TikTok 乱拳打死老师傅：硅谷大厂还在发论文，它产品已经上线了 _TikTok

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。
几周前我们报道了“新一代梗图之王” DALL·E mini，一个脑洞十分清奇的文字转图片 AI 小工具。当时我们也提到，包括谷歌、OpenAI 等大公司和顶级研究机构都在开发相关模型，就连时尚杂志《COSMO》都采用 AI 来设计杂志封面。
图片来源：COSMO 杂志

文章插图
然而令许多人没想到是：
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……
乱拳打死老师傅，中国速度太快了
在 TikTok 的特效菜单下，最近增加了一个名叫“AI 绿幕” (AI Greenscreen) 的新选项。
点击这个选项，然后在屏幕中间的对话框里输入一段文字描述，只用不到5秒的时间，TikTok 就可以根据文字描述生成一张竖版画作，用作短视频的背景：
图片来源：硅星人截图

文章插图
TikTok 用的这个文字转图片模型，还是非常简单的。硅星人测试了几个含义大相径庭的提示，生成的图片可以说都十分的“迷幻"，没有任何写实色彩。
但这并不是缺点点——正相反，生成结果具有非常强的水彩/油画感觉，风格迁移 (style transfer) 的痕迹明显，而且用的颜色也都鲜亮明快，给人一种耳目一新的感受。
图片来源：TechCrunch 截图

文章插图
我还想单独说一下下面我自己生成的图片：
下图左边的提示字段是知名游戏“最后生还者” 。生成结果的辨识度太高了，这不正是游戏主角 Ellie 被泥浆血水浸湿的头发吗？
右图更有意思，提示是“轰炸”：我完全没有想到如此“不和谐”的字段，TikTok 的模型居然生成的结果却相当的“自洽”，特别是图中的“轰炸机”反而看起来像是代表和平的“白鸽”——是否你也能读出一点讽刺的意味？
图片来源：硅星人截图

文章插图
当然话说回来，这些只是我自己的解读和感受，绝不可能是模型的“本意” 。但是有趣的艺术作品不正应该是这样嘛，让人能够发现一些巧妙的“彩蛋”，甚至浮想联翩，解读出另外的含义。
从这一角度，我还是非常认可 TikTok 目前部署的这个模型的。
模型的质量也值得一提。The Verge、TechCrunch 等美国媒体测试了一些特殊的敏感字段，AI 绿幕生成结果更加抽象了，显示出字节部署的模型在争议字段上可能已经做出了提前规避。
要知道 AI 文字生成图片本来就不是简单技术，避免争议/道德风险更是一项相当复杂的工作。
图片来源：The Verge 截图

文章插图
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。
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。
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。
AI创作成潮流，硅谷大厂挤破头
早在2020年，全球知名的人工智能基础科研机构 OpenAI 发布了一个名为 GPT-3 语言模型。当时 OpenAI 的论文题为“Language Models are Few-Shot Learners”，直接点出了超大规模语言模型在多种非训练人物上具备强大、快速的学习和掌握能力。
GPT-3 也完全没令人失望，在小范围开放测试 API 之后，外界人士用它开发出了各种各样神奇的 demo，展示了写段子、翻译公式、解数学题、完成用户界面设计、生成财务报表等能力。
“AI 文字生成图片” 也是这些能力的其中一项。
图片来源：硅星人