【新智元导读】席卷开源界的AI生图王者诞生了！发布半个月，Flux已经成为替代Midjourney的宠儿。各路开发者们开始用自己的照片微调LoRA，一人拿捏多种风格。

　　先是，一张TED演讲者逼真照片席卷了整个互联网。再之后，集成Flux模型的Grok 2破除护栏限制，被网友玩疯。

　　HuggingFace联创惊叹道，Flux已经完全席卷了开源AI界，从未见过一个模型，同时有如此多的衍生模型/在线平台/demo占据热榜。

　　一手微调的开发者表示，「Flux+LoRA将颠覆生成式AI市场。你可以在任何地方，戴着任何东西，穿着任何你喜欢的衣服，生成不同的自己」。

　　不仅如此，冰雕，拿着switch游戏机，精灵耳，时装走秀等各种形象的照片，都是动动嘴皮子的事。

　　做成视频后，照片中的自己真的活灵活现了，很有演讲者范儿。唯一不足的是，右手到后面指头就变成了2-3根。

　　他认为，虽然AI生图依旧不能替代完整的电影/商业广告，但其已经有很多重要的用途，尤其对内容创作者来说。

　　前英特尔CTO在A100上，同样微调了一个自己的LoRA模型，75分钟花费了7美金（约50元）。

　　开源数据集平台LAION用Flux模型，训出了一个可以生成3x3九宫格照片，还是不同角度的自己。

　　以前的扩散模型是通过逐步去除从随机起点开始的噪声来创建图像，而流匹配则采用更直接的方法，学习将噪声转换为真实图像所需的精确变化。

　　文本到图像生成的挑战之一是准确地将文字转化为视觉表现。FLUX.1在这方面处理得相当好，即使是在像表情包这样复杂的场景中。

　　在这幅图里，重点不仅在于玻璃的质感，还在于光线如何通过花瓣折射和传递，创造出一种发光的效果。

　　这幅《神奈川冲浪里》的「水彩」版本不仅暗示着标志性波浪是模型训练数据的一部分，还突出了「流」技术如何近似颜料在水、纸和墨水中的运动。

　　FLUX.1所采用的流匹配技术，赋予了图像一种独特的有机运动感和流动性，仿佛像素本身在流动。

　　我们可以把图像的生成过程概括为：获取一些输入像素，将它们从噪声中稍微移开，朝着由你的文本输入创建的模式移动，并重复这一过程，直到达到设定的步骤数。

　　只要可以通过图像-标题对表示，你就可以通过这种方式教会模型任何内容：角色、场景、媒介、风格、流派。

　　左：使用原始FLUX.1模型生成；右：使用相同提示和种子，在fofr/flux-bad-70s-food模型上生成

　　在训练中，模型将会学习如何把这些概念与特定的文本字符串关联起来。而在提示中，则需要加入这个字符串来激活这种关联。

　　首先，需要收集大量关于角色的图像作为数据集，包括但不限于：不同的场景、服装、灯光，甚至可能是不同的艺术风格

　　然后，选择一个简短且不常见的词或短语作为你的触发词：一种不会与其他概念或微调冲突的独特内容。你可能会选择像「糟糕的70年代食物」或「JELLOMOLD」这样的词。

　　在训练完成之后小火箭ios是干嘛的游戏，你只需给出一个包含触发词的提示，如「在旧金山的聚会上拍摄糟糕的70年代食物的场景」，模型就会调用你之前微调时加入的特定概念。

　　左：使用原始FLUX.1模型生成；右：使用相同提示和种子，在fofr/flux-bad-70s-food模型上生成

　　被刺激到的小哥，立刻去研究了一番，他惊喜地发现，LoRA模型很小，只有2到500 MB，可以轻易地和现有的模型结合。

　　更令人惊喜的是，并不需要额外的算力，也不需要全面的再训练，就可以让AI模型提高画质，产生独特的风格，或者生成特殊的人物，比如马里奥或者海绵宝宝。

　　小哥在Fal平台上试用后，发现每百万像素花费0.035美元，所以，只要花1美元，就可以运行模型29次，还是比较划算的。

　　接下来，小哥兴奋地将图像导到Gen-3 Alpha中，根据他输入的prompt，Gen-3 Alpha生成了视频。

　　本文为澎湃号作者或机构在澎湃新闻上传并发布，仅代表该作者或机构观点，不代表澎湃新闻的观点或立场，澎湃新闻仅提供信息发布平台。申请澎湃号请用电脑访问。