吊打Midjourney！OpenAI秘密内测新平台 _OpenAI

作者 | 徐杰承
“当使用过它之后，我对Midjourney已经再也提不起一点兴趣了。”这句“虎狼之词”出自一位AI target=_blank class=infotextkey>OpenAI新图像生成平台的内测用户之口。显然，OpenAI已经再一次做好了掀桌子的准备，而这次他们所瞄准的，正是AI图像生成领域。
根据YouTube博主MattVidPro透露，他的一位粉丝在不久前获得了OpenAI新图像生成平台的内测资格，并向他悄悄透露了大量利用新平台生成的作品。MattVidPro也将这些内容制作成了一期视频节目，而他开场词的第一句话是，“今天，让我们一睹AI生成图的未来！”

文章插图
图源：Youtube
1、两大优势完胜MjMattVidPro在视频中表示，据这位粉丝透露，OpenAI正在秘密测试一个全新的图像生成平台，该平台很可能是此前OpenAI所发布的文生图工具Dell-E 2的升级版。并且这次测试非常隐蔽——用户需要在一个仅能容纳400人的OpenAI独家测试服务器中访问该平台。
在进行了一段时间的尝试后，这位粉丝发现，新平台不仅能够创建具有头发、灯光、广告副本等细节特征的逼真图像，而且在生成连贯细节和遵循提示词方面具有极强的能力。在许多任务的执行效果上甚至可以吊打如今AI生成图领域名气最盛的Midjourney 。
首先是连贯细节方面，了解AI图像生成模型的人可能会知道，当前绝大多数模型都无法准确处理生成图中的文字内容。Midjourney也同样拥有这项缺陷。一个来自互联网的例子是：“生成红色铅笔，上面印有‘welcome’的文字。”Midjourney虽然完成了红色铅笔的生成，但文字呈现方面可以说一塌糊涂。

文章插图
图源：网络
但显然，OpenAI已经找到了解决这一问题的方法，在MattVidPro所展示的图片中，新平台在处理相似任务时的表现可以说非常炸裂。无论是生成写有博主ID的海报，还是生成《GTA5》的游戏盒子全都不在话下，并且图像中的主体文字内容完全没有出错。

文章插图
图源：Youtube
除此之外，在面对较为复杂的提示词时，相比于Midjourney，OpenAI新平台所生成的图像内容显然更接近提示词的描述。这里一个典型的例子是根据以下提示生成图像：“在一场自行车比赛中，一名粉色小丑正在与一只熊猫击掌。自行车是由奶酪制成的，地面非常泥泞。他们在一个多雾的森林里骑车，熊猫很生气。”
在Midjourney所给出的四张作品中，一只熊猫没有骑车，而其余三只的座驾都是没有出现奶酪元素的摩托而非自行车，并且四张图片中均没有出现小丑角色，熊猫的表情看起来也与生气毫不沾边。

文章插图
图源：Youtube
而OpenAI平台在相同任务上的表现则无需多言，所生成作品包含了提示中的几乎全部细节。

文章插图
图源：Youtube
看完以上案例，有人可能会说OpenAI新平台生成的图像似乎在真实度和画面细节方面并不出彩，甚至有些依靠“Q版”图耍小聪明的嫌疑。但这其实只是由于在提示中未规定画面风格的缘故。在生成写实图像方面，新平台的能力也完全不亚于目前的主流文生图工具。

文章插图
图源：Youtube

文章插图
图源：Youtube
在以上的两个案例中，我们不难看出，无论是油画风格图像“公牛”的画面质感和笔触细节，亦或是写实风格图像“水中少女”的光效、少女面部的水渍呈现等，两幅图像的逼真度和细节处理也均达到了业内顶尖水准。
2、或采用全新生成模型除了图像以外，关于OpenAI正在测试的这个新图像生成平台，网上几乎没有出现其余的任何消息。但根据OpenAI于3月所发表的论文，不少专业人士推测，该平台很可能利用了全新的“一致性模型”而非目前业内主流的“扩散模型” 。

文章插图
图源：OpenAI
在这篇名为《Consistency Models》的论文中，OpenAI提到，一致性模型在训练速度上覆盖了扩散模型，能够“一步生成”，能够比扩散模型更快实现简单任务，且所用计算量要少10-2000倍。此外，一致性模型也允许“多步采样”，以计算换取样本质量。因此即使没有迭代过程，一致性模型也可以产生高质量结果，并能快速适用于实时任务。