導語：中文世界的AIGC已然開啟。透過智源研究院大模型研究團隊開源的雙語 AltDiffusion 模型，可以實現精細長中文Prompts高階創作。
近來，生成式AI（AIGC）正如火如荼地展開。擴散模型在影象的生成上正在超越GANs，成為文字生成最先進的模型。透過該模型，文字在生成圖片、影片、音訊，以及分子設計等“一鍵生成”的技術上都開始應用。
在國外，OpenAI、META和谷歌等廠商正在不斷髮布最新研發成果。國內科技公司華為、阿里、商湯等也紛紛湧入這一領域。
對於中文世界的創作者來說，如果應用Dall·E 2等國外工具，將會面臨的難題是：思考英文Prompts準確表達的絞盡腦汁，翻譯軟體詞不達意的尷尬，精細構思的 Prompts 在畫面生成中找不到一絲痕跡，亦或面對文化誤解中的“中國風”哭笑不得……
日前，智源研究院大模型研究團隊開源最新雙語AltDiffusion模型，為中文世界帶來專業級AI文圖創作的強勁動力：
支援精細
長中文 Prompts 高階創作；
無需文化轉譯，從原汁原味中國話直達形神兼備中國畫；
且在繪畫水平上達到低門檻中英對齊原版 Stable Diffusion 級震撼視效，可以說是講中文的世界級 AI 繪畫高手。
創新模型 AltCLIP 為這一工作的基石，為原 CLIP 模型補齊更強的跨語言三大能力。AltDiffusion 和 AltCLIP 模型均為多語言模型，中英雙語為第一階段工作，程式碼與模型已開源。
AltDiffusion
https：//github。com/FlagAI-Open/FlagAI/tree/master/examples/AltDiffusion
AltCLIP
https：//github。com/FlagAI-Open/FlagAI/examples/AltCLIP
HuggingFace space試玩地址：
https：//huggingface。co/spaces/BAAI/bilingual_stable_diffusion
技術報告
AltCLIP： Altering the Language Encoder in CLIP for Extended Language Capabilities
https：//arxiv。org/abs/2211。06679
專業級中文 AltDiffusion
長Prompt精細繪畫 + 原生中國風，
滿足中文AI創作高手的高需求
得益於以
AltCLIP
為基礎的強大中英雙語言對齊能力，
AltDiffusion
達到近似於 Stable Diffusion 程度的視效水平，尤其具備更懂中國話、更善中國畫的獨特優勢，非常值得專業級中文AI文圖創作者期待。
長Prompt生成，畫面效果毫不遜色
Prompt長短是檢驗模型文圖生成能力的分水嶺，越長的Prompt，越考驗語言理解、圖文對齊和跨語言這三大能力。
在同樣的中英文長 Prompt 輸入調校下，AltDiffusion 在不少圖片生成案例中表現力甚至更勝一籌：元素構成豐富精彩、細節描摹細膩精準。
主流模型同主題創作效果如下：
更懂中國話，更善中國畫
除中英文 Prompts 輸入表現近似之外，AltDiffusion 還能補齊西方世界裡中國畫風的不足，利用中文圖文對繼續微調出中文特色的生成，例如國畫風格生成模型，產出真正的“中國風”。
飽覽旖旎國風美
AltDiffusion更懂中文，在中國文化語境中的意義描摹上指哪打哪，秒懂創作者意圖。例如對“唐朝盛景”的描繪，避免出現因文化誤解而產生的跑題情況。
尤其對原生於中國文化的概念，理解與表現更為精確，得以避免“日本風”與“中國風”混淆，令人啼笑皆非的狀況。例如，與Stable Diffusion在中英文輸入對應唐裝人物風格的Prompts，差異一目瞭然。
對比兩種”中國風“
在特定風格的生成中，會原生以中文文化語境為身份主體，進行風格創作，例如對於下面帶有“古建築”的prompt，會預設生成中國古代建築。在創作風格上更加貼閤中文創作者身份。
中英雙語，生成效果對齊
AltDiffusion基於Stable Diffusion，透過將原來Stable Diffusion中的CLIP替換成AltCLIP，並且用中英文圖文對對模型進行進一步的訓練得到。得益於 AltCLIP 強大的語言對齊能力，AltDiffusion 的生成效果在英文上與 Stable Diffusion 很接近，在中英文雙語的表現上也體現了一致性。
如“戴帽子小狗”的同義中英文Prompts 輸入AltDiffusion後，生成畫面效果基本對齊，一致性極高：
在對“男孩”的畫面增加描述詞為“中國男孩“之後，在原小男孩形象基礎上，精準調整成典型“中國”孩子，在語言控制生成中展現出極佳語言理解能力和精準的生成表達結果。
打通StableDiffusion原生態
豐富生態工具與PromptsBook應用，可玩性極佳
特別值得一提的是 AltDiffusion 的生態打通能力：所有支援Stable Diffusion的工具如Stable Diffusion WebUI，DreamBooth等都可應用在我們的中英雙語 Diffusion 模型上，為中文AI創作提供了豐富選擇。
Stable Diffusion WebUI
一個優秀的文圖生成、文圖編輯的網頁工具；當我們把北大夜景圖霍格沃茨（prompt： Hogwarts）化，瞬間即可呈現夢幻的魔法世界。
直通霍格沃茨
DreamBooth
透過少量樣本對模型進行除錯以生成特定的風格的工具；透過這一工具，在AltDiffusion上利用少量中文圖片即可生成特定風格，比如“大鬧天宮”風格。
充分利用社群Stable Prompts Book
Prompts 對於生成模型非常重要，社群使用者透過大量 prompts 嘗試，積累出豐富的生成效果案例。這些寶貴的 prompts 經驗，對於 AltDiffusion 使用者幾乎全都適用！
此外，還可以透過混合中英文方式去搭配一些神奇的風格和元素，或繼續挖掘對AltDiffusion適用的中文Prompts。
方便中文創作者微調
開源的AltDiffusion提供了中文生成模型的一個基礎，大家可以在這個基礎上用更多特定領域的中文資料進行模型微調，方便中文創作者表達。
以首個雙語 AltCLIP 為基石
全面增強跨語言三大能力，中英對齊，中文更優，極低門檻
語言理解，圖
文對齊
，跨語言能力，是跨語言研究必備的三種能力。
AltDiffusion 的諸多專業
級能力，源於 AltCLIP 以創新性換塔思路，在這三大能力上全面增強：
與原 CLIP 中英文語言對齊能力大大提高，可以無縫接入 Stable Diffusion 等所有建立在原 CLIP 上的模型和生態工具；
同時賦予其強悍的中文能力，在多項資料集取得中文更優效果。
（詳細解讀請參考技術報告）
值得一提的是，這種對齊方法對訓練多語言多模態表徵模型的門檻大大降低，相對於重新去做中文或者英文的圖文對預訓練，只需約 1% 的計算資源與圖文對資料。
在全面CLIP benchmark中取得了和英文原版一致效果，
在一些檢索類資料集上如Flicker-3
0K上超過了原版。
Flicker-30K上表現效果超過原版CLIP。
中文ImageNet上zero-shot結果最優。
炒股開戶享福利，入金抽188元紅包，100%中獎！
開啟App看更多精彩內容