷歌也坐不住，五月底发论文介绍自家选手——Imagen，直接叫板 DALL·E 2，号称 Imagen 有“前所未有的写实感和深度的语言理解”，目前暂未开放。

这两个月来，我和前面三位“AI 画师”频繁打交道，几乎每天都在测试描述词、调教机器人，踩了很多坑，翻了不少车。但与此同时，我收获了不少杰作。

这次，我将对比它们的画作生成特点、用户友好度等方面，同时整理好了它们的网址，以及一些简单的操作方法。

在普通用户那里，它们是具像化想象的得力工具；在专业人群那里，如果将它们和其他工具联动起来，能有无穷尽的想象空间。

Disco Diffusion：生成图的艺术性最高

使用入口：

https://colab.research.google.com/github/alembics/disco-diffusion/blob/main/Disco_Diffusion.ipynb

Disco Diffusion 生成画作的流程大概分为这几步：打开程序；设置图片尺寸、过程图张数、生成图张数等参数；用英文写好描述词（Prompts），格式大致为“画作类型 + 对象（可以有多个）+ 画风设定 + 一些起限定作用的修辞词”；然后开始运行，等待 AI 渲染画作。

我给 AI 写的描述词：“A beautiful painting of a starry night, shining its light across a sunflower sea by James Gurney, Trending on artstation.”

一般来说，你需要等半个小时，如果盯着屏幕看，你会看到图像从满是噪点，逐渐变得清晰、有细节起来。

使用期间，Disco Diffusion 可能会提示你在电脑上空出足够的运行内存，但因为它运行在谷歌免费提供的 GPU 等计算资源上，对用户的电脑硬件要求并不高，打开浏览器运行就可以。

用 AI 画一个莫比斯风格的场景：“a beautiful painting of a spaceship flying over a desert by Moebius, trending on artstation.”

Disco Diffusion 本身是个免费的开源软件，但如果你想要更快的出图速度，可以买谷歌 Colab 会员，以分配到更快的云端计算资源。

除了只输入文字让 AI 自由发挥，你还可以事先垫进一张初始化图片（Initial Image）去约束 AI 的创作。

比如，我先做了一张有树木轮廓和绿色色块的底图（左），然后再操作，Disco Diffusion 就会在这个大框架下去发挥，成品为右图

Disco Diffusion 生成图理论上可以商用，其程序基于 MIT 开源协议，所有互联网用户可以免费使用、复制、修改甚至出售生成图。但我觉得还是存有风险。风险主要来源于你的描述词会引来画风抄袭的争议。

当你使用了风格鲜明的艺术家（尤其是在世的艺术家），以及某部商业作品作为关键词时，都请不要直接拿来商用。

Midjourney：不怎么“超纲”，更“听话”

Midjourney 目前还是邀请制，内测地址：

https://o9q981dirmk.typeform.com/to/zZtF1mVc?typeform-source=midjourney-gallery

为了测试 Midjourney 的生成效果，我复制了之前“投喂”给 Disco Diffusion 的关键词——“星空”、“向日葵”、“梵高”——粘贴进去。

我用 Midjourney 生成的画

看到成品，我有一个直观的感受：Midjourney 的想象力没有 Disco Diffusion 那么会“超纲”。但如果从辅助创作的角度考虑，我会更倾向于用 Midjourney 这个更“听话的工具”，毕竟，没有一个创作者愿意把创作主导权让给 AI。

Midjourney 的优点就是：快。软件生成图非常快，一张算下来大概 60 秒。你要是对成品不满意，还可以几乎实时地提升细节，或延伸变化。

一分钟生成 4 个小狗警察丨用 Midjourney 生成

Midjourney 搭在了通讯软件 Discord 上，在对话框输入“/image”后，用英文输入描述词，然后按下回车键。这个过程就像在和 AI 聊天一下。

60 秒后，你就可以在对话框里收到 4 张渲染好的图片。如果对“图 1”不满意，可以点击“U1”按钮增加细节，按“V1”按钮延伸变化，直到满意为止。

于是，我拿 Midjourney 生成了“十九世纪的麦当劳”和“十八世纪的打工人”：

之所以说 Midjourney 是“产品化”了的 Disco Diffusion，一个是它的界面更友好，另一个是它还内建了一个创作社区，你可以看到玩家们用哪些描述词生成了什么样的画作。这就是一个极具参考价值的“画风”数据库，太适合拿来“抄作业”了。

比如，我尝试生成《爱，死亡和机器人》里那集《糟糕之旅》的场景，参考了上图两位艺术家的描述词，之后就生成了满意的画作：

“抄作业”让生成像样作品的门槛进一步降低了，但另一方面，也会失去了很多探索的乐趣。不要让游戏秘籍毁掉了一个好游戏。

版权方面，如果你是免费用户，图像的版权归属于 AI，每月支付 30 美元后，就能将图片拿去商用了。但同时，如果你因此获利达两万美元以上，则需要给 Midjourney 20% 的分成。

DALL·E 2：我给梵高理发，我让大象转身

我当了回“托尼”，用 DALL·E 2 给梵高理发，申请地址：

labs.openai.com/waitlist

我等了一个多月，才拿到了 DALL·E 2 的内测资格。如果说 Disco Diffusion 更擅长描绘氛围、风景或概念艺术，那么 DALL· E 2 则擅长写实。

“大象能转身吗？”我以这个“经典甲方需求”为例，试试 DALL· E 2 的写实能力。

它转过来了。

我让网友扮演甲方，让大象去做些别的事情。比如，让大象在海洋馆里游：

让大象和鲨鱼共舞：

让大象开哈雷摩托车在路上狂飙：

让大象被曹冲称：

“甲方”们无话可说。

毫不夸张地说，这是我目前用过体验最好的 AI 绘图工具，操作足够简单，完成度高，速度快到可以当搜索引擎：不到一分钟生成 10 张图片（1024 × 1024），可无限延伸变化，甚至可以擦除局部重新生成。你可以不停地给梵高“理发”。

在版权方面，DALL·E 2 背后的组织 OpenAI 列了几条严格的限制：图片生成版权最终归属 OpenAI；仅供个人学习探索使用，不能商用，不能用于制作 NFT；不能在社交媒体上发布过于写实的人脸生成结果，会有肖像侵权风险。

OpenAI 也声称已经禁止 AI 记住名人的脸，也规避了种族和性别的刻板印象等。

在苦苦等到 DALL·E 2 内测资格之前，我找了一个“平替”——DALL·E mini，是用第一代 DALL·E 做的 demo，生成速度快，但画面完成度不及 DALL·E 2。

榴莲沙发｜用 DALL·E mini 生成，软件地址：

https://huggingface.co/spaces/dalle-mini/dalle-mini

生成图像，只是第一步

“能不能让它们动起来？”我看着 AI 返回来的画作，开始想办法：

AI 生成图像完成，并不代表创意就结束了。如果你把它当成其中一个环节，再连接其他创意流程，想象空间是巨大的。

我再展示一下插画师 Nerko 的创意：他先用 Midjourney 生成自己想要的素材，然后再将这些局部组装起来。

@NekroXIII

在他手里，AI 是种“生产力”。挑选和合成，仍是他全权主导。在用上 Midjourney 之前，他已经画了 15 年插画。

编辑：于腾凯

校对：林亦霖